迭代器实现代码解释

下面我们逐步分析 迭代器实现的代码，帮助你理解每个部分的作用和迭代器的工作原理。

示例代码

class MyIterator:
    def __init__(self, data):
        self.data = data
        self.index = 0

    def __iter__(self):
        return self  # 返回迭代器本身

    def __next__(self):
        if self.index < len(self.data):  # 检查是否还有元素
            result = self.data[self.index]
            self.index += 1
            return result
        else:
            raise StopIteration  # 没有元素时抛出异常

详细解释

1. 类的定义

class MyIterator:

• 迭代器是一个类：这是自定义迭代器的入口，MyIterator 是我们定义的一个类。
• 它模拟了 Python 内置迭代器的行为（如列表迭代器）。

2. 初始化方法：init

def __init__(self, data):
    self.data = data
    self.index = 0

• init 是构造方法，在创建对象时会自动调用。
• 参数：
• data：传入的数据（可以是列表、字符串、元组等可迭代对象）。
• self.index：初始化为 0，用来跟踪当前迭代的位置。

作用：
• 存储要迭代的数据（self.data）。
• 准备一个索引（self.index）来记录迭代的位置。

例如：

my_iter = MyIterator([1, 2, 3, 4])

此时：
• self.data = [1, 2, 3, 4]
• self.index = 0

3. iter 方法

def __iter__(self):
    return self  # 返回迭代器本身

• iter 方法是 Python 的协议方法（定义了对象是可迭代的）。
• 返回值：
• 返回 self，即当前的迭代器对象。
• for 循环需要调用此方法来获取迭代器。

解释：
• 当你对一个对象调用 iter(obj) 或在 for 循环中时，Python 会调用 iter 方法。
• 返回当前对象本身表明这个类也是一个迭代器。

4. next 方法

def __next__(self):
    if self.index < len(self.data):  # 检查索引是否超出范围
        result = self.data[self.index]  # 获取当前索引的数据
        self.index += 1  # 将索引移动到下一项
        return result
    else:
        raise StopIteration  # 如果迭代完成，抛出异常

• next 方法定义了迭代器的核心逻辑：如何获取下一个值。
• 工作流程：

1. 检查索引范围：通过 self.index < len(self.data) 检查是否还有未迭代的值。
2. 获取当前值：从 self.data[self.index] 获取当前索引的数据。
3. 移动索引：self.index += 1 将索引移动到下一项，为下一次迭代做准备。
4. 返回值：将当前值返回。
5. 停止迭代：如果索引超出范围，抛出 StopIteration 异常，结束迭代。

例如：

my_iter = MyIterator([1, 2, 3])
print(next(my_iter))  # 输出 1
print(next(my_iter))  # 输出 2
print(next(my_iter))  # 输出 3
print(next(my_iter))  # 抛出 StopIteration 异常

结合 for 循环的完整示例

Python 的 for 循环实际上会调用迭代器的 iter 和 next 方法。

初始化一个迭代器

my_iter = MyIterator([1, 2, 3, 4])

使用 for 循环遍历

for item in my_iter:
    print(item)

背后的工作机制：

1. 调用 iter：
   • for 循环第一次执行时，自动调用 iter(my_iter)。
   • Python 会调用 my_iter.iter() 方法，返回迭代器本身。
2. 调用 next：
   • for 循环在每次迭代时，自动调用 next(my_iter)。
   • Python 会调用 my_iter.next()，获取当前值。
   • 如果没有值了，抛出 StopIteration 异常，终止循环。

输出：

1
2
3
4

迭代器的优势

1. 节省内存：
   • 迭代器不需要一次性加载所有数据，只在需要时生成下一个值。
   • 比如可以处理百万级数据而不占用大量内存。
2. 灵活性：
   • 自定义迭代逻辑（如跳过某些值、生成无限序列）。
3. 适用场景：
   • 流式数据处理。
   • 文件逐行读取。
   • 延迟加载（Lazy Evaluation）。