当谈论迭代器时，我谈些什么？

樱雨楼 | 原创作者

豌豆花下猫 | 编辑润色

0 前言

迭代器（Iterator）是 Python 以及其他各种编程语言中的一个非常常见且重要，但又充满着神秘感的概念。无论是 Python 的基础内置函数，还是各类高级话题，都处处可见迭代器的身影。

那么，迭代器究竟是怎样的一个概念？其又为什么会广泛存在于各种编程语言中？本文将基于 C++ 与 Python，深入讨论这一系列问题。

1 什么是迭代器？我们为什么要使用迭代器？

什么是迭代器？当我初学 Python 的时候，我将迭代器理解为一种能够放在“for xxx in …”的“…”位置的东西；后来随着学习的深入，我了解到迭代器就是一种实现了迭代器协议的对象；学习 C++ 时，我了解到迭代器是一种行为和指针类似的对象…

事实上，迭代器是一个伴随着迭代器模式（Iterator Pattern）而生的抽象概念，其目的是分离并统一不同的数据结构访问其中数据的方式，从而使得各种需要访问数据结构的函数，对于不同的数据结构可以保持相同的接口。

在很多讨论 Python 迭代器的书籍与文章中，我看到这样两种观点： 1. 迭代器是为了节约数据结构所产生的内存； 2. 遍历迭代器效率更高。

这两点论断都是很 不准确 的：首先，除了某些不定义在数据结构上的迭代器（如文件句柄，itertools 模块的 count、cycle 等无限迭代器等），其他迭代器都定义在某种数据结构上，所以不存在节约内存的优势；其次，由于迭代器是一种高度泛化的实现，其需要在每一次迭代器移动时都做一些额外工作（如 Python 需要不断检测迭代器是否耗尽，并进行异常监测；C++ 的 deque 容器需要对其在堆上用于存储的多段不连续内存进行衔接等），故遍历迭代器的效率一定低于或几乎接近于直接遍历容器，而不太可能高于直接遍历原容器。

综上所述，迭代器存在的意义，不是为了空间换时间，也不是为了时间换空间，而是一种适配器（Adapter）。 迭代器的存在，使得我们可以使用同样的 for 语句去遍历各种容器，或是像 C++ 的 algorithm 模块所示的那样，使用同样的接口去处理各种容器。

这些容器可以是一个连续内存的数组或列表，或是一个多段连续内存的 deque，甚至是一个完全不连续内存的链表或是哈希表等等，我们完全不需要关注迭代器对于不同的容器究竟是怎么取得数据的。

2 C++中的迭代器

2.1 泛化指针

在 C++ 中，迭代器通过泛化指针（Generalized Pointer）的形式呈现。泛化指针与仿函数（Functor）的定义类似，其包含以下两种情况：

1. 是一个真正的指针

2. 不是指针，但重载了某些指针运算符（如“*，++，--，!=” 等），使得其行为和指针相似

根据泛化指针为了将其“伪装”成一个真正的指针从而重载的运算符的数量，迭代器被分为五种，如下文所示。

2.2 C++的迭代器分类

C++ 的迭代器按其所支持的行为被分为五类：

1. 输入迭代器（Input Iterator）：仅可作为右值（rvalue），不可作为左值（lvalue）。可以进行比较（“== 与 !=”）

2. 输出迭代器（Output Iterator）：仅可作为左值，不可作为右值

3. 前向迭代器（Forward Iterator）：支持一切输入迭代器的操作，以及单步前进操作（++）

4. 双向迭代器（Bidirectional Iterator）：支持一切前向迭代器的操作，以及单步后退操作（--）

5. 随机访问迭代器（Random Access Iterator）：支持一切双向迭代器操作，以及非单步双向移动操作

对于前向迭代器，双向迭代器，以及随机访问迭代器，如果其不存在底层 const（Low-Level Const）限定，则同时也支持一切输出迭代器操作。

2.3 迭代器适配器

C++ 中还存在一系列迭代器适配器，用于使得一些非迭代器对象的行为类似于迭代器，或修改迭代器的一些默认行为，大致包含如下几个类别：

1. 插入迭代器（Insert Iterator）：使得对迭代器左值的写入操作变为向容器中插入数据的操作，按插入位置的不同，可分为 front_insert_iterator，back_insert_iterator 和 insert_iterator

2. 反向迭代器（Reverse Iterator）：对调迭代器的移动方向。使得“+”操作变为向左移动，同时“-”操作变为向右移动（类似于 Python 的 reversed 函数）

3. 移动迭代器（Move Iterator）：使得对迭代器的取值变为右值引用（Rvalue Reference）

4. 流迭代器（Stream Iterator）：使流对象的行为适配迭代器（类似于 Python 的文件句柄）

3 Python中的迭代器

3.1 迭代器协议

在 Python 中，迭代器基于鸭子类型（Duck Type）下的迭代器协议（Iterator Protocol）实现。迭代器协议规定：如果一个类想要成为可迭代对象（Iterable Object），则其必须实现__iter__方法，且其返回值需要是一个实现了__next__方法的对象。

即：实现了__iter__方法的类将成为可迭代对象，而实现了__next__方法的类将成为迭代器。

显然，__iter__方法是 iter 函数所对应的魔法方法，__next__方法是 next 函数所对应的魔法方法。

对于一个可迭代对象，针对“谁实现了__next__方法？”这一问题进行讨论，可将可迭代对象的实现分为两种情况：

1. self 未实现__next__：如果__iter__方法的返回值就是一个 Iterator，则此时 self 即为一个可迭代对象。此时，self 将迭代操作“委托”到了另一个数据结构上。示例代码如下：

class SampleIterator:
    def __iter__(self):
        return iter(...)

2. self 实现了__next__：如果__iter__方法返回 self，则说明 self 本身将作为迭代器，此时 self 本身需要继续实现__next__方法，以实现完整的迭代器协议。示例代码如下：

class SampleIterator:
    def __iter__(self):
        return self

    def __next__(self):
        # Not The End
        if ...:
            return ...
        # Reach The End
        else:
            raise StopIteration

此例可以看出，当迭代器终止时，通过抛出 StopIteration 异常告知 Python 迭代器已耗尽。

3.2 生成器

生成器（Generator）是 Python 特有的一组特殊语法，其主要目的为提供一个基于函数而不是类的迭代器定义方式。同时，Python 也具有生成器推导式，其基于推导式语法快速建立迭代器。生成器一般适用于需要创建简单逻辑的迭代器的场合。

只要一个函数的定义中出现了 yield 关键词，则此函数将不再是一个函数，而成为一个“生成器构造函数”，调用此构造函数即可产生一个生成器对象。

由此可见，如果仅讨论该语法本身，而不关心实现的话：生成器只是“借用”了函数定义的语法，实际上与函数并无关系（并不代表生成器的底层实现也与函数无关）。示例代码如下：

def SampleGenerator():
    yield ...
    yield ...
    yield ...

生成器推导式则更为简单，只需要将列表推导式的中括号换为小括号即可：

(... for ... in ...)

综上所述，生成器是 Python 独有的一类迭代器的特殊构造方式。生成器一旦被构造，其会自动实现完整的迭代器协议。

3.3 无限迭代器

itertools 模块中实现了三个特殊的无限迭代器（Infinite Iterator）：count，cycle 以及 repeat，其有别于普通的表示范围的迭代器。如果对无限迭代器进行迭代将导致无限循环，故无限迭代器通常只可使用 next 函数进行取值。

关于无限迭代器的详细内容，可参阅 Python 文档。 (注：我在  Python进阶：设计模式之迭代器模式  写过)

3.4 与C++迭代器的比较

经过上文的讨论可以发现，Python 只有一种迭代器，此种迭代器只能进行单向，单步前进操作，且不可作为左值。故 Python 的迭代器在 C++ 中应属于单向只读迭代器，这是一种很低级的迭代器。

此外，由于迭代器只支持单向移动，故一旦向前移动便不可回头，如果遍历一个已耗尽迭代器，则 for 循环将直接退出，且无任何错误产生，此种行为往往会产生一些难以察觉的 bug，实际使用时请务必注意。

综上所述， Python 对于迭代器的实现其实是高度匮乏的，应谨慎使用。

4 迭代器有效性

4.1 什么是迭代器有效性？

由于迭代器本身并不是独立的数据结构，而是指向其他数据结构中的值的泛化指针，故和普通指针一样，一旦指针指向的内存发生变动，则迭代器也将随之失效。

如果迭代器指向的数据结构是只读的，则显然，直到析构函数被调用，迭代器都不会失效。但如果迭代器所指向的数据结构在其存在时发生了插入或删除操作，则迭代器将可能失效。故讨论某个操作是否会导致指向容器的迭代器失效，是一个很重要的话题。

4.2 C++的迭代器有效性

由于 Python 中没有 C++ 的 list、deque 等数据结构实现，故本文只简单地讨论 vector 与 unordered_map 这两种数据结构的迭代器有效性。

对于 vector，由于其存在内存扩容与转移操作，故任何会潜在导致内存扩容的方法都将损坏迭代器，包括 push_back、emplace_back、insert、emplace 等。

unordered_map 与 vector 的情形类似，对 unordered_map 进行任何插入操作也将损坏迭代器。

4.3 Python的迭代器有效性

注：本节所讨论全部内容均基于实际行为进行猜想和推论，并没有经过对 Python 源代码的考察和验证，仅供读者参考。

4.3.1 尾插入操作不会损坏指向当前元素的List迭代器

考察如下代码：

numList = [1, 2, 3]
numListIter = iter(numList)
next(numListIter)

for i in range(1000000):
    numList.append(i)

# print 2
print(next(numListIter))

如果在 C++ 中对一个 vector 执行这么多次的 push_back，则指向第二个元素的迭代器一定早已失效。但在 Python 中可以看到，指向 List 的迭代器并未失效，其仍然返回了 2。

故可猜想：Python 对于 List 所产生的迭代器并不跟踪指向 List 元素的指针，而仅仅跟踪的是容器的索引值。

4.3.2 尾插入操作会损坏List尾迭代器

numList = [1,2]
numListIter = iter(numList)

# 1
next(numList)
numList.append(3)

# 2 
next(numListIter)

# 3
print(next(numListIter))

首先，Python 不存在尾迭代器这一概念。但由上述代码可知，当迭代器所指向的 List 变长后，迭代器的终止点也随之变化，即：原先的尾迭代器将不再适用。

按照“迭代器仅跟踪元素索引值”这一推断，也能解释这一行为。

4.3.3 迭代器一旦耗尽，则将永久损坏

考察如下代码：

numList = [1,2]
numListIter = iter(numList)
for _ in numListIter:
    pass

numList.append(3)

# StopIteration
print(next(numListIter))

当 for 一个迭代器后，迭代器将耗尽，在 C++ 中，这将导致头尾迭代器相等，但由上述代码可知， Python 的迭代器一旦耗尽，便不再可以使用，即使继续往容器中增加元素也不行。

由此可见， Python 的迭代器中可能存在某种用于指示迭代器是否被耗尽的标记，一旦迭代器被标记为耗尽状态，便永远不可继续使用了。

4.3.4 任何插入操作都将损坏Dict迭代器

考察如下代码：

numDict = {1:2}
numDictIter = iter(numDict)
numDict[3] = 4

# RuntimeError
next(numDictIter)

当对一个 Dict 进行插入操作后，原 Dict 迭代器将立即失效，并抛出 RuntimeError。这与 C++ 中的行为是一致的，且更为安全。

Set 与 Dict 具有相同的迭代器失效性质，不再重复讨论。

5 后记

迭代器的故事到这里就结束了。 总的看来，Python 中的迭代器虽应用广泛，但并不是一种高级的，灵活的实现，且存在着一些黑魔法。 故唯有深入的去理解，才能真正的用好迭代器。 祝编程愉快~

（花下猫注： 鉴于有同学看完本文，可能想要加群交流，我补充两句。 我们群虽然是免费群，但一直想走高质量的技术交流路线，因此既限制人数，也严审核。 公众号菜单栏有我联系方式，感兴趣的同学欢迎查看了解。 ）

看看历史文章，一起学 Python