python中的生成器与解析语法

生成器

在编程的过程中，我们常常需要一组有一定长度的有规律的数据，例如列举所有字母，等差等比数列，斐波那契数列等，这时候如果使用人工输入肯定很不现实，虽然可以通过编写一个函数来实现，但数据量一大，在所占空间上就大了，这时候就可以用到python中的yield语句，写一个生成器。生成器的语法类似于普通的函数，只不过将想要返回的值要通过yield语句来返回，并且在调用时一个通过for循环来配合。

def facotrs(n):
	for k in range(1,n+1):
		if n % k == 0:
			yield k

if __name__ == '__main__':
	for i in facotrs(100):
		print(i)

这是一个求一个数的所有因数的生成器，其中并没通过return 来返回值，而是通过yield ,每次执行到这个语句时，函数就会暂时中断，将k返回给for循环的循环变量，然后继续执行，直到函数结束运行，会自动抛出一个StopIteration异常，告诉for循环结束。

在面对需要一些复杂且大量的有规律的数据里，可以采用这种办法来实现，优点是生成器不是直接将所需的所有数据都写到内存上，而是按规律一个一个的生成，占用的内存空间小，但缺点也很明显，我们不能直接得到我们想要的数据，需要等待数据的生成，我们才能得到想要的数据。

解析语法

解析语法的作用类似于上述的生成器，更像是生成器的简化版本，同时也弥补了生成器的缺点。例如我们想要生成1~n的n²序列。

# 使用生成器可以这样写
def n2(n):
	for i in range(1, n+1):
		yield i ** 2

if __name__ == '__main__':
	for i in n2(10):
		print i

# 利用解析语法可以这样写
	n = [ i ** 2 for i in range(1, 11) ]
# 还可以这样
	n = [ i for i in n2(10) ]
	

利用解析语法来生成一些简单的序列相对简单一些，但面对一个规则难以描述的序列，还是生成器或是函数来的方便，但我们也看到了，解析语法结合生成器，就可以解决这个问题，而且也解决了生成器无法随意访问我们想要的数据的问题