生成器generator

Python提供了一个高级特性: 生成器，顾名思义，生成器就是不断生成结果的对象；那生成器有什么好处呢？

假设我们现在需要对1亿以内的正整数做一个统计操作，那如果我们一次生成这么多整数，势必需要占用很大的内存空间，但是我们一次生成一个整数，然后下一次生成下一个整数，那么就只需要很少的内存即可，这里就是生成器的用武之地。

生成器在惰性计算或者延迟处理的场景下非常有用，也即需要的时候才会产生结果，而不是一次产生全部结果。

在Python中创建生成器有2个途径：

1. 生成器表达式，可列表解析类似，但是列表解析是一次产生一个结果列表，而生成器每次返回一个结果，因此我们无法用len来对生成器求取其长度

In [37]: mygen = (i for i in range(10))

In [38]: mygen
Out[38]: <generator object <genexpr> at 0x0000000004B84780>

In [39]: len(mygen)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-39-2543d0066a5c> in <module>()
----> 1 len(mygen)

TypeError: object of type 'generator' has no len()

2.生成器函数，通过函数定义生成器，返回结果使用yield而不是return，yield一次返回一个结果并挂起函数的状态，在下次取结果的时候从它上次离开的地方继续执行。

In [40]: def mygenfunc(n):
    ...:     for i in range(n):
    ...:         yield i
    ...:

In [41]: mygen = mygenfunc(3)

In [42]: mygen
Out[42]: <generator object mygenfunc at 0x0000000004AA2D58>

注意，生成器也是迭代器

In [43]: isinstance(mygen, Iterator)
Out[43]: True

这意味着我们用for对它进行遍历，或者使用next来获取下一个结果。

In [44]: for i in mygen:
    ...:     print(i)
    ...:
0
1
2

遍历完后，使用next获取下一个结果会抛出StopIteration异常

In [45]: next(mygen)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-45-0168a806c5f8> in <module>()
----> 1 next(mygen)

StopIteration: