Python之生成器Generator

生成器Generator

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了 。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
创建generator第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator。

L = [x * x for x in range(10)]>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]g = (x * x for x in range(10))>>> g<generator object <genexpr> at 0x1022ef630>

注：创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。

遍历generator

如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值，generator保存的是算法，每次调用next(g)，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

常用方法是使用for循环，因为generator也是可迭代对象：

    g = (x * x for x in range(10))    for n in g:         print(n) 

如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

定义generator的另一种方法：如果一个函数定义中包含****yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：

    def fib(max):        n, a, b = 0, 0, 1        while n < max:            yield b            a, b = b, a + b            n = n + 1        return 'done'

generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行(协程的机制基础)。

    g = fib(6)    while True:        try:            x = next(g)            print('g:', x)        except StopIteration as e:            print('Generator return value:', e.value)            break

小结

1. generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
2. 要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
3. 区分普通函数和generator函数：普通函数调用直接返回结果，generator函数的“调用”实际返回一个generator对象。