寫(xiě)Python代碼這些年我見(jiàn)過(guò)太多人在for循環(huán)上栽跟頭卻很少有人真正停下來(lái)問(wèn)一句for循環(huán)憑什么能遍歷列表、字典、文件、甚至無(wú)限序列答案就是標(biāo)題里這個(gè)看似不起眼的名詞——Python迭代器Iterator。它不只是一個(gè)面試考點(diǎn)更是理解Python數(shù)據(jù)流處理的鑰匙。這篇文章我會(huì)從for循環(huán)的底層執(zhí)行講起手寫(xiě)迭代器、拆解生成器、聊透惰性求值最后把實(shí)戰(zhàn)里最容易踩的坑和排查方法一并整理出來(lái)。無(wú)論你是剛學(xué)Python不久的新手還是寫(xiě)了兩三年代碼想補(bǔ)基礎(chǔ)的老手只要你想徹底搞懂“for循環(huán)背后到底發(fā)生了什么”這篇文章都能給你一個(gè)完整且能落地的答案。1. for循環(huán)啟動(dòng)前的“暗箱操作”迭代協(xié)議是怎么運(yùn)轉(zhuǎn)的1.1 從一條語(yǔ)句拆出的三步流程很多教程告訴你“for循環(huán)就是遍歷元素”這個(gè)說(shuō)法沒(méi)錯(cuò)但它掩蓋了真正的工作原理。你用for item in my_list:的時(shí)候Python解釋器并不是簡(jiǎn)單地“一個(gè)個(gè)取出來(lái)”它做的事情其實(shí)可以拆成三步調(diào)用iter(my_list)拿到一個(gè)迭代器對(duì)象。反復(fù)調(diào)用這個(gè)迭代器對(duì)象的__next__()方法每次取一個(gè)元素。當(dāng)__next__()拋出StopIteration異常時(shí)循環(huán)捕獲這個(gè)異常安靜地結(jié)束。我當(dāng)年第一次看到這個(gè)解釋的時(shí)候心里想的是這不就是把簡(jiǎn)單問(wèn)題復(fù)雜化嗎直到后來(lái)有一次處理一個(gè)幾千萬(wàn)行的日志文件按行讀取時(shí)內(nèi)存直接爆炸我才明白這套“多此一舉”的設(shè)計(jì)恰恰是Python能處理大數(shù)據(jù)流的核心。你可以自己在交互式環(huán)境里體驗(yàn)一下這個(gè)流程my_list [10, 20, 30] it iter(my_list) print(next(it)) # 10 print(next(it)) # 20 print(next(it)) # 30 print(next(it)) # 拋異常 StopIteration看清楚列表本身不是迭代器它只是一個(gè)可迭代對(duì)象真正的迭代器是iter(my_list)返回的那個(gè)東西。循環(huán)體內(nèi)每執(zhí)行一次next()就會(huì)被調(diào)用一次直到異常出現(xiàn)。這個(gè)“用異常來(lái)控制結(jié)束”的設(shè)計(jì)初看反直覺(jué)但其實(shí)非常優(yōu)雅——它讓迭代器協(xié)議變得極其簡(jiǎn)單任何對(duì)象只要實(shí)現(xiàn)好__next__就能被for無(wú)縫驅(qū)動(dòng)。1.2 iter()與next()兩個(gè)函數(shù)撐起整個(gè)流程iter()和next()是理解整個(gè)迭代器體系的兩個(gè)入口。先說(shuō)iter()它的作用就是“給我一個(gè)迭代器”。如果傳入的是序列列表、元組、字符串它會(huì)返回一個(gè)“序列迭代器”如果傳入的是實(shí)現(xiàn)了__iter__()的對(duì)象它會(huì)調(diào)用__iter__()并返回其結(jié)果如果你傳的是一個(gè)老式的、只實(shí)現(xiàn)了__getitem__()的對(duì)象它還會(huì)退而求其次創(chuàng)建一個(gè)按索引順序訪問(wèn)的迭代器。next()就更直接了它等價(jià)于調(diào)用iterator.__next__()。每調(diào)用一次迭代器就“吐出”下一個(gè)值同時(shí)內(nèi)部狀態(tài)往前推進(jìn)。這里最需要記住的一點(diǎn)是迭代器是有狀態(tài)的而且這個(gè)狀態(tài)是單向的不能回退。你取走了第三個(gè)元素就不可能再回頭拿第二個(gè)除非你重新創(chuàng)建一個(gè)迭代器。說(shuō)句題外話很多從別的語(yǔ)言轉(zhuǎn)來(lái)的朋友會(huì)問(wèn)為什么不能用下標(biāo)直接訪問(wèn)非要搞迭代器因?yàn)橄聵?biāo)訪問(wèn)的前提是“數(shù)據(jù)在內(nèi)存里、有固定長(zhǎng)度”而迭代器的設(shè)計(jì)目標(biāo)是“不知道長(zhǎng)度、甚至沒(méi)有長(zhǎng)度也能一個(gè)個(gè)生產(chǎn)出來(lái)”。斐波那契數(shù)列、傳感器數(shù)據(jù)流、網(wǎng)絡(luò)分頁(yè)請(qǐng)求這些場(chǎng)景根本沒(méi)有辦法用下標(biāo)去做只能用迭代器逐次拉取。2. 可迭代對(duì)象和迭代器不是一回事這是很多人寫(xiě)錯(cuò)代碼的根源2.1 一份清單幫你分清楚我復(fù)盤過(guò)團(tuán)隊(duì)里不少同事的代碼發(fā)現(xiàn)問(wèn)題最多的就是對(duì)“可迭代對(duì)象”和“迭代器”的混淆。網(wǎng)上很多文章把兩者混著說(shuō)導(dǎo)致很多人以為“列表是迭代器”結(jié)果在代碼里寫(xiě)出各種奇怪的問(wèn)題。用一句話分清可迭代對(duì)象是“能產(chǎn)出迭代器的東西”迭代器是“真正逐個(gè)吐值的東西”。對(duì)比維度可迭代對(duì)象Iterable迭代器Iterator判斷方式實(shí)現(xiàn)了__iter__()或__getitem__()實(shí)現(xiàn)了__iter__()和__next__()是否有next()方法通常沒(méi)有必須有能否重復(fù)遍歷能每次iter()產(chǎn)生全新迭代器不能迭代完就耗盡典型例子列表、字典、字符串、集合文件對(duì)象、iter(列表)的返回值、生成器能否用for可以for會(huì)自動(dòng)調(diào)用iter()可以同樣也是先調(diào)iter()想要在代碼里驗(yàn)證一個(gè)對(duì)象到底是哪一類最直接的辦法是用isinstance()配合collections.abc里的抽象基類from collections.abc import Iterable, Iterator my_list [1, 2, 3] print(isinstance(my_list, Iterable)) # True print(isinstance(my_list, Iterator)) # False it iter(my_list) print(isinstance(it, Iterable)) # True print(isinstance(it, Iterator)) # True注意觀察迭代器一定是可迭代對(duì)象因?yàn)榈髯约簩?shí)現(xiàn)了__iter__()并且__iter__()返回的是自己。這保證了迭代器也能被for使用。但反過(guò)來(lái)不成立列表是Iterable但不是Iterator。這個(gè)關(guān)系你最好刻進(jìn)腦子里后面排查各種詭異問(wèn)題都要靠它。2.2 為什么同一個(gè)列表可以多次for而迭代器不行有個(gè)很經(jīng)典的實(shí)驗(yàn)同一個(gè)列表可以連續(xù)for兩遍但同一個(gè)迭代器for完第一遍之后第二遍什么都拿不到。my_list [1, 2, 3] for x in my_list: print(x) # 1 2 3 for x in my_list: print(x) # 1 2 3 正常 it iter(my_list) for x in it: print(x) # 1 2 3 for x in it: print(x) # 什么都不會(huì)輸出原因就是前面說(shuō)的列表作為可迭代對(duì)象每次被for時(shí)都會(huì)調(diào)用iter(my_list)生成一個(gè)全新的迭代器所以每次都能從頭開(kāi)始而it自己已經(jīng)是迭代器了for循環(huán)對(duì)它調(diào)用iter(it)時(shí)它返回的是自己本身內(nèi)部指針已經(jīng)走到了末尾自然沒(méi)有任何值可以再吐。我見(jiàn)過(guò)不止一個(gè)同事把迭代器保存下來(lái)想在多處復(fù)用結(jié)果第二次一跑發(fā)現(xiàn)數(shù)據(jù)全沒(méi)了第一反應(yīng)是“數(shù)據(jù)被消費(fèi)了”。對(duì)數(shù)據(jù)確實(shí)是被消費(fèi)了這恰恰體現(xiàn)了迭代器的“流”特性它像一根吸管你吸完了就沒(méi)了想再喝只能換一根新的吸管。3. 手寫(xiě)一個(gè)迭代器自定義類的完整實(shí)操3.1 最簡(jiǎn)迭代器模板理解了協(xié)議手寫(xiě)迭代器其實(shí)非常機(jī)械。你需要做的就是在類里面實(shí)現(xiàn)兩個(gè)方法__iter__()和__next__()。__iter__()負(fù)責(zé)返回迭代器本身__next__()負(fù)責(zé)產(chǎn)生下一個(gè)值并且在沒(méi)有值可給的時(shí)候拋出StopIteration。下面是一個(gè)倒計(jì)時(shí)的迭代器從指定數(shù)字倒數(shù)到0class Countdown: def __init__(self, start): self.current start def __iter__(self): return self def __next__(self): if self.current 0: raise StopIteration value self.current self.current - 1 return value for num in Countdown(5): print(num) # 5 4 3 2 1 0這里有幾個(gè)關(guān)鍵點(diǎn)要說(shuō)明白第一__iter__只是返回self這意味著這個(gè)類本身既是可迭代對(duì)象也是迭代器。這種寫(xiě)法在簡(jiǎn)單場(chǎng)景里沒(méi)有問(wèn)題但如果你希望同一個(gè)對(duì)象能被多次遍歷就不能這么干應(yīng)該把__iter__里返回一個(gè)新的獨(dú)立迭代器。第二狀態(tài)變量這里的self.current是迭代器的靈魂。每次調(diào)用__next__都必須更新?tīng)顟B(tài)否則會(huì)陷入死循環(huán)。我見(jiàn)過(guò)有人把狀態(tài)寫(xiě)成了局部變量每次調(diào)用都從初始值開(kāi)始結(jié)果永遠(yuǎn)吐同樣的值。第三StopIteration不能省。for循環(huán)就是靠這個(gè)異常來(lái)終止的如果迭代器永遠(yuǎn)不拋for循環(huán)就會(huì)一直跑下去。3.2 迭代器在真實(shí)業(yè)務(wù)里的三個(gè)場(chǎng)景光會(huì)寫(xiě)模板沒(méi)用得知道往哪里用。我根據(jù)自己的實(shí)戰(zhàn)經(jīng)驗(yàn)總結(jié)了三個(gè)最常見(jiàn)的業(yè)務(wù)場(chǎng)景。第一個(gè)場(chǎng)景是分頁(yè)遍歷。比如對(duì)接第三方接口拿數(shù)據(jù)對(duì)方一次只給一頁(yè)每頁(yè)100條。你不用迭代器的時(shí)候得寫(xiě)個(gè)下標(biāo)記錄當(dāng)前頁(yè)數(shù)然后拼命維護(hù)那個(gè)下標(biāo)用迭代器狀態(tài)收斂在對(duì)象內(nèi)部代碼干凈得多。class PaginatedAPI: def __init__(self, api_client, page_size100): self.client api_client self.page_size page_size self.page 1 self.buffer [] self.index 0 self.done False def __iter__(self): return self def __next__(self): if self.index len(self.buffer): if self.done: raise StopIteration self.buffer self.client.fetch_page(self.page, self.page_size) self.page 1 self.index 0 if not self.buffer: self.done True raise StopIteration item self.buffer[self.index] self.index 1 return item第二個(gè)場(chǎng)景是樹(shù)結(jié)構(gòu)遍歷。做目錄掃描、解析嵌套評(píng)論、遍歷組織架構(gòu)這些都是典型的樹(shù)形數(shù)據(jù)。用遞歸當(dāng)然可以但遞歸對(duì)深度很敏感層級(jí)一深容易爆棧。把迭代器寫(xiě)成顯式棧驅(qū)動(dòng)的形式既能保持代碼清晰又不用太擔(dān)心遞歸深度問(wèn)題。第三個(gè)場(chǎng)景是自定義數(shù)據(jù)源的懶加載。比如你有一個(gè)極大的CSV文件但只想逐行處理不想一次性讀進(jìn)內(nèi)存。雖然直接用文件對(duì)象本身就夠了但如果你要在這個(gè)基礎(chǔ)上做清洗、轉(zhuǎn)換、過(guò)濾包一層迭代器是非常自然的選擇。4. 生成器更省事的迭代器實(shí)現(xiàn)路徑4.1 yield怎么改寫(xiě)了執(zhí)行流程手寫(xiě)類的方式實(shí)現(xiàn)了迭代器但說(shuō)實(shí)話代碼量還是有點(diǎn)大。Python提供了一個(gè)更輕量的方案就是生成器。只要函數(shù)里出現(xiàn)yield關(guān)鍵字這個(gè)函數(shù)就不再是普通函數(shù)而變成生成器函數(shù)。調(diào)用它時(shí)函數(shù)體不會(huì)立即執(zhí)行而是返回一個(gè)生成器對(duì)象——生成器就是一種迭代器。def countdown(start): current start while current 0: yield current current - 1 for num in countdown(5): print(num)這個(gè)和上面用類寫(xiě)的Countdown效果一模一樣但代碼短了很多。關(guān)鍵在于理解yield的執(zhí)行語(yǔ)義每次執(zhí)行到y(tǒng)ield函數(shù)就會(huì)暫停把當(dāng)前值拋給調(diào)用方下次再被next()驅(qū)動(dòng)時(shí)它會(huì)從暫停的位置繼續(xù)往下執(zhí)行。有一次我給新同事講這個(gè)他說(shuō)這就像游戲存檔yield是存檔點(diǎn)執(zhí)行到那里就保存現(xiàn)場(chǎng)退出來(lái)下次繼續(xù)從存檔點(diǎn)開(kāi)始打。這個(gè)比喻我非常喜歡因?yàn)閥ield不僅僅是把值交出去它還把整個(gè)局部變量、執(zhí)行位置都保存了下來(lái)。這份“現(xiàn)場(chǎng)保存”能力是普通函數(shù)完全不具備的。4.2 生成器表達(dá)式與惰性求值帶來(lái)的收益除了生成器函數(shù)Python里還有生成器表達(dá)式寫(xiě)法跟列表推導(dǎo)式幾乎一樣只是把方括號(hào)換成圓括號(hào)squares_gen (x * x for x in range(10)) print(squares_gen) # generator object genexpr at 0x...生成器表達(dá)式并不會(huì)立刻算出所有元素它只是定義了一個(gè)計(jì)算規(guī)則真正的計(jì)算發(fā)生在你遍歷它的那一刻。這就是惰性求值。惰性求值帶來(lái)的最大收益就是內(nèi)存占用低處理一億個(gè)數(shù)的時(shí)候列表推導(dǎo)式會(huì)試圖把一億個(gè)元素全部裝進(jìn)內(nèi)存而生成器表達(dá)式一次只算一個(gè)。我在處理數(shù)據(jù)清洗時(shí)經(jīng)常這么寫(xiě)先用一個(gè)生成器做過(guò)濾再用另一個(gè)做字段轉(zhuǎn)換最后再交給下游統(tǒng)計(jì)。中間沒(méi)有任何一步產(chǎn)生大列表。data (raw for raw in load_all_records()) cleaned (normalize(r) for r in data if r is not None) stats compute_stats(cleaned)這串代碼看起來(lái)很普通但數(shù)據(jù)量一旦上來(lái)它的內(nèi)存優(yōu)勢(shì)就會(huì)體現(xiàn)得極其明顯。我之前處理一份5GB的CSV如果每個(gè)步驟都轉(zhuǎn)成列表內(nèi)存直接飆到十幾GB機(jī)器當(dāng)場(chǎng)卡死全部改用生成器之后內(nèi)存占用穩(wěn)定在幾百M(fèi)B以內(nèi)跑起來(lái)非常順暢。5. 常見(jiàn)問(wèn)題排查與避坑經(jīng)驗(yàn)5.1 迭代器“一次用完”的救場(chǎng)方案前面提到的“迭代器耗盡了”是出現(xiàn)頻率最高的問(wèn)題。一旦迭代器走到頭再想遍歷就什么都沒(méi)有。這個(gè)問(wèn)題怎么救我總結(jié)了三種方案按場(chǎng)景選。如果你只是需要把迭代器的結(jié)果存下來(lái)復(fù)用最直接的辦法是用list()把它整個(gè)轉(zhuǎn)成列表。但要注意這會(huì)一次性把所有元素加載進(jìn)內(nèi)存如果元素量很大又會(huì)回到內(nèi)存爆炸的老路上去。如果你需要反復(fù)遍歷同一個(gè)生成器產(chǎn)生的結(jié)果但數(shù)據(jù)量又大到不能裝進(jìn)列表有兩個(gè)思路一是改造生成器函數(shù)讓每次調(diào)用它都返回一個(gè)新生成器二是用itertools.tee()把迭代器復(fù)制成幾個(gè)獨(dú)立副本。from itertools import tee it iter([1, 2, 3, 4, 5]) it1, it2 tee(it, 2) print(list(it1)) # [1, 2, 3, 4, 5] print(list(it2)) # [1, 2, 3, 4, 5]這里必須提醒一句tee()也不是魔法它的實(shí)現(xiàn)原理是內(nèi)部緩存已消費(fèi)的元素如果兩個(gè)副本前進(jìn)的距離相差很大緩存的數(shù)據(jù)量也會(huì)相應(yīng)增大。所以它適合“兩條線同時(shí)推進(jìn)”的場(chǎng)景不適合“一個(gè)跑完再跑另一個(gè)且數(shù)據(jù)量巨大”的場(chǎng)景。5.2 for循環(huán)中修改容器到底安全嗎這個(gè)問(wèn)題幾乎每個(gè)項(xiàng)目里都會(huì)遇到。在for循環(huán)遍歷列表的同時(shí)如果直接append或remove程序不會(huì)報(bào)錯(cuò)但結(jié)果往往非常詭異。我以前排查過(guò)一個(gè)bug遍歷列表時(shí)把所有偶數(shù)刪掉結(jié)果發(fā)現(xiàn)某些偶數(shù)還在列表里。numbers [1, 2, 3, 4, 5, 6] for num in numbers: if num % 2 0: numbers.remove(num) print(numbers) # [1, 3, 5, 6] 6沒(méi)被刪掉原因是for循環(huán)內(nèi)部維護(hù)了一個(gè)遞增的下標(biāo)。刪除元素會(huì)導(dǎo)致后面的元素往前挪但循環(huán)的下標(biāo)不受影響于是跳過(guò)了原本緊跟在被刪元素后面的那個(gè)元素。這不是迭代器的問(wèn)題而是“修改容器會(huì)把迭代過(guò)程搞亂”的典型表現(xiàn)。安全的做法是要么遍歷原列表的副本for num in numbers[:]要么遍歷的時(shí)候只記錄要?jiǎng)h的索引循環(huán)結(jié)束后再統(tǒng)一處理要么直接改用列表推導(dǎo)式生成新列表。個(gè)人習(xí)慣是“能不原地修改就絕不原地修改”新開(kāi)一個(gè)列表存儲(chǔ)結(jié)果代碼可讀性和安全性都更好。5.3 排查清單速查表我把這些年調(diào)試迭代器相關(guān)問(wèn)題總結(jié)成一張速查表遇到問(wèn)題可以先對(duì)照一下現(xiàn)象可能原因解決辦法同一個(gè)迭代器第二次遍歷沒(méi)數(shù)據(jù)迭代器是一次性消費(fèi)的重新用iter()生成新迭代器或用itertools.tee()自定義類直接for時(shí)報(bào)“not iterable”沒(méi)實(shí)現(xiàn)__iter__()或__getitem__()補(bǔ)上__iter__()返回自身或獨(dú)立迭代器for循環(huán)中間改列表結(jié)果錯(cuò)亂循環(huán)中直接增刪元素改變了迭代下標(biāo)遍歷副本或先記錄后統(tǒng)一修改生成的迭代器用next()取不到值狀態(tài)變量沒(méi)有初始化或沒(méi)有更新檢查_(kāi)_init__里的狀態(tài)初始值和__next__里的狀態(tài)推進(jìn)代碼卡在while里出不來(lái)__next__()沒(méi)拋出StopIteration確保耗盡時(shí)拋出StopIteration生成器只執(zhí)行了第一行代碼生成器是惰性的調(diào)用函數(shù)不會(huì)執(zhí)行函數(shù)體用next()或for驅(qū)動(dòng)它執(zhí)行一眼可見(jiàn)的無(wú)限迭代器直接list()卡死list()會(huì)一直消費(fèi)到StopIteration用itertools.islice()限量截取這張表里我標(biāo)出的最后一條尤其值得注意。很多新手看到生成器可以無(wú)限產(chǎn)生值就忍不住拿list()去看一眼結(jié)果然后程序就徹底卡死了。正確的姿勢(shì)是用islice或者takewhile這類工具來(lái)配合。from itertools import islice def fibonacci(): a, b 0, 1 while True: yield a a, b b, a b fib fibonacci() first_ten list(islice(fib, 10)) print(first_ten) # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]6. 文件對(duì)象和itertools迭代器實(shí)戰(zhàn)的兩把趁手工具6.1 文件對(duì)象就是最典型的迭代器說(shuō)了這么多抽象的東西我舉一個(gè)最貼近日常的例子文件對(duì)象。Python里打開(kāi)文件后返回的文件對(duì)象本身就是迭代器。這意味著你可以直接for line in file:逐行讀取而不必用readlines()一次性把所有行讀進(jìn)內(nèi)存。with open(huge_log.txt, r, encodingutf-8) as f: for line in f: process(line)這個(gè)寫(xiě)法在處理幾百M(fèi)B甚至幾GB的日志文件時(shí)內(nèi)存占用幾乎可以忽略不計(jì)。相反如果你用readlines()文件有多大內(nèi)存基本就得吃多大我之前處理幾個(gè)G的日志時(shí)就這樣炸過(guò)一次所以現(xiàn)在只要遇到“大文件”我腦子的第一反應(yīng)就是“迭代器逐行處理別貪圖方便一次性讀完”。6.2 itertools里的高頻迭代工具itertools是我在真實(shí)項(xiàng)目中反復(fù)使用的標(biāo)準(zhǔn)庫(kù)模塊它提供的工具函數(shù)全部圍繞迭代器設(shè)計(jì)配合起來(lái)能省下大量代碼。我挑幾個(gè)高頻的分享。chain()可以把多個(gè)迭代器串聯(lián)成一個(gè)。比如你要同時(shí)掃描多個(gè)日志文件把它們當(dāng)作一個(gè)整體來(lái)處理直接用chain(file1, file2, file3)就可以了不用手動(dòng)寫(xiě)循環(huán)拼接。zip()配套的zip_longest()解決的是長(zhǎng)度不等時(shí)的合并問(wèn)題。用普通zip()短的耗盡了就結(jié)束用zip_longest()可以補(bǔ)默認(rèn)值繼續(xù)合并。groupby()可以對(duì)排好序的迭代器做分組。我之前做埋點(diǎn)日志分析時(shí)按用戶ID分組統(tǒng)計(jì)行為序列g(shù)roupby()比手動(dòng)維護(hù)字典分組方便太多。注意它要求數(shù)據(jù)是有序的相同鍵必須連續(xù)出現(xiàn)否則分組效果會(huì)出乎意料。cycle()會(huì)無(wú)限循環(huán)地遍歷一個(gè)可迭代對(duì)象。做輪詢調(diào)度的時(shí)候很好用比如三個(gè)后端服務(wù)輪流接請(qǐng)求next(cycle([svr-a, svr-b, svr-c]))就能拿到下一個(gè)服務(wù)名。這些工具的共性是它們接收迭代器返回新的迭代器全程惰性求值。用它們組合出來(lái)的數(shù)據(jù)處理管線既清晰又不吃內(nèi)存是非常值得花時(shí)間掌握的技巧。7. 迭代器協(xié)議在源碼和日常編碼里的擴(kuò)展聯(lián)想7.1 一個(gè)自定義可迭代類的完整示范為了讓你能在實(shí)際項(xiàng)目里直接用起來(lái)我給出一個(gè)稍微完整一點(diǎn)的示范自定義一個(gè)頁(yè)游玩家戰(zhàn)力排行榜的迭代器既能支持for遍歷又能支持len()之類的常見(jiàn)操作。class Leaderboard: def __init__(self, players): self._players sorted(players, keylambda x: x[score], reverseTrue) def __iter__(self): return iter(self._players) def __len__(self): return len(self._players) players [ {name: A同學(xué), score: 3200}, {name: B同學(xué), score: 4100}, {name: C同學(xué), score: 2800}, ] board Leaderboard(players) for player in board: print(player[name], player[score]) # B同學(xué) 4100 # A同學(xué) 3200 # C同學(xué) 2800注意這里__iter__返回的是iter(self._players)而不是self這樣的設(shè)計(jì)讓排行榜對(duì)象可以被重復(fù)遍歷多次。每次for都會(huì)基于底層的列表生成一個(gè)新迭代器。這個(gè)思路可以套用到很多業(yè)務(wù)對(duì)象上訂單列表、任務(wù)隊(duì)列、消息分頁(yè)結(jié)果只要你想讓它“既像容器一樣能反復(fù)遍歷又想在遍歷的時(shí)候做點(diǎn)格式化或過(guò)濾”就可以往這個(gè)模板上靠。7.2 從迭代器到數(shù)據(jù)管線的思維轉(zhuǎn)換掌握了迭代器之后寫(xiě)代碼會(huì)有一個(gè)非常明顯的變化習(xí)慣用“管線”的思考方式取代“直接操作容器”。以前處理數(shù)據(jù)我總是先構(gòu)造一個(gè)大列表然后寫(xiě)for循環(huán)逐個(gè)處理最后再存結(jié)果現(xiàn)在我會(huì)思考每一步應(yīng)該產(chǎn)生什么流怎么用生成器和itertools把步驟串起來(lái)。這個(gè)思維轉(zhuǎn)換并不復(fù)雜但要提醒一點(diǎn)不是所有地方都適合用迭代器。如果你的數(shù)據(jù)量不大而且需要反復(fù)隨機(jī)訪問(wèn)直接用列表反而更簡(jiǎn)單沒(méi)必要為了“用迭代器”而用迭代器。追求代碼的可讀性和可維護(hù)性永遠(yuǎn)比追求某種“高級(jí)寫(xiě)法”更重要。我在實(shí)際項(xiàng)目中見(jiàn)過(guò)太多為了炫技而上迭代器的代碼明明一個(gè)列表就能解決問(wèn)題非要套三層生成器表達(dá)式最后別人根本看不懂。好的迭代器代碼應(yīng)該是邏輯清晰、內(nèi)存可控、可復(fù)用而不是越花哨越好。我自己這些年寫(xiě)下來(lái)最大的體會(huì)是Python的迭代器協(xié)議并不復(fù)雜但它是一層底色鋪在for循環(huán)、生成器、文件讀取、itertools工具鏈的下面。一旦理解了這層底色再看很多標(biāo)準(zhǔn)庫(kù)的源碼、第三方庫(kù)的API設(shè)計(jì)都會(huì)有豁然開(kāi)朗的感覺(jué)。以后你再寫(xiě)for循環(huán)不妨多想一步這一步背后是iter()和next()在替你打工而你自己也已經(jīng)可以隨時(shí)成為一個(gè)能寫(xiě)迭代器的人了。