步步攻破：直击迭代器、生成器的理解难点

前端

2023-09-22 10:31:19

迭代器与生成器：Python中的序列遍历基石

引言

在Python的浩瀚代码世界中，迭代器和生成器脱颖而出，成为遍历序列的利器。它们独特而强劲，掌握它们的精髓，将助力你书写更简洁、高效的代码。今天，我们踏上理解之旅，拨开迭代器和生成器的迷雾，为你揭开它们的奥秘。

迭代器：记忆状态，依次取数

想象一个迭代器就像一位贴心的向导，它熟记自己所处的位置，引领你逐步探索序列中的每个元素。每当你敲响它的召唤，它便从序列中摘取一枚元素，递到你手中。直至序列穷尽，它才会礼貌地宣告旅程结束。

生成器：逐一生成，按需供应

生成器则是另一番天地，它像一位勤劳的厨师，根据你的需求，现点现做。当它出马时，序列中的元素并非一次性悉数生成，而是按需逐步诞生。它采用yield语句，仿佛厨房中的传送带，将一个个新鲜出炉的元素传递到你眼前。

迭代协议：桥梁相连，畅通无阻

为了让迭代器和生成器与外界无缝衔接，Python缔造了迭代协议，它充当一座桥梁，让各种对象能和谐相处，自由遍历。迭代协议规定了一套方法，宛如通行证，只有持有它的对象才能参与序列遍历的盛宴。

迭代器、生成器：异曲同工，又殊途异径

虽然同为遍历序列的帮手，但迭代器和生成器的本质截然不同。迭代器是一种特殊的数据结构，不拘泥于既定的空间和长度，而生成器则披着函数的外衣，在运行时逐个生成元素。

实践出真知：代码示例，巩固理解

理论再玄妙，不如实践出真知。下面，我们通过几个代码示例，让你亲眼目睹迭代器和生成器的魅力。

# 定义一个迭代器
class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.index < len(self.data):
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration


# 使用迭代器
my_iterator = MyIterator([1, 2, 3, 4, 5])
for item in my_iterator:
    print(item)  # 输出：1 2 3 4 5

# 定义一个生成器
def my_generator():
    for i in range(10):
        yield i


# 使用生成器
for item in my_generator():
    print(item)  # 输出：0 1 2 3 4 5 6 7 8 9