Python迭代器和生成器

說迭代器之前有兩個相關的名詞需要介紹：

可迭代物件：只要定義了__iter__()方法，我們就說該物件是可迭代物件，並且可迭代物件能提供迭代器。

迭代器：實現了__next__()或者next()(python2)方法的稱為迭代器，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，因此只占用固定的記憶體。

迭代：當我們使用乙個迴圈來遍歷某個東西時，這個過程本身就叫迭代。迭代器迭代的元素只能往前不能後退。

下面用生成斐波那契數列為例子，說明為何用迭代器

def
fab(
max)
:     n, a, b =0,
0,1while 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。

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

**2滿足了可復用性的需求，但是占用了記憶體空間。

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

使用內建的工廠函式iter(iterable)可以獲取迭代器物件（物件包含__iter__方法即可迭代，__iter__方法返回乙個迭代器）：

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

使用next()方法訪問下乙個元素

>>
> it.
next()
0>>
> it.
next()
1>>
> it.
next()
2

python處理迭代器越界是丟擲stopiteration異常

>>
> it.
next()
3>>
> it.
next
>
>>
> it.
next()
4>>
> it.
next()
traceback (most recent call last)
:file ""
, line 1,in
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

幸運的是python提供的for語句語法糖為迭代提供了方便的使用方法。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。

>>
> lst =
range(5
)>>
>
for i in lst:..
.print i..
.012
34

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。

def
fab(
max)
:    n, a, b =0,
0,1while n <
max:
yield b
a, b = b, a + b
n = n+
1#執行
for n in fab(5)
:print n

112

35

生成器也是一種迭代器，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()
1>>
> f.
next()
1>>
> f.
next()
2>>
> f.
next()
traceback (most recent call last)
:file ""
, line 1,in
stopiteration

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

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迭代器和生成器

Python迭代器和生成器

Python迭代器和生成器

python 迭代器和生成器

相關推薦