可迭代对象和迭代器

for 循环 是我们在 Python 里非常常用的一个语法，但你有没有思考过 for 循环是怎样实现的？如果你以前接触过 C++，应该会知道类似 for (int i = 0; i < 100; i++) 这样的写法，它定义了 循环的执行条件 i < 100 以及 每次循环结束后执行的语句 i++，而 for 本身只起到让代码重复执行的作用，并没有什么额外的功能。这在 Python 中其实更像是 while 循环： i = 0while i < 100: # 执行循环代码 i += 1但 Python 里的 for 循环却不一样。使用 for 时，我们没有额外指定结束条件，也不需要一个用来计数的数值，甚至可以通过一个字符串进行循环。之所以可以这样，是因为 Python 中的 迭代器（Iterator） 以及 可迭代对象（Iterable） 。如果一个对象定义了 iter 和 next 两个方法， 它就是一个迭代器 。对于迭代器来说，iter 返回的是它自身 self ，next 则是 返回迭代器中的下一个值 ，如果没有值了则抛出一个 StopIteration 的异常。关于这点，你可以想象成一个只进不退的标记位，每次调用 next，就会将标记往后移一个元素并返回，直到结束。有了迭代器的概念之后，如果一个对象定义了 iter 和方法，返回一个迭代器对象，那么 它就是一个可迭代的对象 。从表现上来说，一个对象 可迭代 ，那么它就可以被 for 循环使用。比如我们经常用到的 list、dict、str 等类型，都是可迭代的，所以也就可以通过 for 循环进行遍历，或者更准确的说：被迭代。有一点绕，我们再来理一理迭代器（Iterator）和可迭代（Iterable）这两个的差别：一个 迭代器一定是可迭代对象 ，因为它一定有 iter 方法。反过来则不成立。（事实上，Iterator 就是 Iterable 的子类）迭代器的 iter 方法 返回的是自身，并不产生新实例 。而可迭代对象的 iter 方法通常会生成一个新的迭代器对象。iter、next 分别对应于 Python 的内置函数 iter() 和 next()：比如 iter(aList) 就相当于 aList.iter()。所以关于上述两点，我们可以有以下的例子来验证：迭代器和可迭代之间的继承关系。iter 方法返回值的区别。id 相同代表是同一个实例。明白了上述的概念之后，for 循环的实现就好理解了：首先 for 循环会调用可迭代对象的 iter 方法，获取相应的迭代器每次循环，将迭代器的 next 方法的返回值赋值给循环变量直到捕获迭代器抛出的 StopIteration 异常，循环结束再来看个例子：思考题： 想一想为什么迭代器 aListIter 被 for 循环迭代第二次的时候就没有输出了？ 既然 next 方法可以自己定义，我们也可以自己实现一个迭代器。比如要 输出一个斐波那契数列 （每一位数值都是前两位数值之和，原题回复关键字 906 ），通常的做法是循环，“高级”一点的做法是递归。但我们也可以直接写一个斐波那契迭代器：# 定义迭代器class Fibonacci(): def init(self): self.a = 0 self.b = 1 def iter(self): return self def next(self): # 结束条件 if self.b > 100: raise StopIteration # 更新一次数值 self.a, self.b = self.b, self.a + self.b return self.a# 创建迭代器fib = Fibonacci()# 进行迭代for f in fib: print(f, end=’ ‘)输出：1 1 2 3 5 8 13 21 34 55 89这个例子中，我们并没有保存一个序列，只是定义了一种规则，就也可以被迭代。使用迭代器的好处在于：它是一种 延迟操作 ，即当需要用到的时候才去产生结果。比如对于一个序列来说，如果我们要遍历它，并不需要再一开始就把所有元素都生成好，而是只需要知道每个元素的下一个元素是什么就可以了。这样可以节省很多空间，尤其对于数量很大的集合来说。如果你不懂迭代器的概念，并不影响在代码中使用 for 循环。但了解之后，你会对代码理解得更透彻，同时这也是为我们后面要讲到的 生成器 做铺垫。════其他文章及回答：如何自学Python | 新手引导 | 精选Python问答 | Python单词表 | 人工智能 | 爬虫 | 我用Python | requests | 计算机视觉 | 字符播放器 | 一图学Python欢迎搜索及关注公众号： Crossin的编程教室