企业官网建设流程全解析

• 教程
• 文档

unfold是 30-seconds-of-python 仓库中一个典型的函数式列表构建工具：它不直接枚举元素，而是借助一个「迭代器函数 + 初始种子值」的组合，反复推进状态、产出元素，直到满足终止条件。本文以仓库文档 snippets/unfold.md 为骨架，逐行拆解其实现原理、返回值契约与示例推演，并对照仓库中fibonacci、geometric-progression、daterange等同类列表生成片段，帮助你彻底掌握这一简洁而强大的 Python 惯用法。

什么是 unfold：从种子值「展开」出列表

在函数式编程中，fold（归约）与unfold（展开）是一对方向相反的操作：

• fold/reduce把一组值逐步合并成一个结果，例如仓库中的 lcm.md 用functools.reduce()把一组数字归约为最小公倍数；
• unfold则恰好相反：从一个初始种子值出发，反复调用迭代器函数，把每次产出的value收集起来，形成一个列表。

unfold适合那些「由当前状态推算出下一步状态」的生成场景——序列的长度不事先确定，而是由迭代器函数内部的终止条件动态决定。这与使用range()+ 列表推导式一次性算好长度的方式（如 geometric-progression.md）形成了鲜明的互补。

核心实现逐行解析

仓库中unfold的完整实现如下（来自 snippets/unfold.md）：

def unfold(fn, seed): def fn_generator(val): while True: val = fn(val[1]) if val == False: break yield val[0] return [i for i in fn_generator([None, seed])]

整个实现由三部分构成，可以对照逐行理解：

1. 外层函数签名：unfold(fn, seed)接收两个参数——迭代器函数fn与初始种子值seed。
2. 内部生成器fn_generator(val)：这是一个标准的生成器函数，使用while True构成无显式上限的循环：
   • 每次迭代先执行val = fn(val[1])，把当前种子的下一个状态交给迭代器函数处理；
   • 若返回值等于False，立即break跳出循环，终止生成；
   • 否则通过yield val[0]把本次产出的value吐给调用方。
3. 外层列表推导式：[i for i in fn_generator([None, seed])]把生成器产出的所有value收集成最终列表。

这里有一个精巧的细节：生成器的初始输入是[None, seed]这个二元列表——val[1]首次取值即为seed，从而让fn的第一轮调用作用在种子值上，同时保持循环体内「先取val[1]、再产出val[0]」的统一形态。这种把种子打包进首轮输入的写法，让代码在没有任何特判分支的情况下完成了首轮初始化。

迭代器函数的返回值契约

文档对迭代器函数fn提出了严格的契约，这也是使用unfold前必须遵守的约定：

• 必须只接受一个参数（即当前种子seed）；
• 必须返回一个包含两个元素的列表[value, nextSeed]，其中value是本次要产出到结果列表的元素，nextSeed是下一轮迭代使用的种子；
• 或者返回False以终止整个生成过程。

也就是说，fn每一次调用都在回答两个问题：「这次产出什么？」和「下一次基于什么状态继续？」。当它不再有内容可产出时，用False作为哨兵值通知生成器收尾。

值得注意的一点是：外层判断写的是if val == False，使用的是相等性比较而非is False或not val。由于 Python 中0 == False为True，如果迭代器函数返回整数0也会触发终止；但返回None、空列表等其它假值则不会终止。因此实际编写迭代器函数时，建议严格按文档约定返回字面量False，避免语义混淆。

示例推演：unfold(f, 10)

文档给出了如下示例：

f = lambda n: False if n > 50 else [-n, n + 10] unfold(f, 10) # [-10, -20, -30, -40, -50]

迭代器函数f的逻辑是：当种子n > 50时返回False终止；否则返回[-n, n + 10]——即产出负值-n，并把种子推进到n + 10。整个执行过程可以逐步推演：

于是生成器依次yield出-10, -20, -30, -40, -50，外层列表推导式收集后即得到最终结果。注意终止条件用的是严格大于（n > 50），因此种子恰好为 50 时仍会再产出最后一轮，这与break时机直接相关。

边界情况与使用注意

基于上述实现，可以总结出几个在实战中需要留意的边界行为：

• 立即终止：若迭代器函数对种子值直接返回False，fn_generator在首轮即break，unfold返回空列表[]，不会抛错。
• 永不终止的风险：由于外层是while True且没有轮次上限，一旦迭代器函数在任何一轮忘记返回False，生成器将无限运行。在要求严谨的场景（如处理不可信输入）下，可以自行给fn_generator增加最大迭代次数的保险丝。
• 惰性求值的代价：生成器本身是惰性的，元素是逐个被拉取的；虽然外层用列表推导式一次性物化，但也可以改写为list(fn_generator([None, seed]))达到相同效果。若后续只需要前 N 个元素，甚至可以直接消费生成器而无需构建完整列表。
• 种子的任意性：种子值seed不限于数字——只要迭代器函数能够接收并更新它，任何 Python 对象（元组、列表、字典等）都可以作为状态载体，这为unfold的通用性留出了空间。

与仓库中其他列表构建片段的对比

unfold并非仓库中唯一生成列表的方式，把它与同类片段放在一起对比，更能看清各自的适用边界：

• fibonacci.md：用while len(sequence) <= n+list.append()逐项累加，属于命令式写法，长度由外部参数n决定；
• geometric-progression.md：用math.log与math.floor先算出项数，再通过range()+ 列表推导式一次性构造，适合「长度可闭式计算」的等比数列；
• daterange.md：用(end - start).days确定天数，再以timedelta列表推导式生成日期序列；
• roll.md：用切片lst[-offset:] + lst[:-offset]对既有列表做旋转，属于对已有数据重排而非生成。

相比之下，unfold的独到之处在于：生成逻辑完全由迭代器函数自治——何时停止、产出什么、状态如何推进，全部内聚在fn一个函数里。当你需要「根据当前状态推出下一状态，直到满足某个动态条件」时，例如模拟递推序列、逐步展开嵌套结构、按规则迭代探索状态空间，unfold都是比手写while+append更简洁、更聚焦的抽象。

仓库规范：snippet 的书写约定

从实现细节还可以观察到 30-seconds-of-python 对片段代码的格式约定，这些规则在 CONTRIBUTING.md 中有明确要求，unfold本身即是符合规范的范例：

• 缩进：统一使用 2 个空格的软缩进（soft tabs），不使用硬 Tab；
• 风格：逗号后保留一个空格，变量名使用有意义的命名（如seed、val），不使用首尾下划线；
• 依赖：片段只允许使用 Python 3.6 原生模块，禁止引入外部库；
• 文件结构：每个片段是一个位于 snippets/ 目录下的 Markdown 文件，以 YAML frontmatter 声明元信息，正文则按 snippet-template.md 的格式组织：先以要点说明工作原理，再给出代码块与带注释的输出示例。

unfold.md的 frontmatter 就是典型样例：

--- title: Unfold list type: snippet tags: [function,list] cover: painters-desk dateModified: 2020-11-02T19:28:35+02:00 ---

其中type: snippet与tags（以function为主标签）用于网站的分类与检索。另外根据 README.md 的说明，该仓库自 2023 年 5 月起已并入 30-seconds-of-code 组织统一维护，本文分析基于当前仓库中保留的片段源码。

小结

unfold用十余行代码展示了 Python 生成器在函数式数据生成上的优雅一面：迭代器函数定义「单步规则」，fn_generator负责「反复推进 + 哨兵终止」，外层列表推导式完成「收集物化」，三者职责清晰、彼此解耦。掌握它之后，遇到任何「由状态推状态、由条件定边界」的列表生成问题，都可以先想想能否用unfold一行解决，再决定是否退回手写循环。

• 教程
• 文档