Python 課程 ── 迭代與生成器（Iteration & Generators）

主題：iter() 與 next()

---

簡介

在 Python 中，迭代是遍歷資料集合（如 list、dict、set、字串）最常見的方式。無論是 for 迴圈、列表生成式，或是自訂的生成器，都在背後依賴同一套「迭代協定」：物件需要提供 __iter__() 方法，返回一個迭代器（iterator），而迭代器則必須實作 __next__() 方法，讓程式在每一次取值時前進到下一個元素。

iter() 與 next() 正是這套協定的核心 API。掌握它們不僅能讓你寫出更具可讀性與彈性的程式碼，還能在需要懶惰求值（lazy evaluation）或大資料流時，避免一次性載入全部資料而造成記憶體壓力。

本篇文章將從概念說明、實作範例、常見陷阱與最佳實踐，直到實務應用，完整呈現 iter() / next() 的使用方式，幫助初學者快速上手，也讓中級開發者在日常開發中能更得心應手。

---

核心概念

1. 什麼是迭代器（Iterator）？

• 迭代器是一種遵守「迭代協定」的物件，具備兩個關鍵方法：
  1. __iter__()：返回自身（self），使物件本身可被當作迭代器使用。
  2. __next__()：返回序列中的下一個元素；若已無元素，拋出 StopIteration。

圖示

可迭代物件 (list, dict, set, str, ...) ──► iter() ──► 迭代器 ──► next()

2. iter()：把「可迭代物件」轉成迭代器

my_list = [10, 20, 30]
it = iter(my_list)        # 取得 list 的迭代器
print(type(it))           # <class 'list_iterator'>

• 內建容器（list、tuple、dict、set、str）都有隱藏的 __iter__ 實作，呼叫 iter() 就會得到對應的迭代器。
• 若物件本身已是迭代器，iter(obj) 會直接返回該物件本身，保持 id 不變。

3. next()：取得下一個元素

print(next(it))   # 10
print(next(it))   # 20
print(next(it))   # 30
# 再呼叫一次會拋出 StopIteration

• next(iterator, default) 允許提供 default 值，當迭代結束時返回該值而不拋例外：

  print(next(it, None))   # None，而不是 StopIteration
  

4. 自訂迭代器

如果內建容器無法滿足需求，你可以自行實作一個迭代器類別：

class Countdown:
    """倒數計時器，從 start 逐步遞減到 0"""
    def __init__(self, start: int):
        self.current = start

    def __iter__(self):
        return self          # 迭代器返回自身

    def __next__(self):
        if self.current < 0:
            raise StopIteration
        value = self.current
        self.current -= 1
        return value

使用方式：

for n in Countdown(5):
    print(n, end=' ')   # 5 4 3 2 1 0

---

程式碼範例

以下提供 5 個實用範例，說明 iter() / next() 在不同情境下的運用。

範例 1：手動遍歷字典的鍵值

data = {'apple': 3, 'banana': 5, 'cherry': 2}
key_iter = iter(data)          # 只遍歷鍵
while True:
    try:
        k = next(key_iter)
        print(f"{k} => {data[k]}")
    except StopIteration:
        break

說明：dict 的迭代預設返回鍵，若想同時取得值，可改用 data.items()。

範例 2：使用 next() 搭配 default 防止例外

nums = iter([1, 2, 3])
print(next(nums, '沒了'))   # 1
print(next(nums, '沒了'))   # 2
print(next(nums, '沒了'))   # 3
print(next(nums, '沒了'))   # 沒了   ← 不會拋例外

範例 3：自訂無限生成器 + islice 取前 N 個

import itertools

def naturals():
    n = 0
    while True:
        yield n
        n += 1

# 只取前 10 個自然數
for x in itertools.islice(naturals(), 10):
    print(x, end=' ')   # 0 1 2 3 4 5 6 7 8 9

重點：naturals() 本身是一個 生成器（generator），本質上也是迭代器。iter() 不是必須的，因為 yield 已經返回迭代器。

範例 4：將檔案逐行讀取，搭配 next() 取得特定行

with open('example.txt', 'r', encoding='utf-8') as f:
    line_iter = iter(f)          # 檔案本身就是可迭代物件
    # 直接跳過前 5 行
    for _ in range(5):
        next(line_iter, None)

    # 取得第 6 行
    sixth_line = next(line_iter, '')
    print('第 6 行內容：', sixth_line.rstrip())

實務意義：在處理大型日誌檔案時，避免一次讀入全部內容，可節省記憶體。

範例 5：自訂「分批」迭代器（Batch Iterator）

class BatchIterator:
    """將一個可迭代物件分割成固定大小的批次"""
    def __init__(self, iterable, batch_size: int):
        self._iter = iter(iterable)
        self.batch_size = batch_size

    def __iter__(self):
        return self

    def __next__(self):
        batch = []
        try:
            for _ in range(self.batch_size):
                batch.append(next(self._iter))
        except StopIteration:
            if not batch:
                raise               # 完全沒資料，直接結束
        return batch

# 使用範例
data = range(1, 11)               # 1~10
for batch in BatchIterator(data, 3):
    print(batch)
# 輸出:
# [1, 2, 3]
# [4, 5, 6]
# [7, 8, 9]
# [10]

說明：這個迭代器把任意序列切成「批次」返回，常用於 機器學習、資料庫批次寫入 等情境。

---

常見陷阱與最佳實踐

陷阱	說明	解決方式
忘記捕捉 StopIteration	直接使用 next() 而未處理結束例外，會導致程式崩潰。	使用 try/except，或提供 default 參數。
對同一迭代器多次呼叫 iter()	會得到相同的迭代器，不會重置，可能導致意外的空迭代。	若需要重新遍歷，重新呼叫 iter(original_iterable)。
在 for 迴圈內同時使用 next()	會改變迭代器的內部狀態，導致漏掉元素或重複。	盡量避免混用；若必須，先把迭代器抽離出來，手動控制。
使用 list(iterator) 生成列表	會一次把所有元素載入記憶體，失去「懶惰求值」的好處。	僅在確定資料量小時使用；大資料請考慮 itertools.islice 或生成器。
自訂迭代器忘記返回自身	__iter__ 必須回傳 self，否則 iter(obj) 會得到新迭代器，導致狀態不一致。	確保 def __iter__(self): return self。

最佳實踐

1. 明確使用 default：在不想捕捉例外的情況下，next(it, sentinel) 是最安全的寫法。
2. 保持迭代器單一職責：每個迭代器只負責「一次遍歷」的邏輯，若需要多種遍歷方式，請建立不同的迭代器類別或使用生成器函式。
3. 善用 itertools：Python 標準庫提供了大量的迭代工具（chain, repeat, cycle, islice …），可以減少自行實作的錯誤機率。
4. 記得關閉資源：對檔案、網路串流等可迭代資源，使用 with 語句確保在迭代完成後自動釋放。

---

實際應用場景

場景	為什麼使用 iter() / next()	範例簡述
大量日誌檔案的即時分析	只需一次讀取一行，避免一次性載入巨檔。	log_iter = iter(open('log.txt'))，使用 next(log_iter) 逐行處理。
網路爬蟲的分頁抓取	每次抓取一頁資料，利用迭代器記錄當前頁碼。	自訂 PageIterator(start=1, step=1)，每次 next() 取得下一頁 URL。
機器學習的 Mini‑Batch 訓練	大量樣本分批送入模型，減少記憶體佔用。	BatchIterator(dataset, batch_size=64)，在訓練迴圈中 for batch in BatchIterator(...):。
串流 API（如 Kafka）消費	消費者持續從佇列取出訊息，直到手動停止。	msg_iter = kafka_consumer.__iter__()，使用 next(msg_iter, None) 取得新訊息。
自訂資料結構的遍歷	想讓自己的類別支援 for 迴圈或解構賦值。	為 TreeNode 實作 __iter__ 與 __next__，支援前序遍歷。

---

總結

• iter() 將任何可迭代物件（list、dict、檔案、生成器）轉換成符合 迭代協定 的迭代器。
• next() 取得迭代器的下一個元素，若已遍歷完畢會拋出 StopIteration，或回傳提供的 default。
• 透過自訂 __iter__ / __next__，你可以打造 懶惰、記憶體友好 的資料流，適用於大資料、即時處理或分批運算。
• 常見的錯誤包括忘記捕捉 StopIteration、誤用多次 iter() 以及在 for 迴圈中同時手動呼叫 next()。遵守最佳實踐（使用 default、保持迭代器單一職責、善用 itertools）能讓程式更安全、可維護。
• 在實務上，iter() / next() 常被用於 檔案逐行讀取、分頁爬蟲、Mini‑Batch 訓練、串流消費 等情境，幫助開發者以最小的記憶體開銷處理龐大或不確定長度的資料。

掌握了這兩個基礎函式，你就能在 Python 中自如地控制資料流的「進」與「出」，寫出既高效又可讀的程式碼。祝你在迭代與生成器的世界裡玩得開心！ 🚀