Python：生成器的简单理解

标签：占用   ima   理解   技术分享   for   color   直接   log   并且   

一、什么是生成器

在Python中，由于受到内存的限制，列表容量肯定是有限的。例如我们创建一个包含一亿个元素的列表，Python首先会在内存中开辟足够的空间来存储这个包含一亿个元素的列表，然后才允许用户去使用这个列表，这就可能会导致以下问题：

　　1、内存中没有足够的内存空间开存储这个列表，从而导致列表无法创建

　　2、即使列表成功创建，然而仍会消耗很长的时间，导致程序效率低下

　　3、若用户只想访问列表前面的几个元素，则后面列表绝大多数元素占用的空间就都白白浪费了

为了有效解决以上的问题，Python中引入了一种“一边循环，一边计算”的新机制，即当用户需要使用某个对象时，Python才根据事先设计好的规则开辟内存空间创建这个对象供用户使用，而不是像列表一样事先将所有的对象都创建完毕之后再提供给用户使用。这种机制在Python中成为生成器（generator）。

二、生成器的创建

A、生成器推到式

与列表推到式类似，只不过生成器推导式使用()而非[],并且最终返回的是生成器而非列表

1 g=((i+2)**2 for i in range(2,30)) #g是一个生成器
2 print(g) #g为空，里面包含任何元素

B、yield关键字

在一个函数定义中包含yield关键字，则这个函数就不再是一个普通的函数，而是一个生成器（generator）

[说明]：yield指令可以暂停一个函数并返回其中间结果，使用该指令的函数将保存执行环境，并在必要时恢复

 1 def fib(max):
 2     n,a,b=0,0,1
 3     while n<max:
 4         #print(b)
 5         yield b
 6         a,b=b,a+b
 7         n+=1
 8     return ‘done‘
 9 
10 f=fib(6)
11 print(f)

[注]：普通函数和变成生成器的函数的不同：

普通函数是顺序执行的，遇到return或是最后一行函数语句就返回。而变成生成器的函数在每次调用__next__()方法时执行，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

1 f=fib(6)
2 print(f)
3 print(f.__next__())
4 print(f.__next__())
5 print(‘暂停一下‘)
6 print(f.__next__())
7 print(f.__next__())

三、生成器方法

1.close()方法：手动关闭生成器函数，后面的调用会直接返回StopIteration异常

1 def func():
2     yield 1
3     yield 2
4     yield 3
5 
6 g=func()
7 g.__next__()
8 g.close() #手动关闭生成器
9 g.__next__() #关闭后，yield 2和yield 3语句将不再起作用

Python：生成器的简单理解

标签：占用   ima   理解   技术分享   for   color   直接   log   并且   

原文地址：http://www.cnblogs.com/duwenxing/p/7396976.html