python生成器

生成器就是一个函数，python中带yield关键字的函数就是一个生成器。yield语句就是返回一个对象（值），和普通的函数用return返回值不同如果想取得值，那得调用next()函数，如：

c = h() #h()包含了yield关键字  
#返回值  
c.next()

每当调用一次迭代器的next函数，生成器函数运行到yield之处，返回yield后面的值且在这个地方暂停，所有的状态都会被保持住，直到下次next函数被调用，或者碰到异常循环退出。

生成器在内部记住了记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量和函数参数都保持不变。生成器不仅“记住”了它的数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。

其实说白了就是，生成器记录了上次调用的数据与执行流程。

def fib(max):  
    a, b = 1, 1  
    while a < max:  
        yield a #generators return an iterator that returns a stream of values.  
        a, b = b, a+b
        print "a=",a,"b=",b  
for n in fib(15):  
    print n  

通过使用生成器的语法，可以免去写迭代器类的繁琐代码，如，上面的例子使用迭代类来实现，代码如下：

class Fib:  
    def __init__(self, max):  
        self.max = max  
    def __iter__(self):       #定制可迭代类重载__iter__
        print "iter"  
        self.a = 0  
        self.b = 1  
        return self  
    def next(self):           #定制可迭代类重载next()  
        print "next"  
        fib = self.a  
        if fib > self.max:  
            raise StopIteration  
        self.a, self.b = self.b, self.a + self.b  
        return fib  

for i in Fib(5):
    print i

#yield其他例子展示：排列，组合
#生成全排列    
def perm(items, n = None):  
    if n is None:  
        n = len(items)  
    for i in range(len(items)):  
        v = items[i:i+1]  
        if n==1:  
            yield v  
        else:  
            rest = items[:i] + items[i+1:]  
            for p in perm(rest, n-1):  
                yield v + p

def comb(items, n = None):  
    if n is None:  
        n = len(items)  
    else:  
        for i in range(len(items)):  
            v = items[i:i+1]  
            if 1 == n:  
                yield v  
            else:  
                rest = items[i+1:]  
                for c in comb(rest, n-1):  
                    yield v + c  

生成器语法
生成器表达式是在python2.4中引入的，当序列过长， 而每次只需要获取一个元素时，应当考虑使用生成器表达式而不是列表解析。

生成器表达式的语法和列表解析一样，只不过生成器表达式是被（）括起来的，而不是[]，如下： 

(expr for iter_var in iterable) 
(expr for iter_var in iterable if cond_expr) 

>>> L= (i + 1 for i in range(10) if i % 2) 
>>> L 
<generator object <genexpr> at 0xb749a52c> 
>>> L1=[] 
>>> for i in L: 
... L1.append(i) 
... 
>>> L1 
[2, 4, 6, 8, 10] 

生成器表达式并不真正创建数字列表， 而是返回一个生成器，这个生成器在每次计算出一个条目后，把这个条目“产生”(yield)出来。
生成器表达式使用了“惰性计算”，只有在检索时才被赋值（ evaluated），所以在列表比较长的情况下使用内存上更有效。