Python案例怎么实现迭代器模式？

wen python案例 2026-06-07 77

Python案例：如何优雅实现迭代器模式？——从零到精通的设计模式实战

目录导读

迭代器模式核心概念：为什么需要它？
Python内置迭代器与可迭代对象速览
手写迭代器模式：经典案例（遍历自定义树结构）
进阶优化：生成器与__iter__/__next__的取舍
常见陷阱与问答（Q&A）
何时该用迭代器模式？

迭代器模式核心概念：为什么需要它？

迭代器模式（Iterator Pattern）是一种行为型设计模式，它允许顺序访问集合对象的元素，而不暴露其底层表示，在Python中，我们几乎每天都在无意识地使用它——for item in list、for line in file等等，但如果你需要遍历一个复杂的数据结构（如二叉树、分级菜单、虚拟数据流），手动实现迭代器就变得至关重要。

Python案例怎么实现迭代器模式？

核心角色：

迭代器（Iterator）：定义__next__()方法，返回下一个元素，无元素时抛出StopIteration。
可迭代对象（Iterable）：定义__iter__()方法，返回一个迭代器实例。

问答1：Python中的for循环底层是如何工作的？
答：for x in obj 首先调用iter(obj)，然后反复调用next()直到StopIteration，这解释了为什么所有可迭代对象都能被for消费。

Python内置迭代器与可迭代对象速览

Python已提供了极其丰富的迭代工具：

列表、元组、字典、集合、字符串 都是可迭代对象。
range()、open()、zip()、map() 返回迭代器。
itertools模块 提供无限迭代器（如count）、组合迭代器等。

但内置的迭代器无法满足自定义遍历逻辑，比如你需要后序遍历一个二叉树，或者分页加载数据库查询结果——这时就要自己实现。

手写迭代器模式：经典案例（遍历自定义树结构）

案例描述

实现一个二叉树类，能够按深度优先（前序） 遍历所有节点。

代码实现

class TreeNode:
    def __init__(self, value, left=None, right=None):
        self.value = value
        self.left = left
        self.right = right
class DepthFirstIterator:
    """前序遍历迭代器：根→左→右"""
    def __init__(self, root):
        self.stack = [root]   # 使用栈辅助遍历
    def __iter__(self):
        return self
    def __next__(self):
        if not self.stack:
            raise StopIteration
        current = self.stack.pop()
        # 注意：先压右子节点，再压左子节点，确保左子节点先被处理
        if current.right:
            self.stack.append(current.right)
        if current.left:
            self.stack.append(current.left)
        return current.value
class BinaryTree:
    def __init__(self, root):
        self.root = root
    def __iter__(self):
        return DepthFirstIterator(self.root)

使用示例

# 构建树： 1
#        / \
#       2   3
#      / \
#     4   5
root = TreeNode(1, TreeNode(2, TreeNode(4), TreeNode(5)), TreeNode(3))
tree = BinaryTree(root)
for val in tree:
    print(val, end=' ')  # 输出: 1 2 4 5 3

关键点解析

DepthFirstIterator 实现了完整的迭代器协议（__iter__返回自身，__next__返回值）。
使用栈来模拟递归，避免系统递归深度限制。
BinaryTree.__iter__ 返回一个新迭代器，保证多次遍历相互独立。

问答2：为什么不在BinaryTree中直接实现__next__，而要多写一个类？
答：因为BinaryTree本身是数据容器，如果同时实现__next__，它就会变成自己的迭代器，导致只能被遍历一次，分开设计符合“职责单一原则”，且支持多次独立遍历。

进阶优化：生成器与`iter`/`next`的取舍

Python生成器（yield）是迭代器模式的语法糖，我们完全可以用生成器改写上面的例子：

class BinaryTree:
    def __init__(self, root):
        self.root = root
    def __iter__(self):
        # 使用生成器函数实现前序遍历
        def traverse(node):
            if node:
                yield node.value        # 前序：先根
                yield from traverse(node.left)
                yield from traverse(node.right)
        return traverse(self.root)      # 返回生成器对象

生成器 vs 手动迭代器： | 对比项 | 手动迭代器 | 生成器 | |--------|-----------|--------| | 代码量 | 较多 | 简洁 | | 灵活性 | 可存储额外状态 | 状态隐含在yield中 | | 性能 | 稍快（无yield开销） | 几乎无差异 | | 适用场景 | 复杂状态管理 | 绝大多数遍历需求 |

建议：优先用生成器，除非你需要暂停/恢复迭代或修改迭代过程中栈的状态。