python生成器

1.生成器

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。

2.创建生成器的方法

要创建一个生成器，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 ( )

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

3.创建生成器方法2

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。
用斐波那契数列来举例：

def Fibonacci(all_nums):
    a, b = 0, 1
    current_num = 0
    print("----1----")
    while current_num < all_nums:
        print("----2----")
        yield a  # 如果一个函数中有yield语句，那么这个就不再是函数了，而是一个生成器的模板
        print("----3----")
        a, b = b, a+b
        print("----4----")
        current_num += 1
        print("----5----")
    return "done"
        
# 如果在调用Fibonacci的时候，发现这个函数中有yield，那么此时不再是调用函数，而是创建了一个生成器对象        
fib = Fibonacci(5)

ret = next(fib)
print("----6----")
print(ret)

ret = next(fib)
print("----7----")
print(ret)

ret = next(fib)
print("----9----")
print(ret)

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。简单来说：只要在def中有yield关键字的 就称为 生成器

for num in fib:
    print("----9----")
    print(num)

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：

while True:
    try:
        ret = next(fib)
        print(ret)
    except Exception as e:
        print("生成器的返回值：{}".format(e.value))
        break

4.总结

• 使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
• yield关键字有两点作用：
  • 保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
  • 将 yield 关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
• 可以使用 next() 函数让生成器从断点处继续执行，即唤醒生成器（函数）
• Python3中的生成器可以使用 return 返回最终运行的返回值，而 Python2 中的生成器不允许使用return返回一个返回值（即可以使用 return 从生成器中退出，但 return 后不能有任何表达式）。

5.使用send唤醒

我们除了可以使用 next() 函数来唤醒生成器继续执行外，还可以使用 send() 函数来唤醒执行。使用 send() 函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

例子：执行到 yield 时，gen 函数作用暂时保存，返回i的值；temp接收下次c.send(“python”)，send发送过来的值，c.next()等价c.send(None)