Python迭代器是运行时底层协议，非语法糖；for循环隐式调用iter()，要求对象实现__iter__或__getitem__；int不满足故报错；迭代器一次性、需处理StopIteration；生成器是迭代器子类。
Python 的迭代器不是语法糖，是语言运行时底层协议的体现；掌握它不靠死记 __iter__ 和 __next__，而在于理解「谁在调用、何时中断、状态如何保存」。
为什么 for 循环能遍历 list 却不能直接遍历 int？
因为 for 语句背后隐式调用 iter()，而该函数只接受实现了 __iter__（返回迭代器）或 __getitem__（支持整数索引且从 0 开始）的对象。int 没有这两个方法，所以报 TypeError: 'int' object is not iterable。
-
list、str、dict都实现了__iter__，返回各自对应的迭代器对象（如list_iterator） -
range是个特例：它本身是可迭代对象，但不依赖__getitem__，而是通过__iter__返回一个轻量级的range_iterator - 自定义类只要返回一个带
__next__方法的对象（不管是不是自身），就能被for消费
手动模拟 for 循环：用 try/except 处理 StopIteration 才是关键
写迭代器时最容易忽略的是异常边界——StopIteration 不是错误，而是协议约定的终止信号。Python 内部用它跳出循环，你手动调用 next() 时必须处理它。
numbers = iter([1, 2, 3])
while True:
try:
print(next(numbers))
except StopIteration:
break
- 漏掉
try/except会导致程序崩溃，尤其在不确定长度的生成逻辑中（比如读文件、网络流） -
next(iterator, default)可以避免异常，但仅适用于需要默认值的场景；无法区分「到底有没有下一个」和「就是到头了」 - 生成器函数（含
yield）自动封装了StopIteration抛出逻辑，所以不用手动写
迭代器 vs 生成器 vs 可迭代对象：三者关系一张图说清
可迭代对象（Iterable）是顶层接口，迭代器（Iterator）是具体实现，生成器（Generator）是迭代器的一种子类型（也是可迭代对象）。
- 可迭代对象：有
__iter__方法，调用后返回一个迭代器（如[].__iter__()） - 迭代器：有
__iter__（通常返回自身）和__next__（返回下一个值或抛StopIteration） - 生成器：由
yield定义的函数返回的对象，本质是迭代器，但多了send()、throw()、close()等协程能力
判断方式：from collections.abc import Iterator, Iterable，再用 isinstance(obj, Iterator) 或 isinstance(obj, Iterable)。
真实项目里迭代器最常踩的坑：状态残留
与不可重用
与不可重用迭代器是一次性消耗品。一旦抛出 StopIteration，它就进入终态，后续任何 next() 调用都继续抛异常。这不是 bug，是设计使然。
- 把同一个迭代器对象传给多个函数，第二个函数会立即遇到
StopIteration - 想重复使用？得重新调用
iter()（比如iter(my_list)）或重构为可迭代对象（加__iter__返回新迭代器） - 生成器函数每次调用都会返回新生成器对象，天然规避这个问题；但生成器对象本身仍是一次性的
复杂点在于：有些第三方库返回的“迭代器”其实是带缓存或惰性求值逻辑的封装，表面像迭代器，实则内部维护状态机——这时得看文档，不能只靠 isinstance(..., Iterator) 判断行为。
