迭代器和生成器是 Python 中强大的特性，用于简化代码和提高效率。它们允许我们在需要时逐步计算结果，避免一次性加载所有数据到内存中。本文将详细介绍 Python 迭代器和生成器的基本语法、命令、示例、应用场景、注意事项，并进行总结。
迭代器详解
基本语法
在 Python 中，迭代器是实现了 __iter__() 和 __next__() 方法的对象。
__iter__(): 返回迭代器对象本身。__next__(): 返回迭代器的下一个值，当没有更多的值时，抛出StopIteration异常。
示例代码
class MyIterator: def __init__(self, limit): self.limit = limit self.current = 0 def __iter__(self): return self def __next__(self): if self.current < self.limit: self.current += 1 return self.current else: raise StopIteration # 使用迭代器 my_iter = MyIterator(5) for num in my_iter: print(num) # 输出 1 2 3 4 5
生成器详解
基本语法
生成器是一种特殊的迭代器，用于简化迭代器的创建。生成器函数使用 yield 关键字来生成值，每次调用生成器函数时，执行都会暂停在 yield 语句，并从该点继续。
示例代码
def my_generator(limit): current = 0 while current < limit: current += 1 yield current # 使用生成器 for num in my_generator(5): print(num) # 输出 1 2 3 4 5
命令和操作
iter(): 将对象转化为迭代器。next(): 获取迭代器的下一个元素。
示例代码
# 使用 iter 和 next my_list = [1, 2, 3, 4, 5] iter_obj = iter(my_list) print(next(iter_obj)) # 输出 1 print(next(iter_obj)) # 输出 2
应用场景
- 延迟计算：迭代器和生成器允许按需计算结果，避免提前计算所有结果。
示例代码：
def infinite_sequence(): num = 0 while True: yield num num += 1 # 延迟计算示例 for i in infinite_sequence(): if i > 5: break print(i) # 输出 0 1 2 3 4 5
- 内存效率：适用于处理大数据集，通过逐步生成数据避免占用大量内存。
示例代码：
def read_large_file(file_path): with open(file_path) as file: for line in file: yield line.strip() # 逐行读取大文件 for line in read_large_file('large_file.txt'): print(line)
- 流式数据处理：适合处理需要流式处理的数据，如网络请求或日志文件。
示例代码：
import requests def fetch_data(url): response = requests.get(url, stream=True) for line in response.iter_lines(): yield line # 流式处理网络数据 for line in fetch_data('http://example.com/largefile'): print(line)
注意事项
- 一次性使用：迭代器和生成器是一次性使用的，迭代后需要重新创建。
示例代码：
gen = my_generator(3) for num in gen: print(num) # 输出 1 2 3 for num in gen: print(num) # 不会输出任何内容
- 错误处理：在使用
next()时，应处理StopIteration异常以避免程序崩溃。
示例代码：
iter_obj = iter([1, 2, 3]) try: while True: print(next(iter_obj)) except StopIteration: print("Iteration complete.")
- 生成器表达式：生成器表达式可以用于在单行代码中创建生成器，语法类似于列表推导式，但使用小括号而不是方括号。
示例代码：
gen_exp = (x ** 2 for x in range(5)) for num in gen_exp: print(num) # 输出 0 1 4 9 16
总结
Python 中的迭代器和生成器提供了一种高效、简洁的方法来处理数据流。它们可以在需要时生成数据，避免一次性加载大量数据，从而提高内存和计算效率。尽管使用起来非常强大，但需要注意代码的可读性、处理异常和避免过度复杂的逻辑。
通过合理使用迭代器和生成器，可以编写出高效、简洁且可维护的 Python 代码。
