本文共 4498 字，大约阅读时间需要 14 分钟。

迭代器与生成器及异常处理

一、迭代器

迭代器是一种对象，实现了Python的迭代协议（__iter__() 和 __next__() 方法）。通过迭代器，可以逐个访问容器中的元素。

1.1 迭代器的特点

• 惰性计算：按需生成数据，节省内存。
• 实现协议：
  • __iter__()：返回自身。
  • __next__()：返回下一个元素；如果没有更多元素，则抛出 StopIteration 异常。
• **可迭代对象（Iterable）**与迭代器不同：
  • 可迭代对象实现 __iter__() 方法，返回一个迭代器。
  • 迭代器既实现 __iter__() 又实现 __next__()。

1.2 创建迭代器

代码如下（示例）：

arr = [1, 2, 3, 4, 5]
iterator = iter(arr)
# 通过多次调用 next() 获取元素
re = next(iterator)
print(re)  # 输出: 1
re = next(iterator)
print(re)  # 输出: 2
# 迭代器用完后再次调用 next() 会抛出 StopIteration
# try:
#     re = next(iterator)
# except StopIteration:
#     print("迭代器用完")

12345

1.3 自定义迭代器

代码如下：

class Box:
    def __init__(self, width):
        self.width = width
    def __iter__(self):
        return self
    def __next__(self):
        if self.width > 0:
            self.width -= 1
            return self.width
        else:
            raise StopIteration
b1 = Box(6)
for i in b1:
    print(i)

6 5 4 3 2 1

1.4 案例

代码如下：

import math
class myData:
    def __init__(self, data, batch_size=10):
        self.data = data
        self.index = -1
        self.batch_size = batch_size
    def __iter__(self):
        return self
    def __next__(self):
        self.index += 1
        if self.index >= math.ceil(len(self.data) / self.batch_size):
            raise StopIteration
        return self.data[self.index * self.batch_size : self.index * self.batch_size + self.batch_size]
data = myData(
    ["a", "b", "c", "d", "asd", "asd", "asdf", "12as", "asasd",
     "a", "b", "c", "d", "asd", "asd", "asdf", "12as", "asasd"],
    batch_size=4
)
data_loader = iter(data)
# 获取前几批数据
re = next(data_loader)
print(re)  # 输出: ['a', 'b', 'c', 'd']
re = next(data_loader)
print(re)  # 输出: ['asd', 'asd', 'asdf', '12as']
re = next(data_loader)
print(re)  # 输出: ['asasda', 'b', 'c', 'd']
re = next(data_loader)
print(re)  # 输出: ['asd', 'asd', 'asdf', '12as']
re = next(data_loader)
print(re)  # 输出: 'asasd'

['a', 'b', 'c', 'd']['asd', 'asd', 'asdf', '12as']['asasda', 'b', 'c', 'd']['asd', 'asd', 'asdf', '12as']['asasd']

二、生成器

生成器是一种特殊的迭代器，通过函数定义，用 yield 关键字生成值。生成器可以自动实现迭代协议，无需手动实现 __iter__() 和 __next__() 方法。

2.1 生成器的特点

• 简洁：比手动实现迭代器更易写。
• 惰性计算：每次调用 next() 时生成一个值。
• yield：暂停函数执行并返回值，保留函数的状态。

代码如下：

def fn():
    print("111")
    yield "10000"
    print("222")
    yield "20000"
re = fn()
print(1)  # 输出: 1
print(next(re), "=============")  # 输出: 10000 =============
print(2)  # 输出: 2
print(next(re))  # 输出: 20000 =============
print(3)  # 输出: 3

11110000 =============2222200003

2.2 生成器表达式

代码如下：

def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        yield b
        a, b = b, a + b
fib_gen = fibonacci(10)
for num in fib_gen:
    print(num)

11235813213455

2.3 迭代器与生成器的区别对比

三，异常处理

程序可能出错时，后面的代码不执行。为了让程序继续执行，可以使用异常处理语法。异常处理可以让程序在出错后继续执行后面的代码，增强程序的健壮性。

3.1 try 语句

• 作用：捕获异常，通知程序，恢复正常状态。
• 说明：
  • except 子句可以有 1 个或多个错误类型匹配。
  • else 子句在没有错误发生时执行。
  • finally 子句在任何情况下都执行。

代码如下：

try:
    arr = [100, 20]
    x = arr[100]  # 出错
    print(x)
except IndexError:
    print("数组越界")
except ValueError:
    print("数据类型错误")
else:
    print("没有异常")
finally:
    print("不管有没有异常，都会执行")
# 输出:
# 数组越界
# 不管有没有异常，都会执行

3.2 raise 语句

• 作用：主动抛出错误。
• 示例：

def fn():
    x = 10
    if 5 < x:
        print(x)
    else:
        raise ValueError("x的值不在范围内")
try:
    fn()
except ValueError as e:
    print(e)
print("后续代码")

3.3 常见错误类型

以下是几种常见的错误类型及其说明：

3.4 案例

def get_age():
    age = int(input("请输入年龄："))
    if age > 140 or age < 1:
        raise ValueError("年龄超出范围！")
    else:
        print("年龄：", age)
get_age()

ValueError: 年龄超出范围！

转载地址：http://ooofk.baihongyu.com/