pythopn 生成器

通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。
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，如果我们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。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？
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）。~~
要创建一个generator，有很多种方法。
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：
>>> a=(x*x for x in range(1,10))
>>> print(a)          #<generator object <genexpr> at 0x00000284C52B19E8>
>>> print(next(a))  
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，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过generator的next()方法：
>>> a=(x*x for x in range(1,10))
>>> print(a)          #<generator object <genexpr> at 0x00000284C52B19E8>
>>> print(next(a))       #4
>>>print(next(a))       #9
>>>print(next(a))       #16
>>>print(next(a))       #25

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()方法实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
>>> a=(x*x for x in range(1,10))
>>> for i in a:
>>>     print(i)            #1 4 9 16 25 36 49 64 81

所以，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。
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，
还可以用函数来实现。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
>>> def fib(max):
>>>     n, a, b = 0, 0, 1
>>>     while n < max:
>>>         print(b)
>>>         a, b = b, a + b
>>>         n = n + 1
>>> fib(9)                         #1, 1, 2, 3, 5, 8, 13, 21, 34

仔细观察，可以看出，fib函数实际上是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，上面的函数和generator仅一步之遥。要把fib函数变成generator，
只需要把print b改为yield b就可以了：
>>> def fib(max):
>>>     n, a, b = 0, 0, 1
>>>     while n < max:
>>>         yield(b)
>>>         a, b = b, a + b
>>>         n = n + 1
>>> for i in fib(9):
>>>     print(i)                      #1, 1, 2, 3, 5, 8, 13, 21, 34

这里，最难理解的就是generator和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。
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()
>>> print(next(o))              #step 1  ,  1
>>> print(next(o))              #step 2  ,  3
>>> print(next(o))              #step 3  ,  5
>>> print(next(o))  #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，我们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，我们基本上从来不会用next()来调用它，而是直接使用for循环来迭代：
>>> def odd():
>>>     print('step 1')
>>>     yield 1
>>>     print ('step 2')
>>>     yield 3
>>>     print ('step 3')
>>>     yield 5
>>> for i in odd():
>>>     print(i)  #step 1,1   step 2,3  step 3,5

generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，
也可以通过函数实现复杂逻辑的generator。
要理解generator的工作原理，它是在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。












本文转自lb沫51CTO博客，原文链接：http://blog.51cto.com/13562606/2060375，如需转载请自行联系原作者