如何在Python类中实现基于生成器的__iter__迭代器-Python教程-PHP中文网

因为含 yield 的 iter 是生成器函数，调用后自动返回满足迭代器协议的生成器对象，无需手动实现 next 或返回 self。

如何在python类中实现基于生成器的__iter__迭代器

为什么直接在 `iter` 里写 `yield` 就能工作？

因为 Python 规定：只要一个方法包含 yield，它就是生成器函数，调用后返回一个生成器对象——而生成器对象天然实现了 __iter__ 和 __next__，满足迭代器协议。所以你不需要额外写 __next__，也不需要手动构造 Iterator 子类。

常见错误是试图在 __iter__ 中返回 self 同时又用 yield，这会导致“TypeError: iter() returned non-iterator”，因为返回的是生成器（正确），但你又误以为要自己管理状态。

__iter__ 必须返回一个迭代器对象（可以是生成器、自定义类实例、或任何带 __next__ 的对象）
用 yield 的 __iter__ 自动返回生成器，符合要求
不要在该方法末尾加 return self 或 return None —— 这会覆盖掉生成器返回值

如何让生成器 `iter` 支持多次迭代？

默认情况下，生成器只能遍历一次（第二次调用 iter(obj) 得到的新生成器从头开始，但内部状态不共享）。如果你希望每次 for 都获得独立、可重入的迭代，__iter__ 必须每次返回一个新生成器。

典型陷阱是把状态存在实例变量里，然后在 yield 中直接读取并修改——这样多个迭代器会互相干扰。正确做法是把数据源和逻辑封装在生成器内部，不依赖外部可变状态。

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的双功能合体技能，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途：；核心要点📝 题解模式：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

✅ 正确：在 __iter__ 函数体内直接 yield 基于 self.data 的副本或只读遍历
❌ 错误：用 self.index += 1 管理位置，导致第二次 for 从中间开始
如果需支持索引/切片，建议用 itertools.islice 或返回 iter(self.data) 而非手写计数逻辑

def __iter__(self):
    # 安全：每次调用都生成全新迭代器
    for item in self._data:
        yield item * 2

什么时候不该用生成器实现 `iter`？

当你要暴露底层可变状态、需要暂停/恢复控制权、或必须兼容老版本 Python（如 2.7）时，生成器方案可能不合适。更关键的是：如果你的类本身就要被子类继承并重写迭代行为，用生成器会让子类难以扩展——因为它把逻辑锁死在函数体里，无法像普通方法那样被 super() 调用。

需要延迟计算且逻辑简单 → 用 yield 最简洁
需要与上下文管理器配合（如文件流）、或需在 __next__ 中做异常处理 → 写独立迭代器类更可控
类设计为基类，预期被继承 → 显式定义 __next__ 并分离迭代逻辑，避免子类无法复用
PyPy 或某些嵌入式 Python 环境对生成器开销敏感 → 测量实际性能再决定

生成器 `iter` 和 `iter()` 的兼容性注意点

绝大多数场景下没问题，但要注意两个边界情况：一是 collections.abc.Iterator 类型检查会失败（生成器是 Generator，不是 Iterator 的直接实例）；二是某些框架（如旧版 numpy 或 pandas 的某些接口）可能显式检查 hasattr(obj, '__next__')，而生成器对象确实有，但它的 __next__ 是绑定到生成器实例的，不是类方法。