直接实现__iter__和__next__比生成器更可控，因其支持动态响应外部状态、暴露pause()/reset()等控制接口，且能精确管理迭代状态与异常（如主动raise stopiteration），而生成器难以从外部干预执行流。
为什么直接实现 __iter__ 和 __next__ 比用生成器更可控？
因为你要在迭代过程中动态响应外部状态（比如实时读取传感器数据、按需加载分页 API、或根据条件提前终止），而生成器函数（yield）一旦启动就难以从外部干预其执行流。自定义类能暴露控制接口，比如 pause()、reset() 或检查 is_exhausted 属性。
常见错误是只实现 __next__ 却忘了让 __iter__ 返回 self，导致 for 循环报 TypeError: 'MyIterator' object is not iterable。
-
__iter__必须返回一个实现了__next__的对象（通常是self） -
__next__在无数据时必须显式抛出StopIteration，不能返回None或空字符串 - 如果想支持多次遍历，
__iter__不该每次都返回新实例（除非你刻意设计成“单次消费”）
如何正确处理边界和异常？
最常踩的坑是 __next__ 里没做边界判断，导致索引越界后抛出 IndexError，而不是预期的 StopIteration——这会让 for 循环意外中断并打印 traceback。
假设你封装一个列表的只读迭代器：
class ListIterator:
def __init__(self, data):
self.data = data
self.index = 0
<pre class="brush:python;toolbar:false;">def __iter__(self):
return self
def __next__(self):
if self.index >= len(self.data): # 关键：主动检查，不是靠下标访问触发异常
raise StopIteration
item = self.data[self.index]
self.index += 1
return item
- 永远优先用
if+raise StopIteration，而不是依赖下标访问失败 - 若底层数据可能被外部修改（如 list 被 append），需在
__next__中重新计算len(self.data)，而非缓存长度 - 不要在
__next__中做耗时操作（如网络请求）而不加超时或重试，否则一次next()调用就卡死整个循环
什么时候该让 __iter__ 返回新实例？
当你需要支持「多个独立迭代器同时遍历同一对象」时，比如对一个文件对象反复调用 iter(f) 应该每次返回新读取位置的迭代器，而不是共享同一个指针。
典型场景：自定义容器类（如 Stack、PriorityQueue）允许同时被多个 for 循环使用，互不干扰。
- 返回新实例：每次
__iter__创建并返回一个干净的迭代器对象（含独立状态） - 返回
self：适合「单次线性消费」场景，如日志流、传感器采样流 - 混用风险：如果
__iter__返回self，但用户手动调用了多次iter(obj)，所有迭代器会共享状态，结果不可预测
与内置类型行为对齐的关键细节
Python 的 list、dict 等在 for 中可重复遍历，是因为它们的 __iter__ 每次都返回新迭代器；而文件对象只能遍历一次，因为 file.__iter__ 返回自身。你的类是否符合用户直觉，取决于这个选择。
- 想模仿
list行为：在__iter__中return ListIterator(self.data) - 想模仿
open(...)行为：在__iter__中return self，并在__next__中维护内部游标 - 别忽略
iter(obj, sentinel)形式：它不调用__iter__，而是反复调用obj()直到返回sentinel，和你的类无关
真正难的是状态同步——比如你给迭代器加了 peek() 方法，那后续 next() 是否跳过已 peek 的项？这种逻辑必须在类内部严格闭环，外部没法帮你兜底。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
