Python 生成器与迭代器的八个核心概念-51CTO.COM

生成器和迭代器是 Python 中非常重要的概念，它们可以帮助你更高效地处理数据。今天我们就来聊聊这 8 个核心概念，一步步带你从基础到高级。

1. 迭代器（Iterator）

概念：迭代器是一个可以记住遍历位置的对象。它从集合的第一个元素开始访问，直到所有的元素被访问完结束。迭代器只能往前不会后退。

创建方式：

使用 iter() 函数将一个可迭代对象转换为迭代器。
使用 next() 函数获取迭代器的下一个元素。

示例：

# 创建一个列表
my_list = [1, 2, 3, 4, 5]

# 将列表转换为迭代器
my_iterator = iter(my_list)

# 获取迭代器的下一个元素
print(next(my_iterator))  # 输出: 1
print(next(my_iterator))  # 输出: 2

# 遍历迭代器
for item in my_iterator:
    print(item)  # 输出: 3, 4, 5

2. 可迭代对象（Iterable）

概念：可迭代对象是可以返回迭代器的任何对象。常见的可迭代对象包括列表、元组、字典、集合等。

示例：

# 列表是一个可迭代对象
my_list = [1, 2, 3, 4, 5]

# 使用 for 循环遍历可迭代对象
for item in my_list:
    print(item)  # 输出: 1, 2, 3, 4, 5

3. 生成器（Generator）

概念：生成器是一种特殊的迭代器，它使用 yield 关键字来生成值。生成器函数在每次调用时会暂停并保存当前状态，下次调用时从上次暂停的地方继续执行。

创建方式：

使用 yield 关键字定义生成器函数。
使用生成器表达式。

示例：

# 定义一个生成器函数
def simple_generator():
    yield 1
    yield 2
    yield 3

# 调用生成器函数
gen = simple_generator()

# 获取生成器的下一个元素
print(next(gen))  # 输出: 1
print(next(gen))  # 输出: 2
print(next(gen))  # 输出: 3

# 使用生成器表达式
gen_expr = (x for x in range(5))

# 遍历生成器表达式
for item in gen_expr:
    print(item)  # 输出: 0, 1, 2, 3, 4

4. 生成器表达式（Generator Expression）

概念：生成器表达式类似于列表推导式，但返回的是一个生成器对象，而不是列表。生成器表达式更加节省内存。

示例：

# 列表推导式
list_comp = [x for x in range(10)]
print(list_comp)  # 输出: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 生成器表达式
gen_expr = (x for x in range(10))

# 遍历生成器表达式
for item in gen_expr:
    print(item)  # 输出: 0, 1, 2, 3, 4, 5, 6, 7, 8, 9

5. send() 方法

概念：send() 方法可以向生成器发送一个值，并恢复生成器的执行。这个值会成为 yield 表达式的值。

示例：

def echo():
    while True:
        received = yield
        print(f"Received: {received}")

# 创建生成器
gen = echo()

# 初始化生成器
next(gen)

# 发送值
gen.send("Hello")  # 输出: Received: Hello
gen.send("World")  # 输出: Received: World

6. throw() 和 close() 方法

概念：

throw() 方法用于在生成器内部抛出一个异常。
close() 方法用于关闭生成器。

示例：

def simple_generator():
    try:
        yield 1
        yield 2
        yield 3
    except ValueError:
        print("ValueError caught")

# 创建生成器
gen = simple_generator()

# 获取生成器的下一个元素
print(next(gen))  # 输出: 1

# 抛出异常
gen.throw(ValueError)  # 输出: ValueError caught

# 关闭生成器
gen.close()

7. 生成器委托（Generator Delegation）

概念：生成器委托允许一个生成器委托另一个生成器的执行。使用 yield from 语法可以实现这一点。

示例：

def sub_generator():
    yield "Sub 1"
    yield "Sub 2"

def main_generator():
    yield "Main 1"
    yield from sub_generator()
    yield "Main 2"

# 创建主生成器
gen = main_generator()

# 遍历主生成器
for item in gen:
    print(item)  # 输出: Main 1, Sub 1, Sub 2, Main 2

8. 无限生成器

概念：无限生成器是指可以无限生成值的生成器。通常使用 while True 循环来实现。

示例：

def infinite_generator():
    i = 0
    while True:
        yield i
        i += 1

# 创建无限生成器
gen = infinite_generator()

# 获取前 5 个生成的值
for _ in range(5):
    print(next(gen))  # 输出: 0, 1, 2, 3, 4

实战案例：生成斐波那契数列

问题描述：斐波那契数列是一个经典的数列，每个数是前两个数的和。我们可以使用生成器来生成斐波那契数列。

实现代码：

def fibonacci(n):
    a, b = 0, 1
    count = 0
    while count < n:
        yield a
        a, b = b, a + b
        count += 1

# 生成前 10 个斐波那契数
fib_gen = fibonacci(10)

# 打印生成的斐波那契数
for num in fib_gen:
    print(num)  # 输出: 0, 1, 1, 2, 3, 5, 8, 13, 21, 34

总结

本文介绍了 Python 中生成器和迭代器的 8 个核心概念，包括迭代器、可迭代对象、生成器、生成器表达式、send() 方法、throw() 和 close() 方法、生成器委托以及无限生成器。通过具体的代码示例，我们逐步展示了每个概念的应用方法。