Python自定義迭代器的實現(xiàn)方法
更新時間：2026年05月29日 09:38:36 作者：一天 24h
自定義迭代器的核心是嚴格遵守 Python 迭代器協(xié)議,只要一個類實現(xiàn)了__iter__()和__next__()這兩個特殊方法,它的實例就是一個合法的迭代器,本文給大家介紹了Python自定義迭代器的實現(xiàn)方法,需要的朋友可以參考下
引言
自定義迭代器的核心是嚴格遵守 Python 迭代器協(xié)議。只要一個類實現(xiàn)了__iter__()和__next__()這兩個特殊方法，它的實例就是一個合法的迭代器。
一、迭代器協(xié)議的核心要求
任何自定義迭代器都必須滿足以下兩個條件：
__iter__(self)：必須返回迭代器對象本身（return self）。這是為了讓迭代器可以直接用在for循環(huán)等接受可迭代對象的地方。__next__(self)：- 返回序列中的下一個元素
- 更新內部狀態(tài)，指向下一個元素
- 當沒有更多元素時，必須拋出
StopIteration異常
二、第一個自定義迭代器：生成指定范圍的偶數(shù)
我們從最簡單的例子開始，實現(xiàn)一個能生成從start到end之間所有偶數(shù)的迭代器：
class EvenIterator:
def __init__(self, start, end):
# 初始化迭代器的狀態(tài)
self.current = start if start % 2 == 0 else start + 1 # 確保從偶數(shù)開始
self.end = end
def __iter__(self):
# 迭代器必須返回自己
return self
def __next__(self):
if self.current > self.end:
# 沒有更多元素，拋出異常終止迭代
raise StopIteration
# 保存當前值
result = self.current
# 更新狀態(tài)，指向下一個偶數(shù)
self.current += 2
# 返回當前值
return result
使用這個迭代器
# 創(chuàng)建迭代器實例
even_iter = EvenIterator(1, 10)
# 1. 使用next()手動遍歷
print(next(even_iter)) # 輸出：2
print(next(even_iter)) # 輸出：4
print(next(even_iter)) # 輸出：6
# 2. 直接用for循環(huán)遍歷（自動處理next()和StopIteration）
for num in EvenIterator(1, 10):
# end控制每個輸出的數(shù)用空格隔開，默認是換行‘\n'
print(num, end=' ') # 輸出：2 4 6 8 10
三、深入理解：迭代器的工作原理
1. 為什么__iter__()必須返回 self？
因為 Python 中所有接受 "可迭代對象" 的地方（for循環(huán)、list()、sum()等），都會先調用iter(對象)獲取迭代器。
如果__iter__()返回的不是 self，那么for循環(huán)拿到的就是另一個對象，而不是我們的迭代器本身，迭代邏輯就會失效。
2. 迭代器的 "一次性" 特性
迭代器的狀態(tài)是不可逆的，一旦遍歷到末尾，就無法再從頭開始：
even_iter = EvenIterator(1, 10) # 第一次遍歷：正常輸出 print(list(even_iter)) # 輸出：[2, 4, 6, 8, 10] # 第二次遍歷：空列表！ print(list(even_iter)) # 輸出：[]
這是因為第一次遍歷后，self.current已經變成了 12，再調用next()會直接拋出StopIteration。
3. 如何實現(xiàn)可多次遍歷的 "可迭代對象"？
如果需要多次遍歷，應該將可迭代對象和迭代器分開實現(xiàn)：
- 可迭代對象：實現(xiàn)
__iter__()，每次返回一個新的迭代器實例 - 迭代器：實現(xiàn)
__iter__()和__next__()
# 可迭代對象（可以多次遍歷）
class EvenNumbers:
def __init__(self, start, end):
self.start = start
self.end = end
def __iter__(self):
# 每次調用iter()都返回一個新的迭代器
return EvenIterator(self.start, self.end)
# 現(xiàn)在可以多次遍歷了
evens = EvenNumbers(1, 10)
print(list(evens)) # 輸出：[2, 4, 6, 8, 10]
print(list(evens)) # 輸出：[2, 4, 6, 8, 10]
四、實用自定義迭代器示例
示例 1：逆序遍歷列表的迭代器
class ReverseIterator:
def __init__(self, data):
self.data = data
self.index = len(data) # 從最后一個元素的下一個位置開始
def __iter__(self):
return self
def __next__(self):
if self.index == 0:
raise StopIteration
self.index -= 1
return self.data[self.index]
# 使用
for char in ReverseIterator('hello'):
print(char, end=' ') # 輸出：o l l e h
示例 2：無限斐波那契數(shù)列迭代器
這是迭代器最強大的應用之一 —— 生成無限序列：
class FibonacciIterator:
def __init__(self):
self.a = 0
self.b = 1
def __iter__(self):
return self
def __next__(self):
result = self.a
self.a, self.b = self.b, self.a + self.b
return result
# 使用：按需生成，永遠不會結束
fib = FibonacciIterator()
for _ in range(15):
print(next(fib), end=' ') # 輸出：0 1 1 2 3 5 8 13 21 34 55 89 144 233 377
示例 3：分批處理數(shù)據(jù)的迭代器
class BatchIterator:
def __init__(self, data, batch_size):
self.data = data
self.batch_size = batch_size
self.index = 0
def __iter__(self):
return self
def __next__(self):
if self.index >= len(self.data):
raise StopIteration
# 計算當前批次的結束位置
end = self.index + self.batch_size
# 切片獲取當前批次
batch = self.data[self.index:end]
# 更新索引
self.index = end
return batch
# 使用
data = list(range(100))
for batch in BatchIterator(data, 10):
print(f"處理批次：{batch}")
# 在這里處理每一批數(shù)據(jù)
五、更簡單的方式：生成器（Generator）
手動實現(xiàn)__iter__()和__next__()雖然清晰，但比較繁瑣。Python 提供了生成器，可以用更簡潔的語法創(chuàng)建迭代器。
生成器使用yield關鍵字，自動實現(xiàn)了迭代器協(xié)議：
# 生成器函數(shù)：等價于上面的EvenIterator
def even_generator(start, end):
current = start if start % 2 == 0 else start + 1
while current <= end:
yield current # 暫停執(zhí)行，返回當前值
current += 2
# 使用方式和迭代器完全一樣
for num in even_generator(1, 10):
print(num, end=' ') # 輸出：2 4 6 8 10
生成器的優(yōu)勢
- 代碼更簡潔：不需要定義類和兩個特殊方法
- 自動管理狀態(tài)：Python 會自動保存函數(shù)的執(zhí)行狀態(tài)
- 可讀性更高：邏輯更直觀，更容易理解
生成器表達式
對于簡單的迭代邏輯，還可以使用生成器表達式，這是創(chuàng)建迭代器的最簡潔方式：
# 生成器表達式：等價于even_generator(1, 10) even_gen = (x for x in range(1, 11) if x % 2 == 0) print(list(even_gen)) # 輸出：[2, 4, 6, 8, 10]
六、手動實現(xiàn) vs 生成器：如何選擇？
| 實現(xiàn)方式 | 優(yōu)點 | 缺點 | 適用場景 |
|---|---|---|---|
| 手動實現(xiàn)迭代器 | 完全控制迭代邏輯，靈活性最高 | 代碼繁瑣，容易出錯 | 復雜的迭代邏輯、需要維護復雜狀態(tài) |
| 生成器函數(shù) | 代碼簡潔，可讀性高，自動管理狀態(tài) | 靈活性稍低 | 大多數(shù)場景，尤其是中等復雜度的迭代邏輯 |
| 生成器表達式 | 最簡潔，一行代碼搞定 | 只能實現(xiàn)簡單邏輯 | 簡單的轉換、過濾操作 |
七、自定義迭代器的常見坑
- 忘記在
__next__()中拋出StopIteration：會導致無限循環(huán) __iter__()沒有返回 self：迭代器無法用在 for 循環(huán)中- 迭代器狀態(tài)沒有正確更新：會導致重復返回同一個元素或跳過元素
- 試圖多次遍歷同一個迭代器：第二次遍歷會得到空結果
八、總結：自定義迭代器的步驟
- 定義一個類
- 在
__init__()方法中初始化迭代器的狀態(tài) - 實現(xiàn)
__iter__()方法，返回 self - 實現(xiàn)
__next__()方法：- 檢查是否還有更多元素
- 如果沒有，拋出
StopIteration - 如果有，計算并返回當前元素
- 更新內部狀態(tài)，指向下一個元素
總而言之：自定義迭代器是 Python 迭代機制的底層核心，通過遵守迭代器協(xié)議，我們可以實現(xiàn)高效、靈活的數(shù)據(jù)遍歷。生成器是簡化版的自定義迭代器，適用于大多數(shù)場景；而手動實現(xiàn)類則提供了最高的靈活性，滿足復雜的迭代需求。
以上就是Python自定義迭代器的實現(xiàn)方法的詳細內容，更多關于Python自定義迭代器實現(xiàn)的資料請關注腳本之家其它相關文章！
相關文章
從 PDF 中提取文本一直是很多人的需求,本文將帶你了解如何借助 Python + OCR 技術,從掃描 PDF 中提取可編輯文本,希望對大家有所幫助2025-09-09
日常工作中你是不是也遇到過這種場景：整理旅行照片時,一堆?IMG_001.jpg、IMG_002.jpg看得眼花繚亂,其實根本不用這么費勁,今天就教你寫一個超實用的Python小腳本,30行代碼實現(xiàn)文件批量重命名,需要的朋友可以參考下2026-01-01
這篇文章主要介紹了python十進制和二進制的轉換方法(含浮點數(shù))，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了Python中將字符串大寫字母轉小寫的四種方法：lower()方法簡潔高效,手動ASCII轉換靈活可控,str.translate()性能優(yōu)化適合大數(shù)據(jù)處理,列表推導式實現(xiàn)代碼簡潔,總結方法優(yōu)缺點及適用場景,需要的朋友可以參考下2025-05-05
請不要重復犯我在學習Python和Linux系統(tǒng)上的錯誤
本人已經在運維行業(yè)工作了將近十年，我最早接觸Linux是在大二的樣子，那時候只追求易懂，所以就選擇了Ubuntu作為學習、使用的對象，它簡單、易用、好操作、界面絢麗，對于想接觸Linux的新手來說是非常不錯的2016-12-12
這篇文章主要介紹了Python發(fā)送郵件測試報告操作,結合實例形式較為詳細的分析了Python郵件發(fā)送相關模塊使用及操作注意事項,需要的朋友可以參考下2018-12-12
Pyramid將models.py文件的內容分布到多個文件的方法
默認的Pyramid代碼結構中，就只有一個models.py文件，在實際項目中，如果需要對models進行分類，放到不同文件下，應該怎么辦2013-11-11
Python中pandas庫sort_values()方法的使用
最后去看了有關于 sort_values 的文檔，成功解決先把單詞出現(xiàn)頻次由高往低依次排序，再把頻次相同的情況下的單詞按照 MD5 值排序這個問題，下面通過本文講解下Python中pandas庫sort_values()方法的使用，感興趣的朋友一起看看吧2023-07-07
這篇文章主要介紹了帶你一文讀懂Python垃圾回收機制,如果對其垃圾回收機制不了解，很多時候寫出的 Python 代碼會非常低效,需要的朋友可以參考下2023-04-04
這篇文章主要介紹了Python使用re模塊正則提取字符串中括號內的內容,結合實例形式分析了Python使用re模塊進行針對括號內容的正則匹配操作,并簡單解釋了相關修正符與正則語句的用法,需要的朋友可以參考下2018-06-06