Python遍历字典键值对：使用items()方法的标准写法

在 Python 中遍历字典并同时获取每个元素的“键（Key）”与“值（Value）”，最标准且符合惯用语法（Pythonic）的写法是直接使用 for key, value in dictionary.items():。这种写法利用元组解包机制，在每次迭代时直接将键和值分别赋给两个变量，不仅代码意图清晰，而且避免了在循环体内多次使用 dictionary[key] 进行重复哈希寻址带来的额外开销。

一、标准写法的语法结构与基本示例

字典是一种基于哈希表实现的键值对映射集合。当业务场景中既需要用到键的名字（如员工姓名、配置项名称），又需要用到对应的值（如员工薪资、配置参数）时，调用字典的 .items() 方法即可一步到位。

以下是标准写法的基本结构：

# 标准遍历模版
user_roles = {
    "alice": "Administrator",
    "bob": "Developer",
    "charlie": "Auditor"
}

for username, role in user_roles.items():
    print(f"用户：{username}，对应权限角色：{role}")

示例输出：

用户：alice，对应权限角色：Administrator
用户：bob，对应权限角色：Developer
用户：charlie，对应权限角色：Auditor

在上面的代码中，username 和 role 分别对应字典中的键和值。变量名可以根据具体业务场景自由命名（如 key, value、name, score 或 k, v），以保持上下文语义清晰。

二、核心机制：dict_items 视图与元组解包

要深刻理解为什么 for k, v in d.items(): 是标准做法，需要理清 Python 解释器在背后执行的两项机制：

1. 动态视图对象（dict_items）

在 Python 3 中，调用 d.items() 并不像 Python 2 那样立即分配一块新内存生成完整的列表（list），而是返回一个 dict_items 视图对象（View Object）。该视图具备以下关键特征：

• 内存占用极低：无论字典包含 10 个键值对还是 1000 万个键值对，d.items() 本身占用的内存始终是恒定的 O(1)。
• 动态联动性：视图对象直接链接到底层字典。如果在未开启迭代的前提下字典内容发生改变，视图中的内容会自动反映最新改动。
• 支持集合操作：由于字典键具备唯一性和可哈希性，dict_items 视图还支持交集（&）、并集（|）等集合级运算。

2. 元组解包（Tuple Unpacking）

每次循环迭代时，dict_items 产生一个形如 (key, value) 的二元元组。Python 语法允许在 for 循环声明中直接写两个变量：for key, value in ...。解释器会自动把元组里的第 0 项赋给 key，第 1 项赋给 value。这避免了编写 item[0] 和 item[1] 这种晦涩难读的代码。

三、典型应用场景与实用范例

1. 场景一：带条件筛选的数据提取（字典推导式）

结合字典推导式（Dictionary Comprehension）和 items()，可以用一行声明式代码过滤出符合条件的键值对：

# 筛选出及格的学生（成绩 >= 60）
raw_scores = {"Tom": 58, "Jerry": 92, "Spike": 76, "Tyke": 45}

passing_scores = {name: score for name, score in raw_scores.items() if score >= 60}
print(passing_scores)

示例输出：

{'Jerry': 92, 'Spike': 76}

2. 场景二：键值反转（Inverting a Dictionary）

在确保值唯一的前提下，若需要根据值反查键，可以使用 items() 快速构造反转字典：

code_to_country = {"CN": "China", "US": "United States", "JP": "Japan"}

country_to_code = {country: code for code, country in code_to_country.items()}
print(country_to_code["China"])

示例输出：

CN

3. 场景三：处理嵌套字典

在解析复杂的 JSON 配置或接口响应时，常遇到字典的值依然是字典的情况。此时可以在内层循环中嵌套使用 items()：

servers = {
    "web-01": {"ip": "192.168.1.10", "status": "online"},
    "db-01": {"ip": "192.168.1.20", "status": "offline"}
}

for host, info in servers.items():
    print(f"主机: {host}")
    for prop, val in info.items():
        print(f"  - {prop}: {val}")

示例输出：

主机: web-01
  - ip: 192.168.1.10
  - status: online
主机: db-01
  - ip: 192.168.1.20
  - status: offline

四、关键陷阱与避坑指南

很多初学者会写出如下代码，试图在遍历时把不合格的数据就地删除：

data = {"a": 1, "b": 2, "c": 3}
for k, v in data.items():
    if v == 2:
        del data[k]  # 触发异常！

运行这段代码时，Python 会立即中断并抛出：
RuntimeError: dictionary changed size during iteration（字典在迭代过程中改变了大小）。

根本原因：前文已提到，items() 返回的是字典的实时视图。遍历时，迭代器内部维持着对哈希表物理结构的索引指针。如果中途执行 del、pop() 或添加新键，字典的内部哈希桶与键数组长度发生改变，继续按原索引读取将产生错位或内存未定义行为。Python 解释器通过内部版本计数器检测到了这种变更，为了防止静默数据破坏，主动引发 RuntimeError。

安全解决办法：

• 方案 A（浅拷贝快照）：使用 list(data.items())。将视图固化为一个静态的列表副本，遍历此独立列表，修改原字典：

  for k, v in list(data.items()):
      if v == 2:
          del data[k]

• 方案 B（构造新字典）：使用字典推导式筛选保留项，不原地修改原对象。这在绝大多数工程实践中更加安全可维护：

  data = {k: v for k, v in data.items() if v != 2}

五、字典四种遍历方式对比与选型决策

Python 提供了多种访问字典的方法，每种方法都有明确的分工：

六、总结

掌握 items() 方法的标准写法是编写地道、健壮 Python 代码的基本功。在实际开发中牢记以下准则：

• 标准模式：只要同时需要键和值，一律写成 for key, value in dict_obj.items():，拒绝使用 for k in d: ... d[k] 的低效写法。
• 内存无忧：Python 3 的 items() 产生的是轻量级视图，无需担心大数据集下的内存拷贝负担。
• 严禁就地修改：遍历字典时绝对不要增加或删除键。若需剔除元素，优先使用字典推导式生成新字典，或使用 list(dict_obj.items()) 建立快照副本。