__iter__() 必须返回迭代器对象（含__next__()），若返回自身却未实现__next__()，则next()调用时报TypeError；其职责是提供新迭代器，而非自变迭代器。
为什么 __iter__() 返回的不是自己，next() 就会报错
因为 Python 的 for 循环和内置函数（如 list()、sum()）只认「迭代器协议」：对象必须有 __iter__() 方法，且该方法返回一个带 __next__() 方法的对象。如果 __iter__() 直接返回 self，那它自己就得实现 __next__()；如果没实现，调用 next() 时就会抛 TypeError: 'X' object is not an iterator。
常见错误现象：for item in my_obj: 报错说对象不可迭代，或 next(iter(my_obj)) 崩在 next() 上。
-
__iter__()的职责是「提供一个迭代器」，不是「让自己变成迭代器」 - 可迭代对象（如
list、自定义类）≠ 迭代器；迭代器是「一次性的、有状态的」 - 想复用，得每次调用
__iter__()都返回新迭代器实例，否则第二次for会空跑
next() 的第二个参数到底用来干啥
它是「哨兵值」，用于避免 StopIteration 异常。当迭代器耗尽时，不抛异常，而是直接返回这个默认值。
使用场景：读文件行、解析流式数据、做「尝试取一个」的逻辑，比如从配置里找第一个非空值。
立即学习“Python免费学习笔记（深入）”；
- 写成
next(iterator, None)是安全兜底，但要注意：返回None可能和真实数据冲突 - 别滥用——如果业务逻辑依赖「是否结束」，用
try/except StopIteration更清晰 - 性能无差异，但语义更明确：你主动选择了「静默终止」而非「异常控制流」
示例：next(iter([1, 2]), 'empty') → 1；next(iter([]), 'empty') → 'empty'
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
自定义类怎么同时支持 for 和 next()
关键在两层分离：类本身是可迭代对象，内部另写一个迭代器类（或用生成器），由 __iter__() 返回它。
容易踩的坑：把状态存在可迭代对象上，导致多次遍历相互干扰；或者忘记在迭代器里维护 self._index 这类状态变量。
- 迭代器必须实现
__next__()，且内部要有状态（如索引、游标、缓存） -
__iter__()每次都应返回新迭代器实例，例如return MyIterator(self.data) - 如果用生成器函数实现
__iter__()（yield），它天然满足迭代器协议，但无法共享状态，适合只读、无副作用场景
示例片段：
class Countdown:
def __init__(self, n):
self.n = n
def __iter__(self):
return CountdownIter(self.n)
class CountdownIter:
def __init__(self, n):
self.n = n
def __next__(self):
if self.n <= 0:
raise StopIteration
self.n -= 1
return self.n + 1
生成器函数 vs 手写迭代器类，选哪个
90% 场景用生成器函数就够了。def __iter__(self): yield from ... 或直接 yield，代码少、不易错、自动管理状态和异常。
手写类只在需要精细控制时才值得：比如要支持 .reset()、.peek()、多路并行迭代、或复用已有状态对象。
- 生成器函数返回的是
generator对象，它既是可迭代对象也是迭代器（iter(gen) is gen成立） - 手写类可以带额外方法（如
.close()、.send()），但日常几乎用不到 - 兼容性无差别，所有 Python 版本都支持；性能上生成器略快（C 层优化），但差距微乎其微
真正容易被忽略的点：生成器函数一旦执行完毕就不可重用，而手写类如果设计成每次 __iter__() 返回新实例，就能支持多次 for ——这点很多人以为「生成器更方便」，其实反而更难复用。
