深入理解Python __next__方法（小白也能掌握的迭代器核心机制）

__next__ 方法详解

每次调用__next__()，它都应该返回序列中的下一个值。当没有更多元素可返回时，必须抛出StopIteration异常，以通知循环停止。

下面是一个简单的例子，展示如何手动使用内置迭代器：

my_list = [1, 2, 3]iterator = iter(my_list)  # 调用 my_list.__iter__()print(next(iterator))  # 等价于 iterator.__next__() → 输出 1print(next(iterator))  # 输出 2print(next(iterator))  # 输出 3# print(next(iterator))  # 抛出 StopIteration 异常

创建自定义迭代器

现在，我们来创建一个自定义的迭代器类，用于生成斐波那契数列的前N项。这将帮助你理解如何在实际项目中应用Python生成器与迭代器的知识。

class FibonacciIterator:    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                current = self.a        self.a, self.b = self.b, self.a + self.b        self.count += 1        return current# 使用自定义迭代器fib = FibonacciIterator(5)for num in fib:    print(num)# 输出：# 0# 1# 1# 2# 3

在这个例子中：

• __iter__ 返回自身，表明该对象是可迭代的。
• __next__ 每次计算并返回下一个斐波那契数，直到达到最大次数后抛出 StopIteration。

常见误区与最佳实践

1. 不要忘记抛出 StopIteration：这是告诉 Python 迭代结束的唯一方式。否则，for 循环会无限执行下去。

2. __iter__ 必须返回一个迭代器：通常是 return self，但也可以返回另一个实现了 __next__ 的对象。

3. 迭代器是一次性的：一旦遍历完成，再次使用同一个迭代器对象将不会产生新值（除非你重置内部状态）。如果需要重新遍历，应创建新的迭代器实例。

总结

通过本教程，你应该已经掌握了 Python __next__方法 的核心概念，并学会了如何构建 自定义迭代器。理解迭代器机制不仅能让你写出更高效的代码，还能帮助你更好地使用 Python 内置工具如 map、filter 和生成器表达式。

记住，所有支持 for 循环的对象背后，都离不开 __iter__ 和 __next__ 这两个魔法方法。掌握它们，你就掌握了 Python 迭代世界的钥匙！