本文共 2446 字，大约阅读时间需要 8 分钟。

1、什么是生成器

在介绍生成器之前，我们先来看一个简单的例子：创建一个列表，列表中存放[0, 9]范围内每个整数平方值

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

显然，通过列表生成式，很容易的创建了一个这样的列表。但是，我们想创建一个更大的列表，受内存的限制，列表的容量肯定是有限的。比如我们想创建一个包含10万个元素的列表，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。

有没有这样的一种机制呢？比如，列表中的元素可以按照某种算法推算出来，我们可以根据自己的需求去取，取的时候根据算法推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。我们今天的讲的生成器就实现了这种机制。

那什么是生成器呢？可以用一句话概括：在Python中，这种一边循环一边计算的机制，就是生成器（generator）。

2、生成器的创建

Python中要创建一个生成器，有很多种方法，先来看一下最简单的一种，只要把一个列表生成式中的[ ]换成()，返回的不再是一个列表，而是一个生成器对象。

>>> G = (x * x for x in range(10))>>> G
    
      at 0x0000000004CA8948>
    

那么如何根据生成器对象，获取其中的元素呢？

如果一个个的获取，可以通过next()函数获取generator中下一个元素

>>> next(G)0>>> next(G)1>>> next(G)4>>> next(G)9>>> next(G)16>>> next(G)25>>> next(G)36>>> next(G)49>>> next(G)64>>> next(G)81>>> next(G)Traceback (most recent call last):  File "
    
     ", line 1, in 
     
          next(G)StopIteration
     
    

generator保存的是计算方法，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。 因此，在使用next函数获取generator中下一个元素，可以通过捕获异常来判断是否已经取到最后一个元素。

try:    next(G)except StopIteration: 　　/* something hint is the last element */    pass

由于generator是可迭代对象，我们也可以通过for循环去获取generator中每一个元素

>>> G = (x * x for x in range(10))>>> for n in G:    print(n)    0149162536496481

可以看出，通过for循环来迭代生成器对象，并不用关心StopIteration错误，使用for循环来迭代要比使用next函数要简单的多。

generator功能十分强大，也可以将一个函数变成生成器。如果，函数中包含yield关键字，那么这个函数就不是一个普通的函数，而是一个generator。

def sqr_calc(num):    i = 1    while num > 0:        result = i**2        yield result        i = i + 1        num = num -1    return 'done'

这是generator的另一种写法， sqr_calc函数中包含yield关键字，这个函数就变成了一个generator，sqr_calc函数中包含了相关的元素的计算方法

>>> itr = sqr_calc(10)>>> print(itr)
    
     >>> for n in itr:     print(n)     149162536496481100
    

调用sqr_calc函数，返回一个生成器对象，使用for循环，可以依次获取可迭代对象的下一个计算结果

3、生成器的原理

函数中有yield关键字，这个函数就变成了一个generator，它的执行流程和函数的执行流程就不同了。函数是顺序执行的，函数遇到return或执行到最后一句语句就返回。而变成generator的函数，在每次调用next函数的时候执行，遇到yield关键字时返回，再次执行时从yield后面的语句继续执行。

举例如下：

定义一个gene_test函数，函数中包含多个yield，可以看出改函数是一个generator

def gene_test():    print('step 1')    yield 1    print('step 2')    yield 2    print('step 3')    yield 3

调用该gene_test时，首先要生成一个generator对象，然后用next()函数不断获取返回值 

>>> gen = gene_test()>>> next(gen)step 11>>> next(gen)step 22>>> next(gen)step 33>>> next(gen)Traceback (most recent call last):  File "
    
     ", line 1, in 
     
          next(gen)StopIteration
     
    

同样的，把函数改成generator后，我们基本上从来不会用next()函数来获取下一个返回值，而是直接使用for循环来迭代。