python 生成器

生成器是一次生成一个值的特殊类型函数。可以将其视为可恢复函数。调用该函数将返回一个可用于生成连续 x 值的生成器【Generator】

简单的说就是在函数的执行过程中，yield语句会把你需要的值返回给调用生成器的地方，然后退出函数，下一次调用生成器函数的时候又从上次中断的地方开始执行，而生成器内的所有变量参数都会被保存下来供下一次使用。

示例代码

>>> def fib(max):
    a, b = 0, 1
    while a < max:
        yield a
        a, b = b, a + b


>>> for i in fib(1000):
    print(i)


0
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987

>>>f = fib(1000)
>>>f.next()            #python 3.0 要写成f.__next__()  否则出错
0
>>>f.next()
1
>>>f.next()
1
>>>f.next()
2

#python 3.0 要写成f.__next__()  否则出错  AttributeError: 'generator' object has no attribute 'next'

在函数fib(max)内定义了一个生成器，但是对fib(max)的调用永远只能获得一个单独的生成器对象，而不是执行函数里面的语句，这个对象（generator object）包含了函数的原始代码和函数调用的状态，这状态包括函数中变量值以及当前的执行点——函数在yield语句处暂停（suspended），返回当前的值并储存函数的调用状态，当需要下一个条目（item）时，可以再次调用next，从函数上次停止的状态继续执行，知道下一个yield语句。

生成器和函数的主要区别在于函数 return a value，生成器 yield a value同时标记或记忆 point of the yield 以便于在下次调用时从标记点恢复执行。 yield 使函数转换成生成器，而生成器反过来又返回迭代器。

有三种方式告诉循环生成器中没有更多的内容：

1. 执行到函数的末尾（"fall off the end"）
2. 用一个return语句（它可能不会返回任何值）
3. 抛出StopIteration异常

详细解释：

生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。

生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。

生成器的特点：

     生成器是一个函数，而且函数的参数都会保留。

     迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的

在python中，yield就是这样的一个生成器。

yield 生成器的运行机制：

当你问生成器要一个数时，生成器会执行，直至出现 yield 语句，生成器把 

     yield 的参数给你，之后生成器就不会往下继续运行。 当你问他要下一个数时，他会从上次的状态。开始运行，直至出现yield语句，把参数给你，之后停下。如此反复直至退出函数。（以上关于yield的描述，在后面列举一个简单的例子来解释这段话）

yield的使用：

在python中，当你定义一个函数，使用了yield关键字时，这个函数就是一个生成器，它的执行会和其他普通的函数有很多不同，函数返回的是一个对象，而不是你平常所用return语句那样，能得到结果值。如果想取得值，那得调用next()函数，如：

c = h() #h()包含了yield关键字
#返回值
c.next()

每当调用一次迭代器的next函数，生成器函数运行到yield之处，返回yield后面的值且在这个地方暂停，所有的状态都会被保持住，直到下次next函数被调用，或者碰到异常循环退出。

下面，来看看以下的例子代码吧，是用来说明yield运行机制的。

def fib(max):
    a, b = 1, 1
    while a < max:
        yield a #generators return an iterator that returns a stream of values.
        a, b = b, a+b

程序运行：

for n in fib(15):
    print n

从前面的运行机制描述中，可以获知，程序运行到yield这行时，就不会继续往下执行。而是返回一个包含当前函数所有参数的状态的iterator对象。目的就是为了第二次被调用时，能够访问到函数所有的参数值都是第一次访问时的值，而不是重新赋值。

程序第一次调用时：

def fib(max):
    a, b = 1, 1
    while a < max:
        yield a #这时a,b值分别为1,1，当然，程序也在执行到这时，返回
        a, b = b, a+b

程序第二次调用时：

从前面可知，第一次调用时，a,b=1,1，那么，我们第二次调用时（其实就是调用第一次返回的iterator对象的next()方法），程序跳到yield语句处，

执行a,b = b, a+b语句，此时值变为：a,b = 1, (1+1) => a,b = 1, 2

程序继续while循环，当然，再一次碰到了yield a 语句，也是像第一次那样，保存函数所有参数的状态，返回一个包含这些参数状态的iterator对象。

等待第三次的调用....

def fib(max):
    a, b = 1, 1
    while a < max:
        yield a
        a, b = b, a+b

通过上面的分析，可以一次类推的展示了yield的详细运行过程了！

通过使用生成器的语法，可以免去写迭代器类的繁琐代码，如，上面的例子使用迭代类来实现，代码如下：

class Fib:
    def __init__(self, max):
        self.max = max
    def __iter__(self):
        self.a = 0
        self.b = 1
        return self
    def next(self):
        fib = self.a
        if fib > self.max:
            raise StopIteration
        self.a, self.b = self.b, self.a + self.b
        return fib

yield其他例子展示：排列，组合

#生成全排列    

def perm(items, n = None):
    if n is None:
        n = len(items)
    for i in range(len(items)):
        v = items[i:i+1]
        if n==1:
            yield v
        else:
            rest = items[:i] + items[i+1:]
            for p in perm(rest, n-1):
                yield v + p
def comb(items, n = None):
    if n is None:
        n = len(items)
    else:
        for i in range(len(items)):
            v = items[i:i+1]
            if 1 == n:
                yield v
            else:
                rest = items[i+1:]
                for c in comb(rest, n-1):
                    yield v + c