生成器对象遍历一次后耗尽，无法重置；可通过五种方法实现多次迭代：一、每次调用生成器函数新建实例；二、封装为实现__iter__的可迭代类；三、用itertools.tee复制迭代器；四、缓存为元组或列表；五、用闭包延迟生成新生成器。
如果定义了一个生成器函数，调用它返回的生成器对象在遍历一次后即耗尽，后续迭代将不再产生任何值。这是因为生成器对象内部状态不可重置。以下是实现多次迭代能力的几种不同方法：
一、每次调用生成器函数重新创建生成器
该方法不复用原有生成器对象，而是每次迭代前重新调用生成器函数，从而获得一个全新的、未开始消耗的生成器实例。
1、定义原始生成器函数，例如：def my_gen(): yield from [1, 2, 3]。
2、在需要迭代的位置，显式调用该函数：for x in my_gen(): print(x)。
立即学习“Python免费学习笔记（深入）”；
3、再次迭代时，再次调用：for x in my_gen(): print(x)，此时获得的是全新生成器。
二、封装为可迭代类并实现 __iter__ 方法
通过定义一个类，在其 __iter__ 方法中返回新生成器，使该类实例支持无限次 for 循环调用。
1、创建类，例如：class ReusableGenerator:。
2、在类中定义 __iter__(self): return my_gen()（假设 my_gen 是原生成器函数）。
3、实例化该类：gen_obj = ReusableGenerator()。
4、可重复使用：list(gen_obj)、list(gen_obj) 均返回完整结果。
三、使用 itertools.tee 复制生成器迭代器
itertools.tee 可从单个迭代器派生多个独立迭代器，各迭代器互不影响，适用于需同时或分时多次遍历同一数据流的场景。
1、导入模块：from itertools import tee。
2、获取原始生成器：g = my_gen()。
3、复制为两个独立迭代器：g1, g2 = tee(g)。
4、分别消费：list(g1) 和 list(g2) 均得到完整输出。
四、将生成器内容缓存为元组或列表
若生成器产出数据量适中且可全部驻留内存，则可一次性展开并缓存，后续迭代直接基于该不可变序列进行。
1、调用生成器并转为元组：cached = tuple(my_gen())。
2、后续所有迭代均作用于该元组：for x in cached: …。
3、也可定义为属性或闭包变量，避免重复计算：def make_cached_gen(): data = tuple(my_gen()); return lambda: iter(data)。
五、使用闭包捕获生成器逻辑并延迟执行
构造一个可调用对象，每次调用时返回新的生成器，逻辑封装在闭包内，避免外部暴露原始生成器定义。
1、定义闭包工厂函数：def reusable_gen(): return (x for x in [1, 2, 3])。
2、调用该函数获取新生成器：g = reusable_gen()。
3、迭代完成后，再次调用：g2 = reusable_gen()，获得独立实例。
4、亦可进一步包装为类的 __call__ 方法，提供更清晰接口。