Python編程中實現(xiàn)迭代器的一些技巧小結

更新時間：2016年06月21日 15:25:57 作者：TypingQuietly

只談迭代器的話在Python中只是一個泛指的概念,具體的可以用yield、生成器表達式、iter等多種方式來構建,這里我們整理了Python編程中實現(xiàn)迭代器的一些技巧小結:

yield實現(xiàn)迭代器
如引言中的描述，實現(xiàn)一個可迭代的功能要是每次都手動實現(xiàn)iter,next稍稍有點麻煩，所需的代碼也是比較客觀。在python中也能通過借助yield的方式來實現(xiàn)一個迭代器。yield有一個關鍵的作能，它能夠中斷當前的執(zhí)行邏輯，保持住現(xiàn)場（各種值的狀態(tài)，執(zhí)行的位置等等），返回相應的值，下一次執(zhí)行的時候能夠無縫的接著上次的地方繼續(xù)執(zhí)行，如此循環(huán)反復知道滿足事先設置的退出條件或者發(fā)生錯誤強制被中斷。
其具體功能是可以當return使用，從函數(shù)里返回一個值，不同之處是用yield返回之后，可以讓函數(shù)從上回yield返回的地點繼續(xù)執(zhí)行。也就是說，yield返回函數(shù)，交給調用者一個返回值，然后再“瞬移”回去，讓函數(shù)繼續(xù)運行，直到嚇一跳yield語句再返回一個新的值。使用yield返回后，調用者實際得到的是一個迭代器對象，迭代器的值就是返回值，而調用該迭代器的next()方法會導致該函數(shù)恢復yield語句的執(zhí)行環(huán)境繼續(xù)往下跑，直到遇到下一個yield為止，如果遇不到y(tǒng)ield，就會拋出異常表示迭代結束。
看一個例子：

>>> def test_yield():
... yield 1
... yield 2
... yield (1,2)
...
>>> a = test_yield()
>>> a.next()
1
>>> a.next()
2
>>> a.next()
(1, 2)
>>> a.next()
Traceback (most recent call last):
 File "<stdin>", line 1, in ?
StopIteration

光聽描述就覺得和迭代器的工作方式很一致是吧，的確，yield能把它所在的函索變成一個迭代器,拿最經(jīng)典的菲波那切數(shù)列的例子聊簡述一下工作的方式：

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

>>> for item in fab(5):
... print item
... 
1 is generated
1
1 is generated
1
2 is generated
2
3 is generated
3
5 is generated
5

我們有回想一下for關鍵字的語法糖，在這里遍歷5以內的菲波那切數(shù)列值的時候，很顯然fab(5)生成了一個可迭代的對象，遍歷開始的時候它的iter方法被調用返回一個實際工作的迭代器對象，然后每一次調用它的next方法返回一個菲波那切數(shù)列值然后打印出來。
我們可以將調用生成器函數(shù)返回的對象的屬性打印出來，看一下到底發(fā)生了什么：

>>> temp_gen = fab(5)
>>> dir(temp_gen)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'next', 'send', 'throw']

正如上面的描述，單純調用fab并不會讓函數(shù)立刻開始返回任何值，并且從打印出的fab(5)的屬性列表能夠看到，生成器函數(shù)返回的對象包含有__iter__，next的實現(xiàn)。與我們手動實現(xiàn)相比，使用yield很方便的就能夠實現(xiàn)我們想要的功能，代碼量縮減不少。

Generator Expression
python中另一種能更優(yōu)雅生成迭代器對象的方式就是使用生成器表達式Generator expression，它和列表解析表達式有著非常相似的寫法，僅僅是把中括號[]變成()而已，不過小小改變產(chǎn)生的實際效果確實大大的不一樣：

>>> temp_gen = (x for x in range(5))
>>> temp_gen
<generator object <genexpr> at 0x7192d8>
>>> for item in temp_gen:
... print item
... 
0
1
2
3
4
>>> dir(temp_gen)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'next', 'send', 'throw']

看過上面對yield的描述，這個例子以及對應的輸出日志還是相當直接明了的，無論是temp_gen的打印日志描述，for語句遍歷的輸出結果還是調用dir輸出的屬性列表，都赤裸裸的表明生成器表達式確實生成了能夠支持迭代的對象。另外表達式里面也能夠調用函數(shù)，增加適量的過濾條件。

內置庫itertools 和 iter
python內置的庫itertools提供了大量的工具方法，這些方法能夠幫助我們創(chuàng)建能進行高效遍歷和迭代的對象，里面包含不少有意思并且有用的方法，比如像chain, izip/izip_longest, combinations, ifilter等等。在python中還有一個內置的iter函數(shù)非常有用，能夠返回一個迭代器對象，之后也就能夠進行可以查看對應的幫助文檔簡單看一下：

>>> iter('abc')
<iterator object at 0x718590>
>>> str_iterator = iter('abc')
>>> next(str_iterator)
'a'
>>> next(str_iterator)
'b'
>>> lst_gen = iter([1,2,3,4])
>>> lst_gen
<listiterator object at 0x728e30>
>>> dir(lst_gen)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__length_hint__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'next']

>>> help(iter)
Help on built-in function iter in module builtins:

iter(...)
 iter(iterable) -> iterator
 iter(callable, sentinel) -> iterator

 Get an iterator from an object. In the first form, the argument must
 supply its own iterator, or be a sequence.
 In the second form, the callable is called until it returns the sentinel.

您可能感興趣的文章: