2.1.9 Python生成器

生成器（generator），被认为是Python的高级编程技能，想要深入的学习Python，生成器是必须要了解的。

生成器和迭代器有点类似，但是又完全不相同。

1， 了解生成器

>>> my_first = (x*x for x in range(4)) #生成器

>>> my_list = [x*x for x in range(4)] #列表

>>> dir(my_first)

['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', ' __iter__ ', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', ' next ', 'send', 'throw']

两者的区别在于前者是方括号“[]”后者是圆括号“()”，虽然是细小的差别，但是结果完全不一样。

在my_first中可以看到__iter__和next，说明生成器是 可迭代的。

>>> for i in my_first :

print i

0

1

4

9

>>> for i in my_first :

print i

>>>

第一次循环的时候，可以依次遍历出数值，第二次遍历为空（因为游标已经移动到最后），这也是迭代器的特性。

>>> for i in my_list :

print i

0

1

4

9

>>> for i in my_list :

print i

0

1

4

9

>>>

列表每次遍历都会依次输出值。

在这能看到生成器把列表解析中的“[]”换成“()”，这仅仅是生成器的一种表现形式和基本使用方法，仿照列表解析式的命名，可以称之为“ 生成器解析式”

生成器解析式有很多用途，在不少地方可以替代列表解析，特别是针对 大数据的时候，Python处理列表时，将 全部数据都读入到内存，而迭代器（ 生成器是迭代器）的优势就在于只将所需要的读入内存里，因此生成器解析式比列表解析式 少占内存

求1到10以内的平方和：

>>> sum(i*i for i in range(10)) #生成器

285

>>> sum([i*i for i in range(10)]) #列表

285

2， 生成器怎么执行

yield关键词是生成器的标志。

>>> def test():

yield 0

yield 1

yield 2

>>> t = test()

>>> type(t)

<type ' generator '>

>>> dir(t)

['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'next', 'send', 'throw']

看到了__iter__()和next()，说明它是迭代器。返回值是一个生成器（generator）类型的对象

这个生成器在定义过程中并没有显化地使用__inter__()和next()，而是只要用了 yield语句，那个普通函数就神奇般地成为了生成器，也就具备了迭代器的功能特性。

>>> t.next() #生成器才开始执行，遇到了第一个yield语句，将值返回，并暂停执行

0

>>> t.next() #从上次暂停的位置开始，继续向下执行，遇到yield语句，将值返回，又暂停。

1

>>> t.next() #同上

2

>>> t.next() #从上面的挂起位置开始，但是后面没有可执行的了，于是next()发出异常。

Traceback (most recent call last):

File "<pyshell#39>", line 1, in <module>

t.next()

StopIteration

遍历上面代码会发现 yield除了作为生成器的标志之外，还有一个功能就是 返回值。

3， yield和return的区别

>>> def test_return(n):

print "开始进入代码"

while n > 0:

print "return之前"

return n

n -= 1

print "return之后"

>>> r = test_return(3)

开始进入代码

return之前

>>> r

3

从函数被调用的过程可以清晰看出，从r=test_return（3）开始，就执行函数体内容了，当遇到return的时候执行该语句，将值返回，然后就结束函数体内的执行，所以return后面的语句根本没有执行。

修改return为yield试试：

>>> def test_yield(n):

print "开始进入代码"

while n > 0:

print "return之前"

yield n

n -= 1

print "return之后"

>>> y = test_yield(3)

>>> y.next() #开始执行

开始进入代码

return之前

3 #遇到yield，返回值，并暂停

>>> y.next() #从上次暂停位置开始继续执行

return之后

return之前

2 #遇到yield，返回值，并暂停

>>> y.next() #从上次暂停位置开始继续执行

return之后

return之前

1

一般的函数，都是止于 return。作为生成器的函数，由于有了 yield，遇到它则程序挂起，如果在之后还有 return，遇到它就直接抛出SoptIteration异常而中止迭代。

至此，已经明确，一个函数中，只要包含了 yield语句，它就是生成器，也是迭代器。

send()方法运行后能够为生成器提供值，必须在生成器运行后并挂起才能使用，即yield至少被执行一次。

throw（type，value=None，traceback=None）：用于在生成器内部（生成器的当前挂起处或未启动时在定义处）抛出一个异常（在yield表达式中）。

close()：调用时不用参数，用于关闭生成器。