Python Generator 数据状态和代码执行指令状态解析

一、Python generator 如何记忆数据状态和代码指令执行状态

Generators方法使用Python关键字yield而不是return来返回数据给调用者。下面是前面提到的一个方法，用于产生一个无限的数据序列：

如果使用return则意味着返回所有的数据（加载到内存中），之后这个方法执行就结束了。在上面的方法中，使用了yield来每次返回一个值给这个方法的调用者，与return不同之处在于，在返回值之后并不会退出方法的执行，相反，这个方法的状态会被记忆。通过这样的方式，当对一个generator对象调用next()方法时（可以在一个for循环中进行显式或者隐式的调用），通过yield产出的变量num是在递增的，然后又继续产出这个变量。换句话说，当调用者调用这个方法时，方法通过yield返回num值之后会进入“暂停”状态，等待调用者调用next()方法后，会执行语句num += 1进行递增，然后又通过yield返回变量num的值，接下来又进入“暂停”状态，并不会退出这个方法。所谓的“状态”就是指generator会知道当前的变量num值是什么（指数据状态），并且也记忆了关于执行代码的pointer（指指令状态），即需要执行语句num += 1。Python的coroutine机制就是基于此建立起来的。需要注意的是，Yield对象是存在于内存的堆（heap）中，所以才能反复循环使用。

在上面的方法中，while循环表达的意思就是执行代码的pointer不断在变，这个方法的状态不断在变。下面是调用这个方法的输出结果截图：

二、通过示例解析Python generator与 list的区别

在下面的例子中，第一个对象是通过中括号建立一个list，而第2个例子则是创建一个generator表达式。从输出结果可以很清楚看到list和generator对象的区别：

下面再来通过例子看下这两者之间的区别，我们把range(5)改为range(10000)，通过循环分别创建一个list对象和一个generator对象，然后计算各自尺寸大小，看下输出效果：

在第1个例子中，返回结果是这个list的大小，合计为87616 bytes，而第2个例子返回的则是这个generator对象大小，可以看到只有112。两者比较，list对象大小是generator对象大小的700倍之多！

无论generators是基于一个方法还是一个表达式来构建，工作机制都是一样的。不同之处在于，使用表达式仅仅只是让你在一行就可以定义一个简单的generator，在generator对象内部的每个迭代中都会使用到yield。由此，Python的yield就成为了generators所支撑的各种功能的关键核心。