Python面试题：Python中的迭代器与生成器：工作原理与实战案例

在Python中，迭代器和生成器是两种用于遍历数据的强大工具。虽然它们有相似的用途，但它们的工作原理和实现方式有所不同。以下是对这两者的详细解释以及实际应用案例。

1. 迭代器 (Iterator)

迭代器的定义:

• 迭代器是一个对象，能够在其上进行迭代操作。任何实现了 __iter__() 和 __next__() 方法的对象都可以被称为迭代器。
• __iter__() 方法返回迭代器对象本身（通常是 self）。
• __next__() 方法返回迭代器的下一个值，当没有更多值时，它应抛出 StopIteration 异常来终止迭代。

迭代器的例子:

class MyIterator:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.end:
            raise StopIteration
        else:
            self.current += 1
            return self.current - 1

# 使用迭代器
my_iter = MyIterator(1, 5)
for value in my_iter:
    print(value)

解释:

• MyIterator 类定义了一个简单的迭代器，从 start 到 end。
• __next__() 方法在当前值小于等于 end 时返回当前值，否则抛出 StopIteration 异常。

2. 生成器 (Generator)

生成器的定义:

• 生成器是一种特殊类型的迭代器，通过使用 yield 关键字创建。生成器函数在执行时会暂停，并保存当前状态，直到再次调用时恢复。
• 生成器函数可以像普通函数一样定义，但它们使用 yield 语句返回值。

生成器的例子:

def my_generator(start, end):
    while start <= end:
        yield start
        start += 1

# 使用生成器
for value in my_generator(1, 5):
    print(value)

解释:

• my_generator 函数是一个生成器函数，使用 yield 语句生成从 start 到 end 的值。
• 每次 yield 被调用时，生成器会暂停执行，并在下次迭代时从 yield 语句继续执行。

3. 实战案例

案例 1: 读取大文件

使用生成器可以有效地处理大文件，因为它可以逐行读取而不需要将整个文件加载到内存中。

def read_large_file(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            yield line.strip()

# 使用生成器读取文件
for line in read_large_file('large_file.txt'):
    print(line)

案例 2: 实现无限序列

生成器可以用来实现无限序列，这在使用迭代器时是比较复杂的。

def infinite_sequence(start=0):
    while True:
        yield start
        start += 1

# 使用生成器生成无限序列
gen = infinite_sequence()
for _ in range(10):
    print(next(gen))

总结:

• 迭代器需要实现 __iter__() 和 __next__() 方法，而生成器通过 yield 语句简化了这一过程。
• 生成器在处理大数据和无限序列时特别有用，因为它们在需要时才生成数据，节省了内存。

希望这些解释和示例对你理解迭代器和生成器有所帮助！如果有更多问题或需要进一步的细节，请随时问我。