Python实现in操作符的技巧
一分耕耘,一分收获!既然都打开这篇《Python 中,若希望一个类支持 in 操作符(即 contains 方法),但不实现 __iter__ 方法,可以通过定义 __contains__ 方法来实现。__contains__ 方法用于定义 in 操作符的行为,而无需实现 __iter__。示例代码class MyContainer: def __init__(self, items): self.items = items def __contains__(self, item): return item in self.items # 使用示例 container = MyContainer([1, 2, 3]) print(2 in container) # 输出: True print(4 in container) # 输出: False说明__contains__ 是 Python 的特殊方法,当使用 in 操作符时会被调用。即使没有实现 __iter__,也可以通过 __contains__ 实现 in 操作符的功能。这种方式适用于你只需要支持 in 检查,而不需要迭代对象的场景。注意事项如果你同时需要支持 for item in obj 这样的迭代操作,则必须实现 __iter__ 方法。如果只希望支持 in 操作符,而不希望对象被迭代,那么只需实现 __contains__ 即可。这种方式在某些特定》,就坚持看下去,学下去吧!本文主要会给大家讲到等等知识点,如果大家对本文有好的建议或者看到有不足之处,非常欢迎大家积极提出!在后续文章我会继续更新文章相关的内容,希望对大家都有所帮助!
__contains__ 不需要 __iter__,因为 in 操作符优先调用 __contains__;仅当其未定义时才回退到迭代。

为什么 __contains__ 不需要 __iter__
Python 的 in 操作符优先调用对象的 __contains__ 方法;只有当该方法未定义时,才退而求其次尝试迭代(即调用 __iter__,再逐个比对)。所以只要明确定义了 __contains__,就完全不必实现 __iter__ —— 这不是权宜之计,而是语言设计的正统路径。
如何正确实现 __contains__ 避免常见错误
最常踩的坑是把 __contains__ 写成线性扫描却没考虑性能或语义边界。它应该快速返回 True 或 False,且行为需与“成员资格”的直觉一致:
- 不要在
__contains__里抛出KeyError或ValueError—— 它只应返回布尔值,异常会中断in判断并报错 - 如果底层用字典或集合存储,直接委托查询:
return item in self._data - 如果逻辑复杂(如范围判断),避免副作用:不要在
__contains__里修改状态、触发 IO 或缓存重建 - 注意类型一致性:比如类表示一个整数区间
RangeSet(1, 10),5 in r应为True,但"5" in r应为False(不隐式转换)
__contains__ 和 __iter__ 同时存在时的行为
两者可以共存,但 in 仍只走 __contains__。这种组合常见于既支持高效成员检查、又支持遍历的容器类:
__contains__可基于哈希表 / 索引 / 数学公式实现 O(1) 或 O(log n) 判断__iter__则按需生成元素,可能较慢或有副作用(如读文件、查数据库)- 若只实现
__iter__而不实现__contains__,in会强制完整迭代——哪怕找到第一个匹配项也会继续跑完,浪费资源
一个轻量但完整的示例
假设你有一个不可变的整数集合包装器,底层用 frozenset,但不想暴露迭代能力:
class IntSet:
def __init__(self, items):
self._data = frozenset(int(x) for x in items)
def __contains__(self, item):
return isinstance(item, int) and item in self._data
这时 5 in IntSet([1, 2, 5]) 返回 True,而 list(IntSet([1,2])) 会报 TypeError: 'IntSet' object is not iterable —— 正是你想要的分离控制。
真正容易被忽略的是:一旦自定义了 __contains__,就要确保它覆盖所有合理输入类型,并拒绝模糊比较(比如不自动把 float(5.0) 当作 int(5)),否则 in 的行为会变得难以预测。
以上就是《Python实现in操作符的技巧》的详细内容,更多关于的资料请关注golang学习网公众号!
2026年装修公司投诉渠道指南
- 上一篇
- 2026年装修公司投诉渠道指南
- 下一篇
- 开机按F1解决方法大全
-
- 文章 · python教程 | 5小时前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 10小时前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 15小时前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 23小时前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python dataclass slots 与 weakref_slot 怎么一起用
- 207浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python tarfile extraction_filter data_filter
- Python tarfile extraction_filter 怎么阻止危险路径
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python pathlib.Path.walk 怎么剪枝目录遍历
- 159浏览 收藏
-
- 文章 · python教程 | 1天前 | python · SQLite · Python sqlite3 autocommit isolation_level SQLite事务
- Python sqlite3 autocommit 与 isolation_level 怎么配合
- 378浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发 · 异步编程 · Python教程 · Python 任务调度 asyncio eager_task_factory
- Python asyncio eager task factory 什么时候会改变执行顺序
- 497浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 253次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 298次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 270次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 250次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 54次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
