Python之生成器（Generator）

本篇博客主要介绍什么是生成器、简单生成器、带yield 语句的生成器、加强的生成器等内容。

通过列表生成式，可以直接创建一个列表。但是由于内存限制，列表容量是有限的。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。

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

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：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x00000000062DE630>

创建L和g的区别仅在于最外层的[]和()，L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，打印出generator的每一个元素：
如果要一个一个打印出来，可以通过generator的next()方法：

>>> g.next()
0
>>> g.next()
1
>>> g.next()
4
>>> g.next()
9
>>> g.next()
16
>>> g.next()
25
>>> g.next()
36
>>> g.next()
49
>>> g.next()
64
>>> g.next()
81
>>> g.next()
StopIteration                             Traceback (most recent call last)
<ipython-input-16-d7e53364a9a7> in <module>()
----> 1 g.next()

StopIteration: 

generator保存的是算法，每次调用next()，就计算出下一个元素的值，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。

当然，上面这种不断调用next()方法实在是繁琐，可以使用for循环，因为generator也是可迭代对象：

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print n
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()方法，而是通过for循环来迭代它。

带yield 语句的生成器

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。

先看下面的普通函数fib函数：

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

fib函数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，fib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即可：

>>>def fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
        return
>>>fib(2)
<generator object fib at 0x000000000648C438>

generator和一般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。

注意：
在生成器中，不允许return后面带任何参数。
否则：SyntaxError: ‘return’ with argument inside generator
因为在生成器中，return会引起StopIterationError。 一般生成器也不通过这种return的方式返回值。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

>>> def odd():
...     print 'step 1'
...     yield 1
...     print 'step 2'
...     yield 3
...     print 'step 3'
...     yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()# 使用next访问，当计算到最后一个元素后继续调用next时会抛出StopIteration错误（next方法基本不会用到）
StopIteration                             Traceback (most recent call last)
<ipython-input-29-ebce97425b7f> in <module>()
----> 1 o.next()

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()就报错。

回到fib的例子，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，基本上不会用next()来调用它，而是直接使用for循环来迭代：

>>> for n in fib(6):
...     print n
1
1
2
3
5
8

加强的生成器

在 python2.5 中,一些加强特性加入到生成器中,所以除了 next()来获得下个生成的值,用户可以将值回送给生成器[send()],在生成器中抛出异常,以及要求生成器退出[close()]:

def gen(x):
    count = x
    while True:
        val = (yield count)
        if val is not None:
            count = val
        else:
            count += 1

f = gen(5)
print f.next()
print f.next()
print f.next()
print '===================='
print f.send(9)#发送数字9给生成器
print f.next()
print f.next()
print f.close()

结果：

5
6
7
====================
9
10
11
None

补充：range()在python3 中是一个 generator.
generator的工作原理：在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。
在Python3.x中若使用generator的next属性，应该这么调用：

    g=fib(4)  
    next(g) #与之前的g.next()不同