迭代器的“一次性消费”是设计特性而非bug，指其遍历后即耗尽、无法重用，再次遍历时静默无输出；本质是内部状态机不可逆，每次next()推进且不可撤回。

迭代器的“一次性消费”不是 bug，而是设计特性。它意味着：一旦遍历完成，该迭代器对象就彻底空了，再次尝试 for 循环、list()、next() 等操作，都不会产生任何元素，也不会报错（除非手动调用 next() 到底后继续调），只是静默结束。

看行为就能识别：两次遍历结果不同

这是最直接的判断方式。同一个迭代器变量，在第一次 for 循环中能输出全部数据，第二次却什么也不输出——这就是典型的一次性信号。

• 例如：zip([1,2], ['a','b']) 返回的是迭代器，不是列表
• open('file.txt') 返回的文件对象也是迭代器（按行读）
• (x for x in range(3)) 是生成器，也属于迭代器

本质原因：内部状态不可逆

迭代器背后是一个运行中的状态机，它只保存“当前走到哪了”，不记录“之前走过哪些”。每次调用 __next__() 就推进一次，直到抛出 StopIteration ——这个过程不可撤回，也无法重置。

• 它不像列表那样把所有值存进内存，所以不能随机访问或倒带
• 它也不像可迭代对象（如 list、dict）那样每次调用 iter() 都能新建一个干净的迭代器
• 迭代器自己就是“已启动的遍历过程”，不是“遍历的蓝图”

常见误用场景与验证方法

在 Jupyter Notebook、调试循环、多进程传参等场景中，容易无意中触发耗尽。可以用以下方式快速确认：

• 执行一次 list(it) 后再试 for x in it: → 若无输出，说明 it 已耗尽
• 连续调用两次 next(it) → 第二次若报 StopIteration，说明已到尾
• 检查类型：isinstance(it, collections.abc.Iterator) 为 True，且 not isinstance(it, collections.abc.Iterable)（少数情况例外，但通常成立）

怎么避免被“一次性”坑到

关键不是对抗特性，而是适配它的逻辑：

• 需要多次使用时，提前转成 list(it) 或 tuple(it)
• 想节省内存又需复用，用 itertools.tee(it, n) 拆出多个独立副本
• 函数参数接收迭代器时（如 starmap），确保传入前没被其他代码消耗过
• 自定义类若返回迭代器，应在文档中明确标注“该返回值仅可遍历一次”