大家还记得上次讲到的PYthon的迭代器吗，今天我们要讲一个和它相关的，生成器。
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。我们先来看一个简单的列表生成器对比例子：
有一个需求，列表 [0，1，2，3，4，5，6，7，8，9]，要求把列表里面的每个值加1，有两种办法：
*第一种：
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]
*第二种：
info = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
a = [i+1 for i in range(10)]
print(a)
可以看到第二种比第一种要简简洁很多。
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
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器。
1generator
要创建一个generator，有很多种方法，第一种方法很简单，把一个列表生成式的[]中括号改为（）小括号，就可以创建一个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>
此处我们仔细看一下生成结果的两行对比，创建lis和generator_ex除了表面的[]与（）的区别外，生成的一个是列表，一个则是<generator> at 0x0375FA70>。如果需要打印generator_ex 的每一个值的话:/<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))
#结果：
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，每次调用next(generaotr_ex)就计算出它的下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛出StopIteration的错误，而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：
#生成器
generator_ex = (x*x for x in range(10))
for i in generator_ex:
print(i)
所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误，generator非常强大，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。
2生成器函数
为什么叫生成器函数？因为它随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起急需执行，它会利用yield关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行，生成器和迭代协议是密切相关的，可迭代的对象都有一个__next__()__成员方法，这个方法一种可返回迭代的下一项，或是引起异常结束迭代。
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
#结果
generator: 1
generator: 1
generator: 2
generator: 3
generator: 5
generator: 8
生成器返回值： done
这里使用yield生成器使之打印结果不占内存了。generator和函数的执行流程，函数是顺序执行的，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，再次被next（）调用时候从上次的返回yield语句处急需执行，也就是用多少，取多少，不占内存。可是若只是如此操作也有一个弊端，在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来，而要规避这个弊端的话我们可以采取for循环的方式，可是为什么最终使用的确实while呢？因为使用for循环语句，我们就无法获取generator的return语句返回的值，因此就会报错，产生上文中出现过的StopIteration错误，要获取到返回值必须捕获StopIteration错误，返回值包含在StopIteration的value中，即采用上文中语句。
下面再来看一个生成器函数：
# 函数有了yield之后，函数名+（）就变成了生成器
# return在生成器中代表生成器的中止，直接报错
# next的作用是唤醒并继续执行
# send的作用是唤醒并继续执行，发送一个信息到生成器内部
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))
#生成结果
<generator>
create_counter
2
increment n
3
/<generator>
閱讀更多 IT易學網 的文章
