大家還記得上次講到的PYthon的迭代器嗎，今天我們要講一個和它相關的，生成器。
通過列表生成式，我們可以直接創建一個列表，但是，受到內存限制，列表容量肯定是有限的，而且創建一個包含100萬個元素的列表，不僅佔用很大的存儲空間，如果我們僅僅需要訪問前面幾個元素，那後面絕大多數元素佔用的空間都白白浪費了。我們先來看一個簡單的列表生成器對比例子：
有一個需求，列表 [0，1，2，3，4，5，6，7，8，9]，要求把列表裡面的每個值加1，有兩種辦法：
*第一種：
info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
b = []
# for index,i in enumerate(info):
# print(i+1)
# b.append(i+1)
# print(b)
for index,i in enumerate(info):
info[index] +=1
print(info)
#[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
*第二種：
info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
a = [i+1 for i in range(10)]
print(a)
可以看到第二種比第一種要簡簡潔很多。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出後續的元素呢？這樣就不必創建完整的list，從而節省大量的空間，在Python中，這種一邊循環一邊計算的機制，稱為生成器：generator
生成器是一個特殊的程序，可以被用作控制循環的迭代行為，python中生成器是迭代器的一種，使用yield返回值函數，每次調用yield會暫停，而可以使用next()函數和send()函數恢復生成器。
生成器類似於返回值為數組的一個函數，這個函數可以接受參數，可以被調用，但是，不同於一般的函數會一次性返回包括了所有數值的數組，生成器一次只能產生一個值，這樣消耗的內存數量將大大減小，而且允許調用函數可以很快的處理前幾個返回值，因此生成器看起來像是一個函數，但是表現得卻像是迭代器。
1generator
要創建一個generator，有很多種方法，第一種方法很簡單，把一個列表生成式的[]中括號改為（）小括號，就可以創建一個generator
# 列表生成式
lis = [x * x for x in range(10)]
print(lis)
# 生成器
generator_ex = (x * x for x in range(10))
print(generator_ex)
#[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
#<generator> at 0x0375FA70>/<generator>
此處我們仔細看一下生成結果的兩行對比，創建lis和generator_ex除了表面的[]與（）的區別外，生成的一個是列表，一個則是<generator> at 0x0375FA70>。如果需要打印generator_ex 的每一個值的話:/<generator>
generator_ex = (x*x for x in range(10))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
#結果：
0
1
4
9
16
25
36
49
64
81
Traceback (most recent call last):
File "D:\\\untitled\venv\lib\site-packages\IPyth on\core\interactiveshell.py", line 2869, in run_code
exec(code_obj, self.user_global_ns, self.user_ns)
File "<ipython-input-5-942fb3d5fc8e>", line 12, in <module>
print(next(generator_ex))
StopIteration
/<module>/<ipython-input-5-942fb3d5fc8e>
generator保存的是算法，每次調用next(generaotr_ex)就計算出它的下一個元素的值，直到計算出最後一個元素，沒有更多的元素時，拋出StopIteration的錯誤，而且上面這樣不斷調用是一個不好的習慣，正確的方法是使用for循環，因為generator也是可迭代對象：
#生成器
generator_ex = (x*x for x in range(10))
for i in generator_ex:
print(i)
所以我們創建一個generator後，基本上永遠不會調用next()，而是通過for循環來迭代，並且不需要關心StopIteration的錯誤，generator非常強大，如果推算的算法比較複雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
2生成器函數
為什麼叫生成器函數？因為它隨著時間的推移生成了一個數值隊列。一般的函數在執行完畢之後會返回一個值然後退出，但是生成器函數會自動掛起，然後重新拾起急需執行，它會利用yield關鍵字關起函數，給調用者返回一個值，同時保留了當前的足夠多的狀態，可以使函數繼續執行，生成器和迭代協議是密切相關的，可迭代的對象都有一個__next__()__成員方法，這個方法一種可返回迭代的下一項，或是引起異常結束迭代。
def fib(max):
n,a,b =0,0,1
while n < max:
yield b
a,b =b,a+b
n = n+1
return 'done'
g = fib(6)
while True:
try:
x = next(g)
print('generator: ',x)
except StopIteration as e:
print("生成器返回值：",e.value)
break
#結果
generator: 1
generator: 1
generator: 2
generator: 3
generator: 5
generator: 8
生成器返回值： done
這裡使用yield生成器使之打印結果不佔內存了。generator和函數的執行流程，函數是順序執行的，遇到return語句或者最後一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次被next（）調用時候從上次的返回yield語句處急需執行，也就是用多少，取多少，不佔內存。可是若只是如此操作也有一個弊端，在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來，而要規避這個弊端的話我們可以採取for循環的方式，可是為什麼最終使用的確實while呢？因為使用for循環語句，我們就無法獲取generator的return語句返回的值，因此就會報錯，產生上文中出現過的StopIteration錯誤，要獲取到返回值必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中，即採用上文中語句。
下面再來看一個生成器函數：
# 函數有了yield之後，函數名+（）就變成了生成器
# return在生成器中代表生成器的中止，直接報錯
# next的作用是喚醒並繼續執行
# send的作用是喚醒並繼續執行，發送一個信息到生成器內部
def create_counter(n):
print("create_counter")
while True:
yield n
print("increment n")
n += 1
gen = create_counter(2)
print(gen)
print(next(gen))
print(next(gen))
#生成結果
<generator>
create_counter
2
increment n
3
/<generator>
閱讀更多 IT易學網 的文章
