Python 生成器（generator）

带有 yield 的函数在 Python 中被称之为 generator（生成器），即包含yield语句的函数会被特地编译成生成器函数。当函数被调用时，他们返回一个生成器对象，这个生成器对象支持迭代器接口。函数也许会有个return语句，但它的作用是用来yield产生值的。生成器函数在生成值后会自动挂起并暂停他们的执行和状态，它的本地变量将保存状态信息，这些信息在函数恢复时将再度有效。。。

1》我们先看一个生成器的例子：
def generator(n):
    for i in range(n):
        yield i**2


for i in generator(5):
    print i,
运行结果：
0 1 4 9 16
要了解他的运行原理，我们来用next方法看看：
>>> t=generator(3)
>>> t.next()
0
>>> t.next()
1
>>> t.next()
4
>>> t.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
在运行完3次next()之后，生成器抛出了一个StopIteration异常，迭代终止。


2》下面，我们通过斐波那契数列的例子，逐步说明为什么要使用生成器。


输出斐波那契数列前 N 个数
def fab(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L


for i in fab(5):
    print i,
运行结果：
1 1 2 3 5

fab函数通过返回 List 能满足复用性的要求（其他函数可以获得该函数生成的数列）。但是该函数在运行中占用的内存会随着参数 max 的增大而增大，如果要控制内存占用，就不能使用列表来保存中间结果，可以通过生成器 对象来迭代，如下：
def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b 
        # print b 
        a, b = b, a + b 
        n = n + 1 


for i in fab(5):
    print i,
运行结果：
1 1 2 3 5

yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 返回一个 iterable 对象！在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法，因此，可以手动调用 fab(5) 的 next() 方法，这样我们就可以更清楚地看到 fab 的执行流程：
>>> f=fab(5)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()
3
>>> f.next()
5
>>> f.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
当函数执行结束时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，不需要我们去处理 StopIteration 异常，循环会正常结束。


3》如何判断一个函数是否是一个特殊的 generator 函数？可以利用 isgeneratorfunction 判断：
>>> from inspect import isgeneratorfunction
>>> isgeneratorfunction(fab)
True

要注意区分 fab 和 fab(5)，fab 是一个 generator function，而 fab(5) 是调用 fab 返回的一个 generator，好比类的定义和类的实例的区别：
>>> import types
>>> isinstance(fab,types.GeneratorType)
False
>>> isinstance(fab(5),types.GeneratorType)
True

每次调用 fab 函数都会生成一个新的 generator 实例，各实例互不影响：
>>> f1=fab(2)
>>> f2=fab(3)
>>> f1.next()
1
>>> f1.next()
1
>>> f1.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>> f2.next()
1
>>> f2.next()
1
>>> f2.next()
2
>>> f2.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

4》总结：

一个带有 yield 的函数就是一个 generator 函数，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()才开始执行函数代码（在 for 循环中会自动调用 next() ）。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。yield 的好处是把一个函数改写为一个 generator 就获得了迭代能力，而每次迭代，只返回一个值，避免了占用大量的内存。。。