3.5 Python3 生成器

目录

1. 什么是生成器？

2. 关键字 yield

3. 生成器表达式

4. 使用场景

5. 生成器 vs 迭代器

---

1. 什么是生成器？

        生成器是一种特殊的迭代器，它使用yield关键字而不是return来返回值。生成器函数在每次调用next()时执行，直到遇到yield语句暂停并返回一个值，下次调用时从暂停的位置继续执行。

---

2. 关键字 yield

yield关键字用于定义生成器函数：

def my_generator():
    yield 1
    yield 2
    yield 3

# 创建生成器对象
gen = my_generator()

# 使用生成器
print(next(gen))  # 输出: 1
print(next(gen))  # 输出: 2
print(next(gen))  # 输出: 3

---

3. 生成器表达式

类似于列表推导式，但使用圆括号：

# 列表推导式 - 立即计算
squares_list = [x**2 for x in range(5)]  # [0, 1, 4, 9, 16]

# 生成器表达式 - 延迟计算
squares_gen = (x**2 for x in range(5))  # 生成器对象

print(list(squares_gen))  # 转换为列表: [0, 1, 4, 9, 16]

---

4. 使用场景

1. 处理大数据集（节省内存）

   def read_large_file(file_path):
       with open(file_path) as f:
           for line in f:
               yield line
   
   # 逐行处理大文件，不一次性加载到内存
   for line in read_large_file('huge_file.txt'):
       process(line)

2. 无限序列

   def infinite_sequence():
       num = 0
       while True:
           yield num
           num += 1
   
   # 生成无限序列
   for i in infinite_sequence():
       if i > 100:  # 需要手动终止
           break
       print(i)

3. 管道数据处理（链式处理）

   def gen_numbers():
       for i in range(10):
           yield i
   
   def gen_squares(nums):
       for num in nums:
           yield num**2
   
   # 链式处理
   squares = gen_squares(gen_numbers())
   print(list(squares))  # [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

4. 状态保持（比类更简洁）

   def counter(start=0):
       count = start
       while True:
           val = (yield count)
           if val is not None:  # 可以通过send()修改状态
               count = val
           else:
               count += 1
   
   c = counter(10)
   print(next(c))  # 10
   print(next(c))  # 11
   c.send(20)      # 修改状态
   print(next(c))  # 21

5. 协程和异步编程（基础）

   def coroutine():
       print("Starting")
       while True:
           value = (yield)
           print(f"Received: {value}")
   
   co = coroutine()
   next(co)       # 启动协程
   co.send("Hello")  # Received: Hello
   co.send("World")  # Received: World

---

5. 生成器 vs 迭代器

特性	生成器	迭代器
实现方式	使用yield的函数	实现__iter__和__next__的类
内存使用	更节省内存	相对占用更多内存
代码简洁性	更简洁	需要更多代码
状态保持	自动保存局部变量状态	需要手动管理状态

生成器是Python中非常强大的工具，特别适合处理大数据流、实现惰性计算和创建复杂的迭代模式。

---