python--生成器generator_python代码自动生成器

前言

1.生成器是什么？

在Python中，生成器（generator）是一种特殊的迭代器，它是通过函数来实现的。生成器函数在执行过程中可以暂停和继续执行，可以动态地生成一系列值，而不需要一次性生成所有值，从而节省了内存空间和计算资源。

• 可以由生成器表达式得到。

• 可以使用yield关键字得到一个生成器函数，再通过调用这个函数得到一个生成器对象，包含yield语句的生成器函数调用生成生成器对象的时候，生成器函数的函数体不会立即执行。

• 生成器(对象)可以使用next方法，next(generator) 会从函数的当前位置向后执行到之后碰到的第一个yield语句，会中断函数执行，并返回yield表达式的值，再次调用next函数，从上一次的中断点恢复执行，继续调用next函数，生成器函数如果结束执行了（显式或隐式调用了return语句），会抛出StopIteration异常。

• next()方法超限会直接报错，如果不是有特别需求，一般推荐使用for循环遍历。

• 生成器对象只能逐次遍历一遍，不能再回头读取。

需要Python零基础学习资料的伙伴，可以在公众号【码农资料库】中回复【py】自行领取 包括以下学习资料：

① Python所有方向的学习路线图，清楚各个方向要学什么东西

②Python课程视频，涵盖必备基础、爬虫和数据分析

③ Python实战案例，学习不再是只会理论

④ Python电子好书，从入门到高阶应有尽有

⑤ 华为出品独家Python漫画教程，手机也能学习 ⑥ 历年互联网企业Python面试真题,复习时非常方便

2.生成器函数和普通函数的区别

生成器函数与普通函数的区别在于，生成器函数中使用了yield语句来产生值，而不是使用return语句返回值。当生成器函数被调用时，它会返回一个生成器对象，而不是直接执行函数体中的代码。当生成器对象被迭代时，生成器函数中的代码会逐行执行，直到遇到yield语句，此时会暂停执行并将yield后面的值作为迭代器的下一个值返回。下一次迭代时，生成器函数会从yield语句后面的代码继续执行，直到再次遇到yield语句，以此类推。

3.以下是一个简单的生成器函数的示例

它生成了从0开始的自然数序列：

return

numbers = natural_numbers()

难到numbers不应该等于函数natural_numbers的返回值None吗？

虽然有显式return语句（可以没有return），但是当python编译是执行到yield语句时，就会给函数natural_numbers打上生成器标签，于是调用该生成器函数natural_numbers可以返回一个生成器对象存到numbers。

def natural_numbers():
    n = 0
    while True:
        yield n
        n += 1
    return
numbers = natural_numbers()

通过迭代器的方式—next()方法依次获取序列中的值：

yield、return都不是生成器函数的返回值，只有当我对生成器对象使用nexth函数的时候，才会开始运行生成器函数本体

print(next(numbers))  # 输出：0
print(next(numbers))  # 输出：1
print(next(numbers))  # 输出：2

由于生成器对象是一种迭代器，因此可以在for循环中使用，例如：

for n in natural_numbers():
    if n > 10:
        break
    print(n)

4.生成器函数执行逻辑

• 同一个生成器函数中yield语句可以有多个。

for i in range(5):
    yield i  #执行了5次yield语句。

• 遍历生成器函数对象时，函数执行到yield语句会中断执行，并返回yield表达式的值。
• 再次遍历该对象时，函数从上一个yield断点位置继续执行，并执行到下一个yield语句。
• 重复上一步，直到函数正常结束，或者遇到return语句。
• return语句依然可以终止函数运行，但return语句的返回值不能被获取到。
• return会导致当前函数返回，无法继续执行。生成器对象至此已经没有可迭代深度。
• 继续使用next()方法，抛出StopIteration异常。
• 如果函数没有显式的return语句，如果生成器函数执行到结尾（相当于执行了return None），一样会抛出StopIteration异常。

    def gen():
        print('line 1')
        yield 1
        print('line 2')
        yield 2
        print('line 3')
        return 3
        yield 4

5.next()

• 如果直接用next()方法调用生成器函数本身，那么每次都会重新生成一个生成器对象，也就无法对某一个生成器对象持续向下遍历。

    next(gen()) # line 1
    next(gen()) # line 1
    
    ```
    ```
    line 1
    1
    line 1
    1   
    

• 因此需要使用一个变量接收gen()返回的生成器对象。

    g = gen()
    print(g)
    
    ```
    ```
    <generator object gen at 0x000001C19302C228>
    

• 用next方法，逐次遍历该生成器对象，可以正常输出。

    print(next(g)) # line 1
    print(next(g)) # line 2
    

   line 1
   1
   line 2
   2
   

• 但是如果再继续用next()遍历，解释器会报错，StopIteration ，说明遍历超限了，函数已经在 return 3 处返回，不会执行到之后的yield

    print(next(g)) # StopIteration
    

   line 3
   
   ---------------------------------------------------------------------------
   
       StopIteration                             Traceback (most recent call last)
       <ipython-input-91-9757af9844f9> in <module>
       ----> 1 print(next(g)) # StopIteration
       
       StopIteration: 3
       
       StopIteration: 3
   

6.作用

• 生成器可以用于处理大数据集，减少了内存的占用。此外，生成器还可以用于惰性计算，即仅在需要时才计算，从而提高程序的效率。
• 生成器函数可以作为中断循环体的执行的隔断，每次调用生成器对象时，函数循环体才会继续运行一次。
• 无限循环：

def counter():
	i = 0
	while True:
		i += 1
		yield i
def inc(c):
	return next(c)
c = counter()
print(inc(c))

• 计数器：

def inc():
	def counter():
		i = 0
		while True:
			i += 1
			yield i
	c = counter()
	return lambda : next(c)
foo = inc()
print(foo()) # 1
print(foo()) # 2
print(foo()) # 3

• 处理递归问题：原本的死循环递归，会引起解释器超过最大递归深度报错，但是插入yield语句之后，循环体被卡主了，被生成器对象调用一次才函数循环体会执行一次。

def fib():
	x = 0
	y = 1
	while True:
		yield y
		x, y = y, x+y
foo = fib()
for _ in range(5):
	print(next(foo))	

7.生成器函数语法糖-yield from

• yield from是Python 3.3出现的新的语法

• yield from iterable 是 for item in iterable: yield item 形式的语法糖

def inc():
	for x in range(1000):
		yield x

def inc(): 
	yield from range(1000)  ## 解释器优化的语法糖

-END-

---