日照市网站建设_网站建设公司_响应式开发_seo优化

你想系统掌握 Python 中迭代器、生成器的核心概念与使用方法，同时学会给对象（类实例、自定义类）动态新增属性和方法，理解这些特性的底层逻辑和实际应用场景，写出更高效、灵活的 Python 代码。

下面分模块讲解，每个部分都配有可直接运行的示例，兼顾原理和实用性：

一、迭代器（Iterator）：可逐个取值的「容器」

1.1 核心定义

迭代器是实现了「迭代器协议」的对象，必须满足两个条件：

• 实现__iter__()方法：返回迭代器自身（用于兼容可迭代对象协议）；
• 实现__next__()方法：返回下一个元素，无元素时抛出StopIteration异常。

前置概念：可迭代对象（Iterable）

• 像列表、字符串、字典这类能被for循环遍历的对象，都属于「可迭代对象」；
• 可迭代对象实现了__iter__()方法，但未实现__next__()；
• 可通过iter()函数将「可迭代对象」转为「迭代器」。

1.2 基础用法示例

python

# 1. 可迭代对象转迭代器 nums = [1, 2, 3] # 列表是可迭代对象，不是迭代器 iter_nums = iter(nums) # 转为迭代器 # 2. 用next()取值（手动遍历） print(next(iter_nums)) # 输出：1 print(next(iter_nums)) # 输出：2 print(next(iter_nums)) # 输出：3 # print(next(iter_nums)) # 无元素，抛出 StopIteration 异常 # 3. for循环自动处理迭代器（自动调用next()和捕获异常） iter_nums2 = iter(nums) for num in iter_nums2: print(num) # 输出：1 2 3 # 4. 自定义迭代器（实现斐波那契数列） class FibIterator: def __init__(self, max_num): self.max_num = max_num # 最大项数 self.a, self.b = 0, 1 # 初始值 self.count = 0 # 已生成项数 # 实现__iter__，返回自身 def __iter__(self): return self # 实现__next__，生成下一个值 def __next__(self): if self.count < self.max_num: result = self.a self.a, self.b = self.b, self.a + self.b self.count += 1 return result else: raise StopIteration # 终止迭代 # 使用自定义迭代器 fib = FibIterator(5) for num in fib: print(num) # 输出：0 1 1 2 3

1.3 迭代器核心特点

• 惰性计算：只在调用next()时生成下一个值，无需一次性加载所有数据，节省内存；
• 单向遍历：只能从前往后取，无法回退或重置（除非重新创建迭代器）；
• 一次性：遍历完后无法再次使用（需重新生成）。

二、生成器（Generator）：简化版迭代器

2.1 核心定义

生成器是特殊的迭代器，无需手动实现__iter__()和__next__()（解释器自动实现），通过yield关键字创建，分为两种形式：

1. 生成器函数：包含yield关键字的函数（而非return）；
2. 生成器表达式：类似列表推导式，用()代替[]，更简洁。

2.2 生成器函数（核心用法）

• 调用生成器函数时，不会立即执行函数体，而是返回一个「生成器对象」；
• 执行到yield时，函数暂停并返回当前值，下次调用next()时从暂停处继续执行；
• 函数执行完毕（无更多yield），自动抛出StopIteration。

python

# 生成器函数实现斐波那契数列（对比自定义迭代器，代码大幅简化） def fib_generator(max_num): a, b = 0, 1 count = 0 while count < max_num: yield a # 暂停并返回当前值 a, b = b, a + b count += 1 # 使用生成器 fib = fib_generator(5) print(next(fib)) # 0 print(next(fib)) # 1 for num in fib: print(num) # 1 2 3 # 生成器支持直接遍历（无需手动转迭代器） fib2 = fib_generator(3) for num in fib2: print(num) # 0 1 1

2.3 生成器表达式（简洁写法）

python

# 生成器表达式（对比列表推导式） gen = (x * 2 for x in range(3)) # 生成器，惰性计算 lst = [x * 2 for x in range(3)] # 列表，一次性生成所有值 print(gen) # 输出：<generator object <genexpr> at 0x...> print(lst) # 输出：[0, 2, 4] # 遍历生成器 for num in gen: print(num) # 0 2 4 # 内存优势：处理大数据时，生成器远优于列表 # 比如生成1000万个数字，列表会占满内存，生成器几乎不占内存 big_gen = (x for x in range(10_000_000)) # big_lst = [x for x in range(10_000_000)] # 大概率触发内存不足

2.4 生成器核心特点

• 比迭代器代码更简洁（无需写__iter__/__next__）；
• 完全继承迭代器的「惰性计算」「单向遍历」特性；
• 支持send()方法（进阶）：可在暂停时向生成器传入值，实现双向通信。

三、动态新增属性及方法（Python 动态语言特性）

Python 是动态语言，允许在运行时给「类」或「类实例」动态新增属性、方法（无需提前在类定义中声明）。

3.1 动态新增属性

（1）给实例新增属性（仅影响当前实例）

python

# 定义基础类 class Person: def __init__(self, name): self.name = name # 初始化属性 # 创建实例 p1 = Person("张三") print(p1.name) # 张三 # 动态新增实例属性 p1.age = 25 p1.gender = "男" print(p1.age) # 25 print(p1.gender) # 男 # 其他实例不受影响 p2 = Person("李四") # print(p2.age) # 报错：AttributeError: 'Person' object has no attribute 'age'

（2）给类新增属性（影响所有实例，包括已创建的）

python

# 给Person类新增类属性 Person.country = "中国" # 已创建的p1、p2都能访问该属性 print(p1.country) # 中国 print(p2.country) # 中国 # 新创建的实例也能访问 p3 = Person("王五") print(p3.country) # 中国

3.2 动态新增方法

需要借助types.MethodType将函数绑定为实例 / 类的方法，分为三种类型：

（1）动态新增实例方法（仅影响当前实例）

python

import types # 定义一个普通函数（待绑定为实例方法） def say_hello(self): print(f"你好，我是{self.name}") # 绑定到p1实例 p1.say_hello = types.MethodType(say_hello, p1) p1.say_hello() # 输出：你好，我是张三 # p2实例无此方法 # p2.say_hello() # 报错：AttributeError: 'Person' object has no attribute 'say_hello'

（2）动态新增类方法（影响所有实例）

python

# 定义类方法（第一个参数为cls） def get_class_name(cls): print(f"类名：{cls.__name__}") # 绑定为类方法 Person.get_class_name = classmethod(get_class_name) # 类和所有实例都能调用 Person.get_class_name() # 输出：类名：Person p1.get_class_name() # 输出：类名：Person p2.get_class_name() # 输出：类名：Person

（3）动态新增静态方法（无 self/cls 参数）

python

# 定义静态方法 def print_info(): print("这是Person类的静态方法") # 绑定为静态方法 Person.print_info = staticmethod(print_info) # 类和实例都能调用 Person.print_info() # 输出：这是Person类的静态方法 p1.print_info() # 输出：这是Person类的静态方法

3.3 注意事项

• 动态新增的属性 / 方法仅在运行时生效，代码可读性会降低（建议仅在特殊场景使用，如动态扩展功能）；
• 实例方法仅绑定到当前实例，类方法 / 静态方法绑定到类，影响所有实例；
• 可通过del关键字删除动态新增的属性 / 方法（如del p1.age、del Person.print_info）。

总结

关键点回顾

1. 迭代器与生成器：
   • 迭代器是实现__iter__()/__next__()的对象，核心是「惰性计算」；
   • 生成器是简化版迭代器，用yield实现，代码更简洁，优先使用生成器而非手动写迭代器；
   • 两者都适合处理大数据集，节省内存。
2. 动态新增属性 / 方法：
   • 实例属性仅影响当前实例，类属性 / 方法影响所有实例；
   • 实例方法需用types.MethodType绑定，类方法 / 静态方法需用classmethod/staticmethod装饰；
   • 体现 Python 动态语言特性，但需注意代码可维护性。
3. 核心关联：生成器本质是迭代器，无需手动实现迭代器协议；动态特性可用于给迭代器 / 生成器类动态扩展功能。

这些特性是 Python 的核心优势，迭代器 / 生成器适合高性能数据处理，动态属性 / 方法适合灵活的功能扩展，掌握后能大幅提升代码的灵活性和效率。