生成器的定义

通过列表生成式 ，我们可以直接创建一个列表 。但是 ，受到内存限制
，列表容量肯定是有限的 。而且，创建一个包含100万个元素的列表 ，不仅占用很大的存储空间
，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了
。

所以 ，如果列表元素可以按照某种算法推算出来
，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中 ，这种一边循环一边计算的机制
，称为生成器：generator 。

生成器的创建

生成器可以用两种方式创建:

• 生成器表达式 (里面是推导式,外面用圆括号)

• 生成器函数 (用def定义,里面含有yield)

生成器表达式

要创建一个generator，有很多种方法
。第一种方法很简单 ，只要把一个列表生成式的

[]

改成

()


，就创建了一个generator：

li = [x * x for x in range(10)]
print(li)
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

g = (x * x for x in range(10))
print(g)
# <generator object <genexpr> at 0x000001A72D5D2E08>

生成器函数（yield）

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的

for

循环无法实现的时候 ，还可以用函数来实现 。

比如 ，著名的斐波拉契数列（Fibonacci）
，除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1, 1, 2, 3, 5, 8, 13, 21, 34, ...

斐波拉契数列用列表生成式写不出来 ，但是
，用函数把它打印出来却很容易：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1
    return 'done'

# 注意，这里的赋值语句  a, b = b, a + b
# 相当于
# t = (b, a + b) # t是一个tuple
# a = t[0]
# b = t[1]
# 但不必显式写出临时变量t就可以赋值
。

上面的函数可以输出斐波那契数列的前N个数：

print(fib(6))
# 1
# 1
# 2
# 3
# 5
# 8
# done

仔细观察 ，可以看出
，

fib

函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始 ，推算出后续任意的元素
，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥 。要把

fib

函数变成generator ，只需要把

print(b)

改为

yield b

就可以了：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

这就是定义generator的另一种方法
。如果一个函数定义中包含

yield

关键字
，那么这个函数就不再是一个普通函数，而是一个generator：

f = fib(6)
print(f)

# <generator object fib at 0x000001AB51492E08>

生成器的调用

调用生成器的方式：

• next()

  函数

• for

  循环

• for

  循环 +

  next()

  函数

next()函数

创建

li

和

g

的区别仅在于最外层的

[]

和

()

 ，

li

是一个list ，而

g

是一个generator。

我们可以直接打印出list的每一个元素
，但我们怎么打印出generator的每一个元素呢？

如果要一个一个打印出来，可以通过

next()

函数获得generator的下一个返回值：

g = (x * x for x in range(10))

print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 4
print(next(g))  # 9
print(next(g))  # 16
print(next(g))  # 25
print(next(g))  # 36
print(next(g))  # 49
print(next(g))  # 64
print(next(g))  # 81
print(next(g))
'''
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 18, in <module>
    print(next(g))
StopIteration
'''
# 每次调用next(g)	，就计算出g的下一个元素的值
，直到计算到最后一个元素，没有更多的元素时	，抛出StopIteration的错误	。

for循环

当然
，上面这种不断调用

next(g)

实在是太变态了，我们可以使用

for

循环来调用generator ，因为generator也是可迭代对象：

g = (x * x for x in range(10))

for i in g:
    print(i)
    
# 0
# 1
# 4
# 9
# 16
# 25
# 36
# 49
# 64
# 81

所以
，我们创建了一个generator后，基本上永远不会调用

next()

 ，而是通过

for

循环来迭代它
，并且不需要关心

StopIteration

的错误
。

但是需要注意的是，当数据量过大时 ，会形成形成类似于死循环的效果（这里可以自己试验一下） ，所以就提出了下面的调用方法

for + next()

g = (x * x for x in range(10))

# 调用几次循环几次
for i in range(3):
	print(next(g))

# 0
# 1
# 4

注意点

generator和函数的执行流程不一样：

• 函数是顺序执行
  ，遇到

  return

  语句或者最后一行函数语句就返回。

• 而变成generator的函数，在每次调用

  next()

  的时候执行 ，遇到

  yield

  语句返回
  ，再次执行时从上次返回的

  yield

  语句处继续执行 。

举个简单的例子，定义一个generator ，依次返回数字1
，2，3：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

调用该generator时 ，首先要生成一个generator对象
，然后用

next()

函数不断获得下一个返回值：

o = odd()
next(o)
# step 1

next(o)
# step 2

next(o)
# step 3

next(o)
'''
Traceback (most recent call last):
  File "D:/python_project/mxxl/test/test.py", line 23, in <module>
    next(o)
StopIteration
'''

可以看到，

odd

不是普通函数 ，而是generator
，在执行过程中，遇到

yield

就中断 ，下次又继续执行 。执行3次

yield

后 ，已经没有

yield

可以执行了
，所以，第4次调用

next(o)

就报错
。

回到

fib

的例子 ，我们在循环过程中不断调用

yield


，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来 。

同样的 ，把函数改成generator后
，我们基本上从来不会用

next()

来获取下一个返回值，而是直接使用

for

循环来迭代：

def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return 'done'

for i in fib(6):
    print(i)

# 1
# 1
# 2
# 3
# 5
# 8

但是用

for

循环调用generator时 ，发现拿不到generator的

return

语句的返回值
。如果想要拿到返回值
，必须捕获

StopIteration

错误，返回值包含在

StopIteration

的

value

中：

g = fib(6)
while True:
	try:
		x = next(g)
		print('g:', x)
	except StopIteration as e:
		print('Generator return value:', e.value)
		break
# g: 1
# g: 1
# g: 2
# g: 3
# g: 5
# g: 8
# Generator return value: done