直接用for遍历无限生成器会卡死，因其依赖stopiteration退出而无限生成器永不抛出该异常；应使用itertools.islice按需截取批次，避免list(g)等全量消耗操作。
为什么直接用 for 循环遍历无限数据会卡死
因为 Python 的普通 for 会尝试调用 __iter__ 和 __next__ 直到抛出 StopIteration，而无限生成器永远不会抛这个异常，循环就永远不退出。真实场景里，你不是要“遍历完”，而是“按需取一批”。
- 必须配合手动控制（比如
next()调用次数）或外部中断条件 - 不能把无限生成器直接丢进
list(g)或sum(g)这类消耗整个迭代器的函数里 - 前端常见的“滚动加载”本质是每次拉
limit=20条，和生成器的itertools.islice(g, 20)行为一致
用 itertools.islice 安全截取批次数据
islice 是最轻量、最符合语义的切片工具——它不预加载、不缓存、不改变原生成器状态，只按需拉取指定数量。
- 写法：
list(itertools.islice(infinite_gen(), 0, 20))拿前 20 条 - 下一页：再调一次
islice(infinite_gen(), 20, 40)——但注意：这会新建一个生成器，不是续着上次的流 - 如果要真正“接续”，得复用同一个生成器对象，比如
g = infinite_gen(); batch1 = list(islice(g, 20)); batch2 = list(islice(g, 20)) - 别用
g[10:20]：生成器不支持索引，会报TypeError: 'generator' object is not subscriptable
带状态的生成器如何管理分页游标
纯数学序列（如 def count(): i=0; while True: yield i; i+=1）靠偏移就能分页；但真实接口常依赖服务端游标（cursor）或页码（page）。这时生成器本身要封装状态。
- 错误写法：每次调用都重置请求参数，导致重复拉第一页
- 正确做法：在生成器内部维护
cursor或page变量，每次yield后更新它 - 示例片段：
def api_stream(): cursor = None while True: data = requests.get("/api/items", params={"cursor": cursor}).json() if not data["items"]: break for item in data["items"]: yield item cursor = data.get("next_cursor") - 这种生成器只能用一次；若需多次分页，建议封装成类，把生成器逻辑转为
__iter__方法
前端“无限滚动”对应的后端生成器怎么防滥用
生成器本身不带限流，客户端狂刷 next() 会导致后端持续计算或反复请求 API。必须加显式约束。
- 在生成器内部加计数器：
if count >= 1000: raise RuntimeError("Too many items requested") - 对耗时操作（如 HTTP 请求）加
time.sleep(0.1)防压垮下游 - 更稳妥的是不暴露裸生成器，而是提供
fetch_batch(size=50, offset=0)这样的函数，由上层控制节奏 - 注意：生成器抛出异常后状态终止，无法再
next()；若要恢复，得重新调用生成器函数创建新实例
