python 高级特性之迭代器

可以直接作用于

for

循环的数据类型有以下几种：

一类是集合数据类型，如

list

、

tuple

、

dict

、

set

、

str

等；一类是

generator

，包括生成器和带

yield

的generator function。

这些可以直接作用于

for

循环的对象统称为可迭代对象：

Iterable

。可以使用

isinstance()

判断一个对象是否是

Iterable

对象：

>>> from collections import Iterable
>>> isinstance([], Iterable)
True
>>> isinstance({}, Iterable)
True
>>> isinstance('abc', Iterable)
True
>>> isinstance((x for x in range(10)), Iterable)
True
>>> isinstance(100, Iterable)
False
           

而生成器不但可以作用于

for

循环，还可以被

next()

函数不断调用并返回下一个值，直到最后抛出

StopIteration

错误表示无法继续返回下一个值了。可以被

next()

函数调用并不断返回下一个值的对象称为迭代器：

Iterator

。可以使用

isinstance()

判断一个对象是否是

Iterator

对象：

>>> from collections import Iterator
>>> isinstance((x for x in range(10)), Iterator)
True
>>> isinstance([], Iterator)
False
>>> isinstance({}, Iterator)
False
>>> isinstance('abc', Iterator)
False
           

生成器都是

Iterator

对象，但

list

、

dict

、

str

虽然是

Iterable

，却不是

Iterator

。把

list

、

dict

、

str

等

Iterable

变成

Iterator

可以使用

iter()

函数：

>>> isinstance(iter([]), Iterator)
True
>>> isinstance(iter('abc'), Iterator)
True
           

为什么

list

、

dict

、

str

等数据类型不是

Iterator

？

这是因为Python的

Iterator

对象表示的是一个数据流，Iterator对象可以被

next()

函数调用并不断返回下一个数据，直到没有数据时抛出

StopIteration

错误。可以把这个数据流看做是一个有序序列，但我们却不能提前知道序列的长度，只能不断通过

next()

函数实现按需计算下一个数据，所以

Iterator

的计算是惰性的，只有在需要返回下一个数据时它才会计算。

Iterator

甚至可以表示一个无限大的数据流，例如全体自然数。而使用list是永远不可能存储全体自然数的。

小结

凡是可作用于

for

循环的对象都是

Iterable

类型；

凡是可作用于

next()

函数的对象都是

Iterator

类型，它们表示一个惰性计算的序列；

集合数据类型如

list

、

dict

、

str

等是

Iterable

但不是

Iterator

，不过可以通过

iter()

函数获得一个

Iterator

对象。

Python的

for

循环本质上就是通过不断调用

next()

函数实现的，例如：

for x in [1, 2, 3, 4, 5]:
    pass
           

实际上完全等价于：

# 首先获得Iterator对象:
it = iter([1, 2, 3, 4, 5])
# 循环:
while True:
    try:
        # 获得下一个值:
        x = next(it)
    except StopIteration:
        # 遇到StopIteration就退出循环
        break