Python生成器函数概述：运用实例分解说明机制

全文共5930字，预计学习时长12分钟

Python的生成器函数为数据和计算资源管理提供了强大的机制，但对于Python初学者而言，理解它们并非易事。这篇文章会分解生成器的机制，同时介绍一个管理和分类S3文件资源的小类的例子，希望能对你有所启发。

鉴于Python入门并不难，非常容易就可写出真正能够运作的代码（比如迭代一列数值，计算以及/或打印一些数值），一些Python初学者和粗心的程序员可能没有意识到该语言建立在procrastination，也即延迟计算的概念之上。对使用过编译语言（如C++）的人而言，这种根植于该语言本身的松散性，或者说惰性，可能有点陌生。

很多程序员都学过“惰性计算”以及如何写代码来实现这一操作。但Python语言本身就支持这种计算（只需一个关键词就可轻易实现），这种有效性和表达性在其他程序语言中非常罕见。所以，惰性计算这个概念被引入“拉达姆演算”，而Python尽管并非专门的功能语言（例如Lisp），也体现出功能编程的特性，也就不足为奇了，Python使用闭包函数也是拉达姆演算特性的一部分。

2001年，“PEP 255 — Simple Generators”（https://www.python.org/dev/peps/pep-0255/）介绍了生成器，提出动机是对惰性计算更加直接的表达：

当一个生产函数遇到需要保持在产出值之间的状态，面对这一难题，很多程序语言无法提供令人满意的有效解决方案……

机制

Python生成器函数是一个很强大的概念，但不同于函数装饰器（function decorators）复杂的构架，它们运行和表达机制相当简单，只需“yield”语句（yield这一新的关键词在PEP 255中被加入Python）。

作为及物动词，yield表示产出。作为不及物动词，它表示让步或撤回。这个单词的两种含义都会在Python生成器函数中出现。

人们通常认为，函数在返回单个值、以列表或词库形式返回多个值、或用户定义的对象时，会通过返回语句产生结果。返回语句是函数结束控制并将控制和结果让渡给调用者的方式。返回语句后，运行环境（解释器）将给定函数的堆栈帧从调用堆栈中移除，给定函数的“环境”就会消失（直到下一次调用该函数）

Python的yield语句则完全改变了上述操作。下面来看看一个非常简单的人为设计的生成器例子，附有额外代码以证明它的效用（代码来自iPython解释器交互对话）：

In [8]: def gen(x):
   ...:     yield x

In [9]: g = gen(10)
In [10]: g
Out[10]: <generator object gen at 0x10d26ed00>

In [11]: next(g)
Out[11]: 10

In [12