iter() 和 next() 的关系你已经在用 for item in list、for key in dict、for line in file。这些对象都能被 for 循环遍历,背后是迭代器协议在驱动。
// for...of 依赖 Symbol.iterator
const arr = [1, 2, 3];
for (const item of arr) {
console.log(item);
}
// 手动调用迭代器
const iter = arr[Symbol.iterator]();
iter.next(); // { value: 1, done: false }
iter.next(); // { value: 2, done: false }
iter.next(); // { value: 3, done: false }
iter.next(); // { value: undefined, done: true }
# for 循环依赖 iter() 和 next()
arr = [1, 2, 3]
for item in arr:
print(item)
# 手动调用迭代器
iter_obj = iter(arr)
next(iter_obj) # 1
next(iter_obj) # 2
next(iter_obj) # 3
next(iter_obj) # 抛出 StopIteration
iter() ≈ JS 的 arr[Symbol.iterator](),Python 的 next() ≈ JS 的 iter.next()。
| 概念 | Python 名称 | 要求 | 例子 |
|---|---|---|---|
| 可迭代(Iterable) | 实现 __iter__() | 能被 iter() 调用 | list、dict、str、file |
| 迭代器(Iterator) | 实现 __next__() | 能被 next() 调用 | iter(list)、生成器 |
# 验证
from collections.abc import Iterable, Iterator
lst = [1, 2, 3]
print(isinstance(lst, Iterable)) # True
print(isinstance(lst, Iterator)) # False
iter_lst = iter(lst)
print(isinstance(iter_lst, Iterable)) # True
print(isinstance(iter_lst, Iterator)) # True
# 你写的
for item in [1, 2, 3]:
print(item)
# Python 实际执行的
iter_obj = iter([1, 2, 3])
while True:
try:
item = next(iter_obj)
except StopIteration:
break
print(item)
实现 __iter__() 和 __next__() 两个方法,就能让自己的类可迭代。
class Countdown:
"""倒数迭代器:从 n 数到 1"""
def __init__(self, start):
self.current = start
def __iter__(self):
return self # 迭代器就是自己
def __next__(self):
if self.current <= 0:
raise StopIteration
value = self.current
self.current -= 1
return value
# 使用
for num in Countdown(3):
print(num)
# 输出:3 2 1
self.current),还要处理 StopIteration。所以 Python 提供了更优雅的方式——生成器。
生成器是一种简化版的迭代器,用 yield 关键字替代 __next__(),自动处理状态和异常。
function* countdown(start) {
while (start > 0) {
yield start;
start--;
}
}
const gen = countdown(3);
gen.next(); // { value: 3, done: false }
gen.next(); // { value: 2, done: false }
gen.next(); // { value: 1, done: false }
gen.next(); // { value: undefined, done: true }
def countdown(start):
while start > 0:
yield start
start -= 1
gen = countdown(3)
next(gen) # 3
next(gen) # 2
next(gen) # 1
next(gen) # 抛出 StopIteration
| return | yield | |
|---|---|---|
| 作用 | 返回结果,结束函数 | 产出一个值,暂停函数 |
| 调用次数 | 一次 | 多次 |
| 返回类型 | 普通函数 | 生成器函数 |
| 状态 | 不保留 | 自动保留局部变量 |
# 普通函数:一次性返回所有
def get_squares_list(n):
return [i**2 for i in range(n)]
# 生成器函数:逐个产出
def get_squares_gen(n):
for i in range(n):
yield i**2
# 对比
print(get_squares_list(5)) # [0, 1, 4, 9, 16],一次性占内存
print(get_squares_gen(5)) # <generator object>,惰性计算
# 场景:处理 1000 万行日志
# 列表:一次性加载,内存爆炸
logs = [line for line in open('big.log')] # 1000 万行全在内存
# 生成器:逐行读取,内存恒定
def read_logs(file_path):
with open(file_path) as f:
for line in f:
yield line.strip()
for line in read_logs('big.log'): # 每次只读一行
process(line)
def infinite_counter():
num = 0
while True:
yield num
num += 1
# 不会卡死,因为是惰性的
gen = infinite_counter()
print(next(gen)) # 0
print(next(gen)) # 1
print(next(gen)) # 2
# ... 想用多少取多少
类似列表推导式,但用 () 替代 [],返回生成器。
// 数组:一次性
const arr = Array.from({length: 5}, (_, i) => i**2);
// 没有生成器表达式,
// 要用 function* 或管道
# 列表推导式:一次性
squares_list = [i**2 for i in range(5)]
# 生成器表达式:惰性
squares_gen = (i**2 for i in range(5))
print(sum(squares_gen)) # 0+1+4+9+16 = 30
# 对比内存占用
import sys
list_comp = [i for i in range(10000)]
gen_expr = (i for i in range(10000))
print(sys.getsizeof(list_comp)) # 87632 字节
print(sys.getsizeof(gen_expr)) # 192 字节
| 函数 | 作用 | 例子 |
|---|---|---|
range(n) | 惰性生成数字序列 | range(10) |
enumerate(iter) | 同时返回索引和值 | for i, v in enumerate(['a','b']) |
zip(a, b) | 并行遍历多个序列 | for x, y in zip(list1, list2) |
map(fn, iter) | 对每个元素应用函数 | map(str.upper, ['a','b']) |
filter(fn, iter) | 过滤元素 | filter(lambda x: x>0, nums) |
# enumerate:同时拿到索引和值
fruits = ['苹果', '香蕉', '橙子']
for i, fruit in enumerate(fruits):
print(f'{i}: {fruit}')
# 0: 苹果
# 1: 香蕉
# 2: 橙子
# zip:并行遍历
names = ['Alice', 'Bob', 'Charlie']
ages = [25, 30, 35]
for name, age in zip(names, ages):
print(f'{name}: {age}岁')
写一个生成器,产出斐波那契数列的前 n 项:0, 1, 1, 2, 3, 5, 8, ...
def fibonacci(n):
a, b = 0, 1
count = 0
while count < n:
yield a
a, b = b, a + b
count += 1
for num in fibonacci(8):
print(num, end=' ')
# 0 1 1 2 3 5 8 13
写一个生成器,逐行读取文件,只返回包含"ERROR"的行。
def read_errors(file_path):
with open(file_path, encoding='utf-8') as f:
for line in f:
if 'ERROR' in line:
yield line.strip()
for error in read_errors('app.log'):
print(error)
写一个生成器,每次产出当前元素和下一个元素(平移窗口大小 2)。
def pair_window(iterable):
it = iter(iterable)
prev = next(it)
for curr in it:
yield prev, curr
prev = curr
for pair in pair_window([1, 2, 3, 4]):
print(pair)
# (1, 2)
# (2, 3)
# (3, 4)
写一个生成器,把一个大列表分成每页 size 个元素。
def paginate(items, page_size):
for i in range(0, len(items), page_size):
yield items[i:i + page_size]
users = list(range(1, 21)) # 20 个用户
for page_num, page in enumerate(paginate(users, 5), 1):
print(f'第{page_num}页: {page}')
# 第1页: [1, 2, 3, 4, 5]
# 第2页: [6, 7, 8, 9, 10]
# ...
iter() 和 next() 的关系next() 直到 StopIterationyield 写生成器,理解了生成器和普通函数的区别(x for x in iter),知道和列表推导式的区别enumerate、zip、map、filter 等内置迭代器