Python 自定义迭代器类与生成器？

下面是一个例子。我想大致了解，当可以定义生成器函数时，是否有理由定义自定义迭代器类

我需要迭代一个序列，将每个元素转换为int，例如

# seq is a sequence of strings or in general anything convertible to int
def f(seq):
    # ...
    g(int_iter(seq))

# iseq is a numeric sequence
def g(iseq):
    it = iter(iseq)
    # ...

我可以使用自定义迭代器类：

# iterator converting elements it iterates over to int
class int_iter:
    def __init__(self, iterable):
        self.it = iter(iterable)

    def __iter__(self):
        return self

    def __next__(self):
        return int(next(self.it))

class iter_str(object):

    def __init__(self, iterable):
        self._iterable = iterable
        self._iterator = self._get_iter(self._iterable)

    def __iter__(self):
        return self

    def __next__(self):
        return str(next(self._iterator))

    @staticmethod
    def _get_iter(iterable):  # a generator for forward iteration
        for element in iterable:
            yield element

test_iter = iter_str(source_list)
for element in test_iter:
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' '5' '6' '7' '8' '9' 

或发电机功能：

def int_iter(seq):
    return (int(i) for i in seq)

这些解决方案总是可以互换的吗？
它们是否等效有效（时间和空间方面）？
从风格上看，它们中有哪一个被认为更好

---

谢谢

这完全取决于您对对象的期望功能。如果您只需要一个一次性iterable作为结果，它在内存方面进行了优化，而不是列表、元组等容器，那么最好的方法是使用生成器表达式。如果你想让你的对象可以多次使用，你应该使用列表理解或其他等价物（集合理解等）

---

如果您想要容器或生成器无法满足的更多功能，则应使用自定义对象，并将预期的功能作为不同的方法添加到类中。

如果我要将其作为答案来编写，那么让我们添加一些示例来演示其差异。假设我们有一个简单的iterable，比如：

source_list = list(range(10))  # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

如果您想将其转换为字符串列表，除了前面提到的

map（）

之外，还有很多其他方法可以用于此目的-您可以使用一个简单的生成器：

def gen_str(iterable):  # this is equivalent to returning an in-line generator
    for element in iterable:
        yield str(element)

test_gen = gen_str(source_list)
for element in test_gen:
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' '5' '6' '7' '8' '9' 

也可以编写完整的迭代器类：

# iterator converting elements it iterates over to int
class int_iter:
    def __init__(self, iterable):
        self.it = iter(iterable)

    def __iter__(self):
        return self

    def __next__(self):
        return int(next(self.it))

class iter_str(object):

    def __init__(self, iterable):
        self._iterable = iterable
        self._iterator = self._get_iter(self._iterable)

    def __iter__(self):
        return self

    def __next__(self):
        return str(next(self._iterator))

    @staticmethod
    def _get_iter(iterable):  # a generator for forward iteration
        for element in iterable:
            yield element

test_iter = iter_str(source_list)
for element in test_iter:
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' '5' '6' '7' '8' '9' 

到目前为止，它们是相同的-但是如果您想在迭代时跳过几个元素，会发生什么呢？您不能指示生成器这样做，为了跳过元素，您需要在迭代代码本身中添加按穷举法跳过逻辑，即：

test_gen = gen_str(source_list)
for element in test_gen:
    if element == "5":
        for _ in range(3):
            next(test_gen)
        continue
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' '9' 

另一方面，使用迭代器类，您可以通过添加一个简单的

skip（）

方法来封装控件，如：

def skip(self, elements=1):
    for _ in range(elements):
        next(self._iterator)

然后您可以优雅地执行以下操作：

test_iter = iter_str(source_list)
for element in test_iter:
    if element == "5":
        element = test_iter.skip(3)
        continue
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' '9' 

但这只是冰山一角——如果您想在迭代中途停止生成字符串并使用原始数据，该怎么办？无法通知生成器这样做（除非您通过传递一些外部控制变量来构建它），而对迭代器类的简单更改允许您准确地执行以下操作：

class iter_str(object):

    def __init__(self, iterable, string_mode=True):
        self._iterable = iterable
        self.string_mode = string_mode
        self._iterator = self._get_iter(self._iterable)

    def __iter__(self):
        return self

    def __next__(self):
        element = next(self._iterator)
        if self.string_mode:
            return str(element)
        return element

    @staticmethod
    def _get_iter(iterable):  # a generator for forward iteration
        for element in iterable:
            yield element

test_iter = iter_str(source_list)
for element in test_iter:
    if element == "4":
        test_iter.string_mode = False
    print(repr(element), end=" ")
# '0' '1' '2' '3' '4' 5 6 7 8 9 

通过这种方式，您可以在迭代中添加任意控制，包括反转、重复迭代，甚至在迭代中途切换迭代器源等等。简单的生成器不允许您在没有重大麻烦的情况下执行任何操作

至于效率，从这个例子中可以明显看出，发电机的效率更高，因为我们依赖于内部发电机，但是，如果您需要控制iterable的生命周期，那么性能损失将很快消失，因为您必须添加更复杂的检查，并且如果试图绕过发电机限制，通常会使您的生活变得悲惨

---

我不会对样式发表评论，但我认为，一般来说，最好使用最好的工具来完成一项工作-如果您不需要iterable的生命周期控制，请继续使用生成器，如果需要，可以使用迭代器类。

。。。或者你也可以，你知道，使用一个专门为此设计的函数：

map（int，seq）

@zwer简单而酷。我需要检查

map

是否预先创建了完整的序列，我想避免在Python3.x中生成迭代器。在Python2.x中，它创建了一个完整的序列。但即使在Python2.3+中也有

itertools.imap

，它生成了一个映射迭代器。例如，

map（）

是一种方法，一般来说，自定义迭代器类允许您控制iterable的整个生命周期，包括反转，跳过并通常添加自定义控件。生成器在这方面受到了更多的限制，因为您无法真正指示它们中途更改其行为（除非您在创建过程中向它们传递一个“控制”变量，但这有点不妥）。回答得很好，谢谢！一个小问题-为什么要使用自定义的

\u get\u iter

函数而不是内置的

self.\u iterator=iter（self.\u iterable）

？@davka-在这个特殊的例子中，实际上没有什么区别，更多的是对自我控制迭代的偏好，以及随之而来的一些额外功能。例如，如果您想要添加循环迭代，那么您所要做的就是将

\u get\u iter（）

内部放入

while True

循环中，并使用它完成，而如果您使用了迭代器，则必须执行更复杂的检查。事实上，我计划在打开/关闭循环后再循环一段时间，作为一个额外的控件来显示自定义迭代器类对生成器的能力，但为了简洁起见，我决定不使用它。