在 Python3 中，__getitem__ 和 __len__ 是两个非常常见的 魔术方法（magic methods），主要用于让自定义类 表现得像容器（list / dict / tuple 等）。
当实现它们后，你的对象就可以被 [] 访问、被 len() 调用。

我给你从 使用场景 + 示例 + 原理 三个层面讲清楚。

---

一、__getitem__ 的使用场景

__getitem__(self, key) 用于 支持索引访问：

obj[key]

Python 会自动调用

obj.__getitem__(key)

---

场景1：让对象支持 [] 访问

例如实现一个类似 list 的容器。

class MyList:
    def __init__(self, data):
        self.data = data

    def __getitem__(self, index):
        return self.data[index]

a = MyList([10,20,30])

print(a[1])

输出

20

执行流程：

a[1]
↓
a.__getitem__(1)
↓
self.data[1]

---

场景2：支持切片操作

Python 的切片：

a[1:3]

其实传入的是 slice 对象。

class MyList:
    def __init__(self,data):
        self.data = data

    def __getitem__(self,key):
        print(type(key))
        return self.data[key]

a = MyList([1,2,3,4])

print(a[1:3])

输出

<class 'slice'>
[2,3]

所以 __getitem__ 可以同时支持：

obj[i]
obj[i:j]
obj[i:j:k]

---

场景3：实现类似 dict 的访问

例如：

class Config:
    def __init__(self):
        self.data = {
            "lr":0.001,
            "batch":32
        }

    def __getitem__(self,key):
        return self.data[key]

cfg = Config()

print(cfg["lr"])

输出

0.001

---

二、__len__ 的使用场景

__len__(self) 用于支持

len(obj)

Python 会自动调用：

obj.__len__()

---

示例

class MyList:
    def __init__(self,data):
        self.data = data

    def __len__(self):
        return len(self.data)

a = MyList([1,2,3,4])

print(len(a))

输出

4

---

三、__getitem__ + __len__ 常见组合场景

这两个方法 经常一起使用，因为 Python 的很多机制依赖它们。

---

场景1：让对象可以被 for 遍历

class MyList:
    def __init__(self,data):
        self.data = data

    def __getitem__(self,index):
        return self.data[index]

    def __len__(self):
        return len(self.data)

a = MyList([10,20,30])

for x in a:
    print(x)

执行逻辑：

for x in a
↓
index = 0
a.__getitem__(0)

index = 1
a.__getitem__(1)

index = 2
a.__getitem__(2)

直到 IndexError 结束。

---

场景2：深度学习 Dataset（非常经典）

例如 PyTorch Dataset：

class MyDataset:
    def __init__(self, data):
        self.data = data

    def __len__(self):
        return len(self.data)

    def __getitem__(self, idx):
        return self.data[idx]

然后：

dataset = MyDataset(data)

len(dataset)

dataset[10]

for x in dataset:
    ...

PyTorch DataLoader 依赖的就是这两个函数。

典型框架：

• PyTorch Dataset
• HuggingFace Dataset
• TensorFlow Dataset

---

四、典型应用领域

场景	用途
数据集类	dataset[i]
自定义容器	模拟 list
配置对象	config["lr"]
数据缓存	cache[key]
大规模数据访问	懒加载

---

五、一个高级实际例子（懒加载数据集）

class ImageDataset:

    def __init__(self, files):
        self.files = files

    def __len__(self):
        return len(self.files)

    def __getitem__(self, idx):
        file = self.files[idx]
        image = load_image(file)
        return image

好处：

dataset[100]
才会加载第100张图片

而不是一次加载全部数据。

这是 深度学习数据集的核心设计。

---

六、底层调用机制

Python代码	实际调用
len(obj)	obj.__len__()
obj[i]	obj.__getitem__(i)
for x in obj	__getitem__ 或 __iter__

---

七、什么时候必须实现？

必须实现 __len__ 和 __getitem__ 的典型场景：

1️⃣ PyTorch Dataset

__len__()
__getitem__()

2️⃣ 自定义数据容器

3️⃣ 模拟 list/dict 行为

---

✅ 一句话总结

方法	作用
__getitem__	支持 obj[key]
__len__	支持 len(obj)

通常用于 让类表现得像一个容器。