先决条件：Yield 关键字和迭代器讨论生成器时涉及两个术语。
发生器功能： 生成器函数的定义类似于普通函数，但每当它需要生成值时，它都会使用 yield 关键字而不是 return 来执行此操作。如果 def 的主体包含良率，则该函数将自动变为生成器函数。
# 第一次产生1次，第二次产生2次，第三次产生3次的发生器功能 def simpleGeneratorFun(): yield 1 yield 2 yield 3 # 用于检查上述生成器函数的驱动程序代码 for value in simpleGeneratorFun(): print(value)
输出
1 2 3
生成器-对象 ： 生成器函数返回生成器对象。生成器对象可以通过在生成器对象上调用 next 方法或在“for in”循环中使用生成器对象（如上面的程序所示）来使用。
# 一个 Python 程序，用于演示如何将生成器对象与 next（） 结合使用 # 生成器功能 def simpleGeneratorFun(): yield 1 yield 2 yield 3 # x 是生成器对象 x = simpleGeneratorFun() # 使用 next 循环访问生成器对象 print(next(x)) # In Python 3, __next__() print(next(x)) print(next(x))
输出
1 2 3
因此，生成器函数返回一个可迭代的生成器对象，即可用作迭代器。作为另一个例子，下面是斐波那契数列的生成器。
# 斐波那契数列的简单生成器 def fib(limit): # 初始化前两个斐波那契数列 a, b = 0, 1 # 一个接一个地产生下一个斐波那契数列 while a < limit: yield a a, b = b, a + b # 创建生成器对象 x = fib(5) # 使用 next 循环访问生成器对象 print(next(x)) # In Python 3, __next__() print(next(x)) print(next(x)) print(next(x)) print(next(x)) # 使用 for in 循环循环迭代生成器对象。 print("\nUsing for in loop") for i in fib(5): print(i)
输出
0 1 1 2 3 Using for in loop 0 1 1 2 3
应用：
假设我们创建了一个斐波那契数列流，采用生成器方法使其变得微不足道;我们只需要调用next（x）来获得下一个斐波那契数列，而不必费心于数字流的结束位置或时间。更实用的流处理类型是处理大型数据文件，如日志文件。生成器为此类数据处理提供了一种节省空间的方法，因为在一个给定的时间点仅处理文件的某些部分。我们也可以将迭代器用于这些目的，但是生成器提供了一种快速的方法（我们不需要编写__next__并在此处__iter__方法）。
