迭代,对于读者已经不陌生了,曾有专门一节来讲述,如果印象不深,请复习[《迭代》](https://github.com/qiwsir/StarterLearningPython/blob/master/128.md)。 正如读者已知,对序列(列表、元组)、字典和文件都可以用`iter()`方法生成迭代对象,然后用`next()`方法访问。当然,这种访问不是自动的,如果用for循环,就可以自动完成上述访问了。 如果用`dir(list)`,`dir(tuple)`,`dir(file)`,`dir(dict)`来查看不同类型对象的属性,会发现它们都有一个名为`__iter__`的东西。这个应该引起读者的关注,因为它和迭代器(iterator)、内置的函数iter()在名字上是一样的,除了前后的双下划线。望文生义,我们也能猜出它肯定是跟迭代有关的东西。当然,这种猜测也不是没有根据的,其重要根据就是英文单词,如果它们之间没有一点关系,肯定不会将命名搞得一样。 猜对了。`__iter__`就是对象的一个特殊方法,它是迭代规则(iterator potocol)的基础。或者说,对象如果没有它,就不能返回迭代器,就没有`next()`方法,就不能迭代。 > 提醒注意,如果读者用的是python3.x,迭代器对象实现的是`__next__()`方法,不是`next()`。并且,在python3.x中有一个内建函数next(),可以实现`next(it)`,访问迭代器,这相当于于python2.x中的`it.next()`(it是迭代对象)。 那些类型是list、tuple、file、dict对象有`__iter__()`方法,标着他们能够迭代。这些类型都是python中固有的,我们能不能自己写一个对象,让它能够迭代呢? 当然呢!要不然python怎么强悍呢。 ~~~ #!/usr/bin/env python # coding=utf-8 """ the interator as range() """ class MyRange(object): def __init__(self, n): self.i = 0 self.n = n def __iter__(self): return self def next(self): if self.i < self.n: i = self.i self.i += 1 return i else: raise StopIteration() if __name__ == "__main__": x = MyRange(7) print "x.next()==>", x.next() print "x.next()==>", x.next() print "------for loop--------" for i in x: print i ~~~ 将代码保存,并运行,结果是: ~~~ $ python 21401.py x.next()==> 0 x.next()==> 1 ------for loop-------- 2 3 4 5 6 ~~~ 以上代码的含义,是自己仿写了拥有`range()`的对象,这个对象是可迭代的。分析如下: 类MyRange的初始化方法`__init__()`就不用赘述了,因为前面已经非常详细分析了这个方法,如果复习,请阅读[《类(2)》](https://github.com/qiwsir/StarterLearningPython/blob/master/207md)相关内容。 `__iter__()`是类中的核心,它返回了迭代器本身。一个实现了`__iter__()`方法的对象,即意味着其实可迭代的。 含有`next()`的对象,就是迭代器,并且在这个方法中,在没有元素的时候要发起`StopIteration()`异常。 如果对以上类的调用换一种方式: ~~~ if __name__ == "__main__": x = MyRange(7) print list(x) print "x.next()==>", x.next() ~~~ 运行后会出现如下结果: ~~~ $ python 21401.py [0, 1, 2, 3, 4, 5, 6] x.next()==> Traceback (most recent call last): File "21401.py", line 26, in <module> print "x.next()==>", x.next() File "21401.py", line 21, in next raise StopIteration() StopIteration ~~~ 说明什么呢?`print list(x)`将对象返回值都装进了列表中并打印出来,这个正常运行了。此时指针已经移动到了迭代对象的最后一个,正如在[《迭代》](https://github.com/qiwsir/StarterLearningPython/blob/master/128.md)中描述的那样,`next()`方法没有检测也不知道是不是要停止了,它还要继续下去,当继续下一个的时候,才发现没有元素了,于是返回了`StopIteration()`。 为什么要将用这种可迭代的对象呢?就像上面例子一样,列表不是挺好的吗? 列表的确非常好,在很多时候效率很高,并且能够解决相当普遍的问题。但是,不要忘记一点,在某些时候,列表可能会给你带来灾难。因为在你使用列表的时候,需要将列表内容一次性都读入到内存中,这样就增加了内存的负担。如果列表太大太大,就有内存溢出的危险了。这时候需要的是迭代对象。比如斐波那契数列(在本教程多处已经提到这个著名的数列:[《练习》的练习4](https://github.com/qiwsir/StarterLearningPython/blob/master/129.md),[《函数(4)》中递归举例](https://github.com/qiwsir/StarterLearningPython/blob/master/204.md)): ~~~ #!/usr/bin/env python # coding=utf-8 """ compute Fibonacci by iterator """ __metaclass__ = type class Fibs: def __init__(self, max): self.max = max self.a = 0 self.b = 1 def __iter__(self): return self def next(self): fib = self.a if fib > self.max: raise StopIteration self.a, self.b = self.b, self.a + self.b return fib if __name__ == "__main__": fibs = Fibs(5) print list(fibs) ~~~ 运行结果是: ~~~ $ python 21402.py [0, 1, 1, 2, 3, 5] ~~~ > 给读者一个思考问题:要在斐波那契数列中找出大于1000的最小的数,能不能在上述代码基础上改造得出呢? 关于列表和迭代器之间的区别,还有两个非常典型的内建函数:`range()`和`xrange()`,研究一下这两个的差异,会有所收获的。 ~~~ range(...) range(stop) -> list of integers range(start, stop[, step]) -> list of integers >>> dir(range) ['__call__', '__class__', '__cmp__', '__delattr__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__name__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__self__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__'] ~~~ 从`range()`的帮助文档和方法中可以看出,它的结果是一个列表。但是,如果用`help(xrange)`查看: ~~~ class xrange(object) | xrange(stop) -> xrange object | xrange(start, stop[, step]) -> xrange object | | Like range(), but instead of returning a list, returns an object that | generates the numbers in the range on demand. For looping, this is | slightly faster than range() and more memory efficient. ~~~ `xrange()`返回的是对象,并且进一步告诉我们,类似`range()`,但不是列表。在循环的时候,它跟`range()`相比“slightly faster than range() and more memory efficient”,稍快并更高的内存效率(就是省内存呀)。查看它的方法: ~~~ >>> dir(xrange) ['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__getitem__', '__hash__', '__init__', '__iter__', '__len__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__'] ~~~ 看到令人兴奋的`__iter__`了吗?说明它是可迭代的,它返回的是一个可迭代的对象。 也就是说,通过`range()`得到的列表,会一次性被读入内存,而`xrange()`返回的对象,则是需要一个数值才从返回一个数值。比如这样一个应用: 还记得`zip()`吗? ~~~ >>> a = ["name", "age"] >>> b = ["qiwsir", 40] >>> zip(a,b) [('name', 'qiwsir'), ('age', 40)] ~~~ 如果两个列表的个数不一样,就会以短的为准了,比如: ~~~ >>> zip(range(4), xrange(100000000)) [(0, 0), (1, 1), (2, 2), (3, 3)] ~~~ 第一个`range(4)`产生的列表被读入内存;第二个是不是也太长了?但是不用担心,它根本不会产生那么长的列表,因为只需要前4个数值,它就提供前四个数值。如果你要修改为`range(100000000)`,就要花费时间了,可以尝试一下哦。 迭代器的确有迷人之处,但是它也不是万能之物。比如迭代器不能回退,只能如过河的卒子,不断向前。另外,迭代器也不适合在多线程环境中对可变集合使用(这句话可能理解有困难,先混个脸熟吧,等你遇到多线程问题再说)。