从零开始：Python语言进阶之迭代器

一、重新认识迭代与可迭代对象

1.1 什么是迭代

迭代是一种有序访问数据元素的方式，在Python编程中随处可见。最常见的迭代场景就是使用 for 循环，例如遍历列表中的元素：

python 复制代码

fruits = ["apple", "banana", "cherry"]
for fruit in fruits:
    print(fruit)

在上述代码中， for 循环依次从 fruits 列表中取出每个元素，并将其赋值给 fruit 变量，这个过程就是迭代。本质上，迭代就是逐个处理数据集合中元素的过程，除了 for 循环，像 while 循环结合索引、列表推导式、生成器表达式等操作，底层也都依赖迭代机制。

1.2 可迭代对象（Iterable）

可迭代对象是Python中能够被迭代的数据结构。判断一个对象是否为可迭代对象，除了使用 isinstance() 函数结合 collections.abc.Iterable 模块外，还可以通过尝试调用对象的 iter() 方法来判断。如果对象有 iter() 方法，那么它就是可迭代对象。

python 复制代码

from collections.abc import Iterable

# 使用isinstance判断
my_str = "hello"
print(isinstance(my_str, Iterable))  # 输出: True

# 通过尝试调用__iter__方法判断
try:
    iter(my_str)
    print("是可迭代对象")
except TypeError:
    print("不是可迭代对象")

Python中常见的可迭代对象包括：

① 序列类型：列表（list）、元组（tuple）、字符串（str）。列表是可变的有序集合，元组是不可变的有序集合，字符串则是字符的有序集合，它们都支持按顺序迭代。

python 复制代码

my_list = [1, 2, 3]
my_tuple = (4, 5, 6)
my_str = "abc"

for element in my_list:
    print(element)

for element in my_tuple:
    print(element)

for char in my_str:
    print(char)

② 映射类型：字典（dict）。字典迭代时默认遍历的是键（keys），也可以通过 values() 方法遍历值，通过 items() 方法同时遍历键值对。

python 复制代码

my_dict = {"name": "Alice", "age": 25}
for key in my_dict:
    print(key)

for value in my_dict.values():
    print(value)

for key, value in my_dict.items():
    print(key, value)

③ 集合类型：集合（set）、冻结集合（frozenset）。集合是无序不重复元素的集合，在迭代时虽然顺序不确定，但依然可以逐个访问元素。

python 复制代码

my_set = {1, 2, 3}
for element in my_set:
    print(element)

④ 文件对象：当打开一个文件后，文件对象也是可迭代的，可以逐行读取文件内容。

python 复制代码

with open("test.txt", "r") as file:
    for line in file:
        print(line.strip())

二、迭代器的核心概念与实现

2.1 迭代器的定义

迭代器是Python中实现了 iter() 和 next() 方法的对象。 iter() 方法必须返回迭代器自身，它的主要作用是在需要时将迭代器对象传递出去； next() 方法用于获取下一个元素，当没有更多元素可供返回时，必须引发 StopIteration 异常，以此来告知迭代过程结束。

2.2 迭代器的工作机制

以一个简单的自定义迭代器类为例，深入剖析迭代器的工作流程：

python 复制代码

class CounterIterator:
    def __init__(self, stop):
        self.current = 0
        self.stop = stop

    def __iter__(self):
        return self

    def __next__(self):
        if self.current >= self.stop:
            raise StopIteration
        result = self.current
        self.current += 1
        return result

当我们使用 for 循环遍历这个迭代器时：

首先执行 iter(counter) ，即调用 CounterIterator 类的 iter() 方法，由于 iter() 方法返回的是迭代器自身（ return self ），所以获取到了迭代器对象。

python 复制代码

counter = CounterIterator(5)
iterator_obj = iter(counter)

然后 for 循环不断调用 next(iterator_obj) ，也就是调用迭代器对象的 next() 方法。在 next() 方法中，先检查 self.current 是否达到了停止条件（ self.current >= self.stop ），如果没有达到，就将当前的 self.current 值赋值给 result ，然后将 self.current 自增1，最后返回 result 。

python 复制代码

print(next(iterator_obj))  # 输出 0
print(next(iterator_obj))  # 输出 1

当 self.current 达到停止条件时， next() 方法引发 StopIteration 异常， for 循环检测到这个异常后，会自动结束循环。

python 复制代码

# 连续调用next，最后会引发StopIteration异常
try:
    for _ in range(6):
        print(next(iterator_obj))
except StopIteration:
    print("迭代结束")

三、Python内置迭代器工具详解

3.1 iter() 函数

iter() 函数是将可迭代对象转换为迭代器对象的关键工具。它有两种使用形式：

① 基本形式：直接传入可迭代对象，返回对应的迭代器。

python 复制代码

my_list = [10, 20, 30]
list_iterator = iter(my_list)
print(next(list_iterator))  # 输出: 10

② 带哨兵值的形式： iter(callable, sentinel) ，这种形式会不断调用 callable 对象，直到返回值等于 sentinel 时停止迭代。常用于从文件中读取数据，直到遇到特定的结束标识。

python 复制代码

def get_number():
    num = 1
    while True:
        yield num
        num += 1

number_generator = get_number()
# 迭代直到数字等于5
for element in iter(lambda: next(number_generator), 5):
    print(element)

3.2 next() 函数

next() 函数用于调用迭代器的 next() 方法，获取迭代器的下一个元素。它还可以接受第二个参数，作为默认返回值。当迭代器耗尽，且指定了默认返回值时， next() 函数不会引发 StopIteration 异常，而是返回默认值。

python 复制代码

my_list = [1, 2, 3]
my_iter = iter(my_list)
print(next(my_iter))  # 输出: 1
print(next(my_iter))  # 输出: 2
print(next(my_iter))  # 输出: 3
# 迭代器耗尽后，指定默认返回值
print(next(my_iter, "迭代结束"))  # 输出: 迭代结束

3.3 生成器（Generator）

生成器是一种语法糖形式的迭代器，使用更加简洁。它通过在函数中使用 yield 关键字来实现。当生成器函数被调用时，不会立即执行函数体，而是返回一个生成器对象。每次调用 next() 方法（或使用 for 循环迭代）时，函数从上次 yield 语句暂停的位置继续执行，直到遇到下一个 yield 语句或函数结束。

python 复制代码

def even_numbers_generator():
    num = 0
    while True:
        yield num
        num += 2

even_gen = even_numbers_generator()
print(next(even_gen))  # 输出: 0
print(next(even_gen))  # 输出: 2

此外，还有生成器表达式，它的语法和列表推导式类似，只是将方括号 [] 换成圆括号 () 。生成器表达式也是返回一个生成器对象，具有延迟计算的特性，相比列表推导式更节省内存。

python 复制代码

squared_generator = (x ** 2 for x in range(5))
for num in squared_generator:
    print(num)

四、基础应用场景与常见问题解析

4.1 基础应用场景

① 文件逐行处理：在处理大文件时，使用迭代器逐行读取文件内容，避免一次性将整个文件读入内存。

python 复制代码

with open("large_file.txt", "r") as file:
    for line in file:
        # 对每一行进行处理，例如统计行数、查找特定字符串等
        pass

② 自定义数据遍历：通过自定义迭代器类，实现对自定义数据结构的遍历。比如自定义一个链表类，通过迭代器实现对链表节点的遍历。

python 复制代码

class Node:
    def __init__(self, value):
        self.value = value
        self.next = None

class LinkedList:
    def __init__(self):
        self.head = None

    def add_node(self, value):
        new_node = Node(value)
        if not self.head:
            self.head = new_node
        else:
            current = self.head
            while current.next:
                current = current.next
            current.next = new_node

    def __iter__(self):
        current = self.head
        while current:
            yield current.value
            current = current.next

linked_list = LinkedList()
linked_list.add_node(1)
linked_list.add_node(2)
linked_list.add_node(3)

for element in linked_list:
    print(element)

4.2 常见问题与解决

① 迭代器重复使用问题：迭代器是一次性的，一旦迭代结束就无法再次迭代。如果需要重复迭代，必须重新创建迭代器对象。

python 复制代码

my_list = [1, 2, 3]
my_iter = iter(my_list)
for element in my_iter:
    print(element)
# 此时my_iter已耗尽，再次迭代无输出
for element in my_iter:
    print(element)

# 重新创建迭代器对象即可再次迭代
new_iter = iter(my_list)
for element in new_iter:
    print(element)

② 迭代器与循环终止条件：在使用 while 循环结合 next() 函数手动迭代时，需要正确处理 StopIteration 异常来控制循环终止。

python 复制代码

my_list = [1, 2, 3]
my_iter = iter(my_list)
while True:
    try:
        element = next(my_iter)
        print(element)
    except StopIteration:
        break

深入理解迭代器的基础概念与原理，是掌握Python进阶编程的重要一步。从可迭代对象到迭代器的转换，再到各种内置工具的使用，以及实际应用中的问题处理，这些基础知识构成了灵活运用迭代器的基石。通过不断实践，能够更加熟练地使用迭代器优化代码，提升程序的性能与可读性。

我是玉笥寻珍，正在持续更新中，感谢您的关注