在 Python 中，迭代器协议（Iterator Protocol） 是实现对象可迭代的核心机制。它由两个方法组成：

---

迭代器协议的两个核心方法：

方法名	作用简介
__iter__(self)	返回一个迭代器对象（通常是 self）
__next__(self)	返回序列中的下一个元素；如果没有更多元素，抛出 StopIteration 异常

---

什么是迭代器（Iterator）？

一个类如果实现了上述两个方法，就被认为是一个迭代器（符合迭代器协议）。这使得它可以被用于 for 循环、list()、tuple() 等场景中。

---

示例 1：自定义一个简单的迭代器类

我们自定义一个迭代器，模拟 range(0, n) 的行为：

class MyRange:
    def __init__(self, end):
        self.current = 0
        self.end = end

    def __iter__(self):
        return self  # 返回迭代器对象本身

    def __next__(self):
        if self.current < self.end:
            val = self.current
            self.current += 1
            return val
        else:
            raise StopIteration  # 没有更多元素了

使用方式：

r = MyRange(5)
for i in r:
    print(i)

输出：

0
1
2
3
4

---

示例 2：iter() 和 next() 内部如何工作？

r = MyRange(3)

it = iter(r)  # 调用 r.__iter__()
print(next(it))  # -> 0
print(next(it))  # -> 1
print(next(it))  # -> 2
print(next(it))  # -> StopIteration 抛出

---

示例 3：只实现 __iter__ 的对象不是迭代器

如果一个对象只实现了 __iter__()，那它是一个可迭代对象（Iterable），而不是迭代器。

例如：

class MyList:
    def __init__(self, data):
        self.data = data

    def __iter__(self):
        return iter(self.data)  # 返回一个真正的迭代器

这允许你使用 for 循环，但你不能直接用 next(MyList(...))，因为它没有 __next__() 方法。

---

示例 4：类实现斐波那契迭代器（无限序列）

class FibonacciIterator:
    def __init__(self):
        self.a = 0
        self.b = 1

    def __iter__(self):
        return self

    def __next__(self):
        value = self.a
        self.a, self.b = self.b, self.a + self.b
        return value

使用方式：

fib = FibonacciIterator()

for i, val in enumerate(fib):
    print(val)
    if i >= 9:
        break

输出：

0
1
1
2
3
5
8
13
21
34

这个版本可以无限生成斐波那契数，因为没有 StopIteration，你必须手动控制停止条件（如上用 i 计数）。

---

示例 5：使用生成器实现斐波那契（更简洁）

如果你不需要复杂的状态管理，用 yield 可以更简洁地实现迭代器：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

使用：

for i, val in enumerate(fibonacci()):
    print(val)
    if i >= 9:
        break

生成器函数自动实现了 __iter__() 和 __next__()，符合迭代器协议，所以也可以直接用于 for。

---

示例 6：限制长度的斐波那契类（支持 StopIteration）

我们现在加个终止条件：

class Fibonacci:
    def __init__(self, max_count):
        self.max_count = max_count
        self.count = 0
        self.a, self.b = 0, 1

    def __iter__(self):
        return self

    def __next__(self):
        if self.count >= self.max_count:
            raise StopIteration

        value = self.a
        self.a, self.b = self.b, self.a + self.b
        self.count += 1
        return value

使用：

for val in Fibonacci(10):
    print(val)

输出：

0
1
1
2
3
5
8
13
21
34

---

总结：类 vs 生成器实现迭代器

特性	类方式 (__iter__, __next__)	生成器 (yield)
状态变量灵活、控制细致	✔️	一定程度上可以
代码简洁、逻辑清晰	❌（需手动维护状态）	✔️（自动保存上下文）
无限序列 / 惰性计算	✔️（手动管理）	✔️（天然支持）
更适合复杂的数据结构遍历	✔️（如树、图的自定义遍历器）	一般 ❌

---

建议使用场景

• 自定义数据结构（如树、图）遍历时
• 惰性计算（如读取大文件）
• 实现无限序列（如斐波那契数列）

---