15.Python高级特性 生成器 详解

• 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。

• ☆要创建一个generator，有很多种方法。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>
  

  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。

• 我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？

  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：

  >>> next(g)
  0
  >>> next(g)
  1
  >>> next(g)
  4
  >>> next(g)
  9
  >>> next(g)
  16
  >>> next(g)
  25
  >>> next(g)
  36
  >>> next(g)
  49
  >>> next(g)
  64
  >>> next(g)
  81
  >>> next(g)
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
  StopIteration
  

  我们讲过，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。

• 当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用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)
  ... 
  0
  1
  4
  9
  16
  25
  36
  49
  64
  81
  

  ☆所以，我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它，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。

  比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

  1, 1, 2, 3, 5, 8, 13, 21, 34, ...
  

  斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

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

  注意，赋值语句：

  a, b = b, a + b
  

  相当于：

  t = (b, a + b) # t是一个tuple
  a = t[0]
  b = t[1]
  

  但不必显式写出临时变量t就可以赋值。

  上面的函数可以输出斐波那契数列的前N个数：

  >>> fib(6)
  1
  1
  2
  3
  5
  8
  'done'
  

  仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

• 也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：

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

  ☆这就是定义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：

  >>> f = fib(6)
  >>> f
  <generator object fib at 0x104feaaa0>
  

  ☆这里，最难理解的就是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。

• 举个简单的例子，定义一个generator，依次返回数字1，3，5：

  def odd():
      print('step 1')
      yield 1
      print('step 2')
      yield(3)
      print('step 3')
      yield(5)
  

  调用该generator时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值：

  >>> o = odd()
  >>> next(o)
  step 1
  1
  >>> next(o)
  step 2
  3
  >>> next(o)
  step 3
  5
  >>> next(o)
  Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
  StopIteration
  

  可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next(o)就报错。

• 回到fib的例子，我们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。

  同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：

  >>> for n in fib(6):
  ...     print(n)
  ...
  1
  1
  2
  3
  5
  8
  

• 但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

  >>> g = fib(6)
  >>> while True:
  ...     try:
  ...         x = next(g)
  ...         print('g:', x)
  ...     except StopIteration as e:
  ...         print('Generator return value:', e.value)
  ...         break
  ...
  g: 1
  g: 1
  g: 2
  g: 3
  g: 5
  g: 8
  Generator return value: done
  

  关于如何捕获错误，后面的错误处理还会详细讲解。

• 小结
  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。

  ☆使用()可以方便的将一个生成list表达式修改为一个generator

  ☆也可以使用yield关键字，自自定义一个generator

  ☆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。

  请注意区分普通函数和generator函数，普通函数调用直接返回结果：

  >>> r = abs(6)
  >>> r
  6
  

  generator函数的“调用”实际返回一个generator对象：

  >>> g = fib(6)
  >>> g
  <generator object fib at 0x1022ef948>
  

上一篇：14.Python高级特性 列表生成式 详解
下一篇：16.Python高级特性 迭代器 详解