迭代器是访问集合内元素的一种方式。迭代器对象从集合的第一个元素开始访问,直到所有的元素都被访问一遍后结束。
迭代器不能回退,只能往前进行迭代。这并不是什么很大的缺点,因为人们几乎不需要在迭代途中进行回退操作。
迭代器也不是线程安全的,在多线程环境中对可变集合使用迭代器是一个危险的操作。但如果小心谨慎,或者干脆贯彻函数式思想坚持使用不可变的集合,那这也不是什么大问题。
对于原生支持随机访问的数据结构(如tuple、list),迭代器和经典for循环的索引访问相比并无优势,反而丢失了索引值(可以使用内建函数enumerate()找回这个索引值,这是后话)。但对于无法随机访问的数据结构(比如set)而言,迭代器是唯一的访问元素的方式。
迭代器的另一个优点就是它不要求你事先准备好整个迭代过程中所有的元素。迭代器仅仅在迭代至某个元素时才计算该元素,而在这之前或之后,元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或是无限的集合,比如几个G的文件,或是斐波那契数列等等。这个特点被称为延迟计算或惰性求值(Lazy evaluation)。
迭代器更大的功劳是提供了一个统一的访问集合的接口。只要是实现了__iter__()方法的对象,就可以使用迭代器进行访问。
使用内建的工厂函数iter(iterable)可以获取迭代器对象:
1
2
3
4
|
>>> lst
=
range
(
2
)
>>> it
=
iter
(lst)
>>> it
<listiterator
object
at
0x00BB62F0
>
|
使用迭代器的next()方法可以访问下一个元素:
1
2
|
>>> it.
next
()
0
|
如果是Python 2.6+,还有内建函数next(iterator)可以完成这一功能:
1
2
|
>>>
next
(it)
1
|
如何判断迭代器还有更多的元素可以访问呢?Python里的迭代器并没有提供类似has_next()这样的方法。
那么在这个例子中,我们已经访问到了最后一个元素1,再使用next()方法会怎样呢?
1
2
3
4
|
>>> it.
next
()
Traceback (most recent call last):
File
"<stdin>"
, line
1
,
in
<module>
StopIteration
|
Python遇到这样的情况时将会抛出StopIteration异常。事实上,Python正是根据是否检查到这个异常来决定是否停止迭代的。
这种做法与迭代前手动检查是否越界相比各有优点。但Python的做法总有一些利用异常进行流程控制的嫌疑。
了解了这些情况以后,我们就能使用迭代器进行遍历了。
1
2
3
4
5
6
7
|
it
=
iter
(lst)
try
:
while
True
:
val
=
it.
next
()
print
val
except
StopIteration:
pass
|
实际上,因为迭代操作如此普遍,Python专门将关键字for用作了迭代器的语法糖。在for循环中,Python将自动调用工厂函数iter()获得迭代器,自动调用next()获取元素,还完成了检查StopIteration异常的工作。上述代码可以写成如下的形式,你一定非常熟悉:
1
2
|
for
val
in
lst:
print
val
|
首先Python将对关键字in后的对象调用iter函数获取迭代器,然后调用迭代器的next方法获取元素,直到抛出StopIteration异常。对迭代器调用iter函数时将返回迭代器自身,所以迭代器也可以用于for语句中,不需要特殊处理。
常用的几个内建数据结构tuple、list、set、dict都支持迭代器,字符串也可以使用迭代操作。你也可以自己实现一个迭代器,如上所述,只需要在类的__iter__方法中返回一个对象,这个对象拥有一个next()方法,这个方法能在恰当的时候抛出StopIteration异常即可。但是需要自己实现迭代器的时候不多,即使需要,使用生成器会更轻松。下一篇我们将讨论生成器的部分。
*异常并不是非抛出不可的,不抛出该异常的迭代器将进行无限迭代,某些情况下这样的迭代器很有用。这种情况下,你需要自己判断元素并中止,否则就死循环了!
使用迭代器的循环可以避开索引,但有时候我们还是需要索引来进行一些操作的。这时候内建函数enumerate就派上用场咯,它能在iter函数的结果前加上索引,以元组返回,用起来就像这样:
1
2
|
for
idx, ele
in
enumerate
(lst):
print
idx, ele
|
------------------------------------------
先说迭代器,对于string
、list
、dict
、tuple
等这类容器对象,使用for
循环遍历是很方便的。在后台for
语句对容器对象调用iter()
函数,iter()
是python的内置函数。iter()
会返回一个定义了next()
方法的迭代器对象,它在容器中逐个访问容器内元素,next()
也是python的内置函数。在没有后续元素时,next()
会抛出一个StopIteration
异常,通知for
语句循环结束。比如:
>>> s = 'abc'
>>> it = iter(s)
>>> it
<str_iterator object at 0x7f71fefe9d68>
>>> next(it)
'a'
>>> next(it)
'b'
>>> next(it)
'c'
>>> next(it)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
上面说的都是python自带的容器对象,它们都实现了相应的迭代器方法,那如果是自定义类需要遍历怎么办?方法很简单,对这个类AClass,实现一个
__iter__(self)
方法,使其返回一个带有
__next__(self)
方法的对象就可以了。如果你在AClass刚好也定义了
__next__(self)
方法(一般使用迭代器都会定义),那在
__iter__
里只要返回
self
就可以。废话少说,先上代码:
class Fib(object):
def __init__(self, max):
super(Fib, self).__init__()
self.max = max
def __iter__(self):
self.a = 0
self.b = 1
return self
def __next__(self):
fib = self.a
if fib > self.max:
raise StopIteration
self.a, self.b = self.b, self.a + self.b
return fib
def main():
fib = Fib(100)
for i in fib:
print(i)
if __name__ == '__main__':
main()
简单讲下代码会干什么,定义了一个Fib类,用于生成fibonacci序列。用for遍历时会逐个打印生成的fibonacci数,max是生成的fibonacci序列中数字大小的上限。
在类的实现中,定义了一个__iter__(self)
方法,这个方法是在遍历时被iter()
调用,返回一个迭代器。因为在遍历的时候,是直接调用的python内置函数iter()
,由iter()
通过调用__iter__(self)
获得对象的迭代器。有了迭代器,就可以逐个遍历元素了。而逐个遍历的时候,也是使用内置的next()
函数通过调用对象的__next__(self)
方法对迭代器对象进行遍历。所以要实现__iter__(self)
和__next__(self)
。而且因为实现了__next__(self)
,所以在实现__iter__(self)
的时候,直接返回self就可以。