Python中的迭代器漫谈

问题是在Python中进行循环的时候产生的，熟悉Python的都知道，它没有类似其它语言中的for循环, 只能通过for in的方式进行循环遍历。最典型的应用就是通过range函数产生一个列表，然后用for in进行操作，如下:

复制代码 代码如下:
#!/usr/bin/env python
for i in range(10):
    print i

代码的意义很好理解，range会产生一个列表，用for in最这个列表进行遍历，就有和类似for(i = 0;i<n;i++)同样的效果，range函数的详解可以看这里。问题又来了，range这个对象会产生一个列表，那么这个列表的内容铁定是存放在内存当中的，当需要的循环数量太大时，是相当占用内存的, 为了统计使用range占用内存的情况，我做了6次使用，分别用range产生100，10000，100000，1000000，10000000,100000000长度的列表，然后统计内存的占用:
复制代码 代码如下:
测试代码 占用内存
range(100) 2.0MB
range(10000) 2.2MB
range(100000) 3.8MB
range(1000000) 19.5MB
range(10000000) 168.5MB
range(100000000) 1465.8MB

可以看到，随着基数的加大，占用内存呈几何倍数增加，显然在进行大循环操作的时候，要避免使用range。

为了解决上述问题，python提供了另外一个函数xrange，这个函数和range非常相似，但是占用内存比range会小很多，相关的说明可以查看这里，经过测试，用xrange产生的对象，不管参数是多少，占用内存几乎都没有变化。问题又来了，xrange内部是如何实现的，为什么和range性能相差这么大？为了验证我的猜想，先尝试用python实现类似xrange的函数zrange:
复制代码 代码如下:
#!/usr/bin/env python
class zrange(object):
    def __init__(self,stop):
        self.__pointer=0
        self.stop=stop
    def __iter__(self): 
        return self 
    def next(self): #python3.0中，改用__next__
        if self.__pointer  >= self.stop:
            raise StopIteration
        else:
            self.__pointer = self.__pointer + 1
            return self.__pointer-1
test = zrange(10000000)
for i in test:
    print i

运行的结果和xrange一样, 对zrange进行内存占用测试，发现和xrange一样，参数的大小对内存占用几乎没有影响。那么它和range的区别在哪里呢？

前面说到，range产生的是一个列表，而无论是自定义的zrange还是系统内置的xrange产生的都是一个对象，像xrange或者zrange产生的对象，就叫做可迭代对象, 它给外部提供了一种遍历其内部元素，而不用关心其内部实现的方法。上面zrange的实现中, 最关键的实现是建立了一个内部指针__pointer, 它记录当前的访问的位置, 下次的访问就可以通过指针的状态进行相应的操作。

Python或者其它语言中，还有很多类似通过迭代的方式访问对象内容的，如读取一个文件中的内容:
复制代码 代码如下:
#!/usr/bin/env python
f = open('zrange.py','r')
while True:
    line = f.readline()
    if not line:
        break
    print line.strip()
f.close()

大家都知道用readline要比reandlines节省资源，其实readline和readlines就类似于xrange和range，一个是通过指针记录当前位置，下次访问把指针往前移动一个单位，另外一个是直接把所有内容存放到内存当中。文件操作函数中，还可以通过seek手动的调整指针的位置，从而达到跳过或者重复读取某些内容的目的。

可以说，迭代器的实现中，其内部指针是节省资源，让迭代正常运行的关键。