关于python生成器

生成器 generator

定义：能够动态提供数据的可迭代对象。 关于动态的概念：循环一次，计算一次，返回一次。 作用：在循环过程中，按照某种算法推算数据，不需要创建容器存储完整的结果，从而节省内存空间。数据量越大，优势越明显。以上作用也称之为延迟操作或惰性操作，通俗的讲就是在需要的时候才计算结果，而不是一次构建出所有结果。

生成器函数

定义：含有yield语句的函数，返回值为生成器对象 语法 – 创建： def 函数名(): … yield 数据 … – 调用： for 变量名 in 函数名(): 语句 说明： – 调用生成器函数将返回一个生成器对象，不执行函数体。 – yield翻译为”产生”或”生成”。 执行过程： (1) 调用生成器函数会自动创建迭代器对象。 (2) 在调用迭代器对象的__next__()方法时才执行生成器函数。 (3) 每次执行到yield语句时返回数据，暂时离开。 (4) 待下次调用__next__()方法时继续从离开处继续执行。 原理：生成迭代器对象的大致规则如下 – 将yield关键字以前的代码放在next方法中。 – 将yield关键字后面的数据作为next方法的返回值。

下面，我们可以写一些简单的例子，体会生成器函数在运行时的状态。 首先，我们稍微复习再上一篇文章中，通过创建迭代器对象的方法重写range函数。

需求：参照下列代码，自定义MyRange类，实现相同功能 for item in Myrange(n): print(item)

class MyRange: def __init__(self, end=0): self.end = end def __iter__(self): return RangeIterator(self.end) class RangeIterator: def __init__(self, end=None): self.end = end self.__begin = -1 def __next__(self): self.__begin += 1 if self.__begin > self.end - 1: raise StopIteration return self.__begin #test for i in MyRange(5): print(i)

输出的结果是0,1,2,3,4。 这里我们只是进行简单的重写，并没有再现Range函数中定义起点和步进的功能。 下面，我们通过生成器对自定义函数MyRange进行再重写：

def MyRange(end=0): number = 0 while number < end: yield number number += 1 #test for i in MyRange(5): print(i)

得到的结果同样是 0,1,2,3,4。 对比上面两段代码，实现相同的功能，代码量和运行时所占用的内存大小也不一样。 在此，稍微穿插迭代器协议。

迭代器协议

迭代器协议指的是对象必须提供一个__next__方法，执行时要么返回迭代中的下一项，要么引起StopIteration异常使得迭代终止。 可迭代对象：实现了迭代器协议的对象。在python中，我们平时使用的for循环就是通过迭代器协议访问对象。

总结

在实际工作应用中，充分利用python的生成器能够减少内存的占用，还能提高代码可读性。希望这篇小笔记能够让读者对生成器有所理解，也希望能够指出我的不足之处。