迭代器、生成器与装饰器

可迭代对象

可以被 for 循环遍历的对象就是可迭代对象。

1
2
for item in [1, 2, 3]:
    print(item)

常见可迭代对象：

  • list
  • tuple
  • dict
  • set
  • str
  • 文件对象
  • 生成器

迭代器

迭代器实现了：

  • __iter__()
  • __next__()
1
2
3
numbers = iter([1, 2, 3])
print(next(numbers))
print(next(numbers))

生成器函数

使用 yield 的函数会返回生成器。

1
2
3
4
5
6
7
def countdown(n):
    while n > 0:
        yield n
        n -= 1

for value in countdown(3):
    print(value)

优点：

  • 惰性计算。
  • 节省内存。
  • 适合处理大文件和流水线。

生成器表达式

1
total = sum(x * x for x in range(1_000_000))

列表推导式会立即创建列表，生成器表达式按需产生值。

装饰器

装饰器本质上是接收函数并返回新函数的函数。

1
2
3
4
5
6
7
8
9
10
11
12
13
from functools import wraps

def log_call(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        print(f"calling {func.__name__}")
        return func(*args, **kwargs)

    return wrapper

@log_call
def add(a, b):
    return a + b

常见用途：

  • 日志。
  • 权限检查。
  • 缓存。
  • 计时。
  • 参数校验。

带参数的装饰器

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from functools import wraps

def repeat(times):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            result = None
            for _ in range(times):
                result = func(*args, **kwargs)
            return result

        return wrapper

    return decorator

常见坑

  • 忘记 functools.wraps，导致函数元信息丢失。
  • 生成器只能消费一次。
  • 把生成器转成列表可能占用大量内存。
  • 装饰器里吞掉异常，导致问题难以定位。

练习

  • 写一个读取大文件每次返回一行的生成器。
  • 写一个计时装饰器。
  • 写一个简单缓存装饰器。
  • 用生成器表达式处理 100 万个数字并比较内存差异。