生成器（英文：generator）是一個非常迷人的東西，也常被認(rèn)為是 Python 的高級編程技能。不過，我依然很樂意在這里跟讀者——盡管你可能是一個初學(xué)者——探討這個話題，因為我相信讀者看本教程的目的，絕非僅僅將自己限制于初學(xué)者水平，一定有一顆不羈的心——要成為 Python 高手。那么，開始了解生成器吧。
還記得上節(jié)的“迭代器”嗎？生成器和迭代器有著一定的淵源關(guān)系。生成器必須是可迭代的，誠然它又不僅僅是迭代器，但除此之外，又沒有太多的別的用途，所以，我們可以把它理解為非常方便的自定義迭代器。
最這個關(guān)系實在感覺有點糊涂了。稍安勿躁，繼續(xù)閱讀即明了。
>>> my_generator = (x*x for x in range(4))這是不是跟列表解析很類似呢？仔細(xì)觀察，它不是列表，如果這樣的得到的才是列表：
>>> my_list = [x*x for x in range(4)]以上兩的區(qū)別在于是 [] 還是 ()，雖然是細(xì)小的差別，但是結(jié)果完全不一樣。
>>> dir(my_generator)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__',
'__iter__',
'__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running',
'next',
'send', 'throw']為了容易觀察，我將上述結(jié)果進(jìn)行了重新排版。是不是發(fā)現(xiàn)了在迭代器中必有的方法__inter__()和 next()，這說明它是迭代器。如果是迭代器，就可以用 for 循環(huán)來依次讀出其值。
>>> for i in my_generator:
... print i
...
0
1
4
9
>>> for i in my_generator:
... print i
... 當(dāng)?shù)谝槐檠h(huán)的時候，將 my_generator 里面的值依次讀出并打印，但是，當(dāng)再讀一次的時候，就發(fā)現(xiàn)沒有任何結(jié)果。這種特性也正是迭代器所具有的。
如果對那個列表，就不一樣了：
>>> for i in my_list:
... print i
...
0
1
4
9
>>> for i in my_list:
... print i
...
0
1
4
9難道生成器就是把列表解析中的 [] 換成 () 就行了嗎？這僅僅是生成器的一種表現(xiàn)形式和使用方法罷了，仿照列表解析式的命名，可以稱之為“生成器解析式”（或者：生成器推導(dǎo)式、生成器表達(dá)式）。
生成器解析式是有很多用途的，在不少地方替代列表，是一個不錯的選擇。特別是針對大量值的時候，如上節(jié)所說的，列表占內(nèi)存較多，迭代器（生成器是迭代器）的優(yōu)勢就在于少占內(nèi)存，因此無需將生成器（或者說是迭代器）實例化為一個列表，直接對其進(jìn)行操作，方顯示出其迭代的優(yōu)勢。比如：
>>> sum(i*i for i in range(10))
285請讀者注意觀察上面的 sum() 運算，不要以為里面少了一個括號，就是這么寫。是不是很迷人？如果列表，你不得不：
>>> sum([i*i for i in range(10)])
285通過生成器解析式得到的生成器，掩蓋了生成器的一些細(xì)節(jié)，并且適用領(lǐng)域也有限。下面就要剖析生成器的內(nèi)部，深入理解這個魔法工具。
yield 這個詞在漢語中有“生產(chǎn)、出產(chǎn)”之意，在 Python 中，它作為一個關(guān)鍵詞（你在變量、函數(shù)、類的名稱中就不能用這個了），是生成器的標(biāo)志。
>>> def g():
... yield 0
... yield 1
... yield 2
...
>>> g
<function g at 0xb71f3b8c>建立了一個非常簡單的函數(shù)，跟以往看到的函數(shù)唯一不同的地方是用了三個 yield 語句。然后進(jìn)行下面的操作：
>>> ge = g()
>>> ge
<generator object g at 0xb7200edc>
>>> type(ge)
<type 'generator'>上面建立的函數(shù)返回值是一個生成器(generator)類型的對象。
>>> dir(ge)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'next', 'send', 'throw']在這里看到了__iter__() 和 next()，說明它是迭代器。既然如此，當(dāng)然可以：
>>> ge.next()
0
>>> ge.next()
1
>>> ge.next()
2
>>> ge.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration從這個簡單例子中可以看出，那個含有 yield 關(guān)鍵詞的函數(shù)返回值是一個生成器類型的對象，這個生成器對象就是迭代器。
我們把含有 yield 語句的函數(shù)稱作生成器。生成器是一種用普通函數(shù)語法定義的迭代器。通過上面的例子可以看出，這個生成器（也是迭代器），在定義過程中并沒有像上節(jié)迭代器那樣寫__inter__() 和 next()，而是只要用了 yield 語句，那個普通函數(shù)就神奇般地成為了生成器，也就具備了迭代器的功能特性。
yield 語句的作用，就是在調(diào)用的時候返回相應(yīng)的值。詳細(xì)剖析一下上面的運行過程：
ge = g()：除了返回生成器之外，什么也沒有操作，任何值也沒有被返回。ge.next()：直到這時候，生成器才開始執(zhí)行，遇到了第一個 yield 語句，將值返回，并暫停執(zhí)行（有的稱之為掛起）。ge.next()：從上次暫停的位置開始，繼續(xù)向下執(zhí)行，遇到 yield 語句，將值返回，又暫停。gen.next()：重復(fù)上面的操作。gene.next()：從上面的掛起位置開始，但是后面沒有可執(zhí)行的了，于是 next() 發(fā)出異常。從上面的執(zhí)行過程中，發(fā)現(xiàn) yield 除了作為生成器的標(biāo)志之外，還有一個功能就是返回值。那么它跟 return 這個返回值有什么區(qū)別呢？
為了弄清楚 yield 和 return 的區(qū)別，我們寫兩個沒有什么用途的函數(shù)：
>>> def r_return(n):
... print "You taked me."
... while n > 0:
... print "before return"
... return n
... n -= 1
... print "after return"
...
>>> rr = r_return(3)
You taked me.
before return
>>> rr
3從函數(shù)被調(diào)用的過程可以清晰看出，rr = r_return(3)，函數(shù)體內(nèi)的語句就開始執(zhí)行了，遇到 return，將值返回，然后就結(jié)束函數(shù)體內(nèi)的執(zhí)行。所以 return 后面的語句根本沒有執(zhí)行。這是 return 的特點，關(guān)于此特點的詳細(xì)說明請閱讀《函數(shù)(2)》中的返回值相關(guān)內(nèi)容。
下面將 return 改為 yield：
>>> def y_yield(n):
... print "You taked me."
... while n > 0:
... print "before yield"
... yield n
... n -= 1
... print "after yield"
...
>>> yy = y_yield(3) #沒有執(zhí)行函數(shù)體內(nèi)語句
>>> yy.next() #開始執(zhí)行
You taked me.
before yield
3 #遇到 yield，返回值，并暫停
>>> yy.next() #從上次暫停位置開始繼續(xù)執(zhí)行
after yield
before yield
2 #又遇到 yield，返回值，并暫停
>>> yy.next() #重復(fù)上述過程
after yield
before yield
1
>>> yy.next()
after yield #沒有滿足條件的值，拋出異常
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration結(jié)合注釋和前面對執(zhí)行過程的分析，讀者一定能理解 yield 的特點了，也深知與 return 的區(qū)別了。
一般的函數(shù)，都是止于 return。作為生成器的函數(shù)，由于有了 yield，則會遇到它掛起，如果還有 return，遇到它就直接拋出 SoptIteration 異常而中止迭代。
斐波那契數(shù)列已經(jīng)是老相識了。不論是循環(huán)、迭代都用它舉例過，現(xiàn)在讓我們還用它吧，只不過是要用上 yield：
#!/usr/bin/env Python
# coding=utf-8
def fibs(max):
"""
斐波那契數(shù)列的生成器
"""
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
if __name__ == "__main__":
f = fibs(10)
for i in f:
print i ,運行結(jié)果如下：
$ python 21501.py
1 1 2 3 5 8 13 21 34 55用生成器方式實現(xiàn)的斐波那契數(shù)列是不是跟以前的有所不同了呢？讀者可以將本教程中已經(jīng)演示過的斐波那契數(shù)列實現(xiàn)方式做一下對比，體會各種方法的差異。
經(jīng)過上面的各種例子，已經(jīng)明確，一個函數(shù)中，只要包含了 yield 語句，它就是生成器，也是迭代器。這種方式顯然比前面寫迭代器的類要簡便多了。但，并不意味著上節(jié)的就被拋棄。是生成器還是迭代器，都是根據(jù)具體的使用情景而定。
在 python2.5 以后，生成器有了一個新特征，就是在開始運行后能夠為生成器提供新的值。這就好似生成器和“外界”之間進(jìn)行數(shù)據(jù)交流。
>>> def repeater(n):
... while True:
... n = (yield n)
...
>>> r = repeater(4)
>>> r.next()
4
>>> r.send("hello")
'hello'當(dāng)執(zhí)行到 r.next() 的時候，生成器開始執(zhí)行，在內(nèi)部遇到了 yield n 掛起。注意在生成器函數(shù)中，n = (yield n) 中的 yield n 是一個表達(dá)式，并將結(jié)果賦值給 n，雖然不嚴(yán)格要求它必須用圓括號包裹，但是一般情況都這么做，請讀者也追隨這個習(xí)慣。
當(dāng)執(zhí)行 r.send("hello") 的時候，原來已經(jīng)被掛起的生成器（函數(shù)）又被喚醒，開始執(zhí)行 n = (yield n)，也就是講 send() 方法發(fā)送的值返回。這就是在運行后能夠為生成器提供值的含義。
如果接下來再執(zhí)行 r.next() 會怎樣？
>>> r.next()什么也沒有，其實就是返回了 None。按照前面的敘述，讀者可以看到，這次執(zhí)行 r.next()，由于沒有傳入任何值，yield 返回的就只能是 None.
還要注意，send() 方法必須在生成器運行后并掛起才能使用，也就是 yield 至少被執(zhí)行一次。如果不是這樣：
>>> s = repeater(5)
>>> s.send("how")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can't send non-None value to a just-started generator就報錯了。但是，可將參數(shù)設(shè)為 None：
>>> s.send(None)
5這是返回的是調(diào)用函數(shù)的時傳入的值。
此外，還有兩個方法：close() 和 throw()
最后一句，你在編程中，不用生成器也可以。
總目錄 | 上節(jié)：迭代器 | 下節(jié)：錯誤和異常(1)
如果你認(rèn)為有必要打賞我，請通過支付寶：qiwsir@126.com,不勝感激。
掃碼關(guān)注鍍金池微信號
手機(jī)訂課，優(yōu)惠多多