Ένα iterable είναι οτιδήποτε μπορείς να επαναλάβεις (μια λίστα, string, dict)· ένας iterator είναι το αντικείμενο που εκτελεί την πραγματική επανάληψη, παράγοντας τιμές μία προς μία και παρακολουθώντας τη θέση του. Αυτή η διάκριση είναι η βάση του τρόπου λειτουργίας των βρόχων for στην Python.
Iterable → has __iter__() → returns an iterator
Iterator → has __next__() → returns the next value (and __iter__ returning itself)
# this for loop...
for x in [1, 2, 3]:
print(x)
# ...is roughly equivalent to:
it = iter([1, 2, 3]) # __iter__ → get an iterator from the iterable
while True:
try:
x = next(it) # __next__ → get the next value
print(x)
except StopIteration: # raised when exhausted → loop ends
break
Ένας βρόχος for καλεί iter() για να πάρει έναν iterator, στη συνέχεια καλεί επανειλημμένα next() μέχρι το StopIteration να σηματοδοτήσει το τέλος. Αυτό το πρωτόκολλο είναι αυτό που καθιστά κάθε iterable επαναλήψιμο.
nums = [1, 2, 3] # an ITERABLE (a list)
it = iter(nums) # an ITERATOR over it
next(it) # 1
next(it) # 2
next(it) # 3
next(it) # StopIteration
# the list is REUSABLE (get a fresh iterator each loop);
# an iterator is CONSUMED ONCE — exhausted after one pass
list(it) # [] — already used up
Κύρια διαφορά: ένα iterable (λίστα) μπορεί να επαναληφθεί πολλές φορές (κάθε for παίρνει έναν νέο iterator)· ένας iterator είναι μίας χρήσης — όταν εξαντληθεί, είναι άδειος.
class Countdown:
def __init__(self, start): self.n = start
def __iter__(self): return self # the iterable returns itself as iterator
def __next__(self):
if self.n <= 0:
raise StopIteration # signal the end
self.n -= 1
return self.n + 1
for x in Countdown(3): # 3, 2, 1
print(x)
def gen(): yield 1; yield 2 # a generator function returns an iterator automatically
Oι generators είναι ο εύκολος τρόπος για να δημιουργήσεις iterators — το yield χειρίζεται τη μηχανική __next__/StopIteration για σένα.
Η διάκριση iterable/iterator εξηγεί πώς λειτουργούν οι βρόχοι for στην Python και πώς η επανάληψη είναι ενοποιημένη σε όλες τις συλλογές (λίστες, dicts, αρχεία, generators) μέσω του iterator πρωτοκόλλου.
Η κατανόησή του διευκρινίζει πραγματικές συμπεριφορές — γιατί ένας iterator μπορεί να καταναλωθεί μόνο μία φορά (ένα συνηθισμένο σφάλμα: επανάληψη ενός generator/zip δύο φορές δεν δίνει τίποτα τη δεύτερη φορά), γιατί οι generators είναι iterators, και πώς να κάνεις τα δικά σου αντικείμενα iterable.
Αυτό το πρωτόκολλο είναι το θεμέλιο του κομψού, συνεπούς μοντέλου επανάληψης της Python και είναι απαραίτητο για την εργασία με generators, lazy evaluation και custom iterable κλάσεις.