讲解
for 循环背后是一套「迭代协议」：可迭代对象（iterable，如列表、字符串、字典）实现 iter 返回迭代器；迭代器（iterator）实现 next，每次调用给出下一个元素，耗尽时抛 StopIteration——for 循环正是靠捕获这个异常知道该停了。iter() 和 next() 内置函数是这套协议的手动入口。迭代器是「一次性」的：耗尽后再 next 永远是 StopIteration，想再遍历一遍要重新 iter()。
生成器（generator）是创建迭代器的简便方式：函数里出现 yield 关键字，它就不再是普通函数——调用它不执行函数体，而是返回一个生成器对象；每次 next 时执行到下一个 yield 暂停并交出值，下次从暂停处继续，局部变量全部保留。这种「惰性求值」意味着数据是一个一个算出来的：处理 10 GB 的日志文件、生成无穷数列，内存占用都是常量。range、map、zip、enumerate 全是惰性迭代器，这是 Python 3 的默认风格。
生成器的两个进阶形态：生成器表达式 (x * x for x in nums)——把列表推导式的方括号换成圆括号，得到惰性版本，sum(x*x for x in nums) 甚至不需要括号；yield from 用于在生成器里委托另一个生成器，def chain(a, b): yield from a; yield from b。消费惰性数据的工具链在 itertools 模块里：islice 切片无限序列、count/cycle 造无限流、chain 拼接。记住惰性是把双刃剑：省内存，但只能消费一次，且错误会推迟到消费时才暴露。
示例
# 手动体验迭代协议
nums = [10, 20, 30]
it = iter(nums)
print('手动 next：', next(it), next(it), next(it))
try:
next(it)
except StopIteration:
print('耗尽：抛 StopIteration，for 循环靠它知道停')
# 迭代器是一次性的
print('再 iter 才是新的：', list(iter(nums)), '，旧的：', list(it))
# yield：函数变生成器
def countdown(n):
print('（生成器开始执行）')
while n > 0:
yield n
n -= 1
gen = countdown(3)
print('调用时不执行：', gen)
print('逐个取出：', list(gen))
# 惰性：斐波那契无穷流，取前 10 个
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
from itertools import islice
print('斐波那契前 10 项：', list(islice(fibonacci(), 10)))
# 生成器表达式：惰性的推导式
squares = (x * x for x in range(1000000)) # 不占内存
print('类型：', type(squares).__name__)
print('惰性求和：', sum(x * x for x in range(10)))
# yield from：委托子生成器
def flatten(nested):
for sub in nested:
yield from sub
print('摊平：', list(flatten([[1, 2], [3], [4, 5]])))
常见坑
- 把迭代器当列表反复遍历：list(it) 消费完，再 list(it) 就是空的。需要多次使用就一开始就 materialize 成列表。
- 以为生成器函数调用即执行：gen = f() 只是拿到生成器，函数体一行都没跑，连参数校验都推迟到第一次 next。调试时别被「没报错」迷惑。
- 在生成器里 return 值拿不到：生成器 return x 的值会藏在 StopIteration 的 value 里，for 循环拿不到。想产出数据就用 yield。
- 对 range/map 结果取下标或看长度：map 对象不支持 len() 和 []，要么 list() 转换，要么改用推导式。
小结
迭代协议 = iter + next + StopIteration；yield 让函数成为惰性生成器，省内存但一次性；生成器表达式和 itertools 是消费利器。下一章看 Python 最上镜的语法：推导式。