python的迭代器與生成器例項詳解

本文以例項詳解了python的迭代器與生成器，具體如下所示：

1. 迭代器概述：

迭代器是訪問集合元素的一種方式。迭代器物件從集合的第乙個元素開始訪問，直到所有的元素被訪問完結束。迭代器只能往前不會後退，不過這也沒什麼，因為人們很少在迭代途中往後退。

1.1 使用迭代器的優點

對於原生支援隨機訪問的資料結構（如tuple、list），迭代器和經典for迴圈的索引訪問相比並無優勢，反而丟失了索引值（可以使用內建函式enumerate()找回這個索引值）。但對於無法隨機訪問的資料結構（比如set）而言，迭代器是唯一的訪問元素的方式。

另外，迭代器的一大優點是不要求事先準備好整個迭代過程中所有的元素。迭代器僅僅在迭代到某個元素時才計算該元素，而在這之前或之後，元素可以不存在或者被銷毀。這個特點使得它特別適合用於遍歷一些巨大的或是無限的集合，比如幾個g的檔案，或是斐波那契數列等等。

迭代器更大的功勞是提供了乙個統一的訪問集合的介面，只要定義了__iter__()方法物件，就可以使用迭代器訪問。

迭代器有兩個基本的方法

__iter__方法：返回迭代器物件本身

下面用生成斐波那契數列為例子，說明為何用迭代器

示例**1

def fab(max): 
n, a, b = 0, 0, 1 
while n < max: 
print b 
a, b = b, a + b  
n = n + 1

直接在函式fab(max)中用print列印會導致函式的可復用性變差，因為fab返回none。其他函式無法獲得fab函式返回的數列。

示例**2

def fab(max): 
l = 
n, a, b = 0, 0, 1 
while n < max: 
a, b = b, a + b  
n = n + 1
return l

**2滿足了可復用性的需求，但是占用了記憶體空間，最好不要。

示例**3

對比：

for i in range(1000): pass
for i in xrange(1000): pass

前乙個返回1000個元素的列表，而後乙個在每次迭代中返回乙個元素，因此可以使用迭代器來解決復用可佔空間的問題

class fab(object): 
def __init__(self, max): 
self.max = max 
self.n, self.a, self.b = 0, 0, 1 
def __iter__(self): 
return self 
def next(self): 
if self.n < self.max: 
r = self.b 
self.a, self.b = self.b, self.a + self.b  
self.n = self.n + 1 
return r 
raise stopiteration()
執行

>>> for key in fabs(5):

print key

fabs 類通過 next() 不斷返回數列的下乙個數，記憶體占用始終為常數　　

1.2 使用迭代器

使用內建的工廠函式iter(iterable)可以獲取迭代器物件：

>>> lst = range(5)
>>> it = iter(lst)
>>> it

>>> it.next() 
>>> it.next() 
>>> it.next()

python處理迭代器越界是丟擲stopiteration異常

>>> it.next()
>>> it.next
>>> it.next()
traceback (most recent call last):
file "", line 1, in it.next()
stopiteration

了解了stopiteration，可以使用迭代器進行遍歷了

lst = range(5)
it = iter(lst)
try:
while true:
val = it.next()
print val
except stopiteration: 
pass

事實上，因為迭代器如此普遍，python專門為for關鍵字做了迭代器的語法糖。在for迴圈中，python將自動呼叫工廠函式iter()獲得迭代器，自動呼叫next()獲取元素，還完成了檢查stopiteration異常的工作。如下

>>> a = (1, 2, 3, 4) 
>>> for key in a:
print key

首先python對關鍵字in後的物件呼叫iter函式迭代器，然後呼叫迭代器的next方法獲得元素，直到丟擲stopiteration異常。

1.3 定義迭代器

下面乙個例子——斐波那契數列

# -*- coding: cp936 -*-
class fabs(object):
def __init__(self,max):
self.max = max
self.n, self.a, self.b = 0, 0, 1 #特別指出：第0項是0，第1項是第乙個1.整個數列從1開始
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b = self.b, self.a + self.b
self.n = self.n + 1
return r
raise stopiteration()
print fabs(5)
for key in fabs(5):
print key

結果

<__main__.fabs object at 0x01a63090>

2. 迭代器

帶有 yield 的函式在 python 中被稱之為 generator（生成器），幾個例子說明下（還是用生成斐波那契數列說明）

可以看出**3遠沒有**1簡潔，生成器（yield）既可以保持**1的簡潔性，又可以保持**3的效果

示例**4　

def fab(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b 
n = n = 1

執行

>>> for n in fab(5): 
print n

簡單地講，yield 的作用就是把乙個函式變成乙個 generator，帶有 yield 的函式不再是乙個普通函式，python 直譯器會將其視為乙個 generator，呼叫 fab(5) 不會執行 fab 函式，而是返回乙個 iterable 物件！在 for 迴圈執行時，每次迴圈都會執行 fab 函式內部的**，執行到 yield b 時，fab 函式就返回乙個迭代值，下次迭代時，**從 yield b 的下一條語句繼續執行，而函式的本地變數看起來和上次中斷執行前是完全一樣的，於是函式繼續執行，直到再次遇到 yield。看起來就好像乙個函式在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。

也可以手動呼叫 fab(5) 的 next() 方法（因為 fab(5) 是乙個 generator 物件，該物件具有 next() 方法），這樣我們就可以更清楚地看到 fab 的執行流程：

>>> f = fab(3)
>>> f.next()
>>> f.next()
>>> f.next()
>>> f.next()
traceback (most recent call last):
file "", line 1, in f.next()
stopiteration

return作用

在乙個生成器中，如果沒有return，則預設執行到函式完畢；如果遇到return,如果在執行過程中 return，則直接丟擲 stopiteration 終止迭代。例如

>>> s = fab(5)
>>> s.next()
>>> s.next()
traceback (most recent call last):
file "", line 1, in s.next()
stopiteration

示例**5 檔案讀取

def read_file(fpath): 
block_size = 1024 
with open(fpath, 'rb') as f: 
while true: 
block = f.read(block_size)  
if block: 
yield block 
else: 
return

如果直接對檔案物件呼叫 read() 方法，會導致不可**的記憶體占用。好的方法是利用固定長度的緩衝區來不斷讀取檔案內容。通過 yield，我們不再需要編寫讀檔案的迭代類，就可以輕鬆實現檔案讀取。

python的迭代器與生成器例項詳解

Python生成器與迭代器

python 迭代器與生成器

Python 迭代器與生成器

python的迭代器與生成器例項詳解

Python生成器與迭代器

python 迭代器與生成器

Python 迭代器與生成器

相關推薦