上一篇：详解迭代器的使用 | 手把手教你入门Python之八十
下一篇：学生管理系统 | 手把手教你入门Python之八十二

本文来自于千锋教育在阿里云开发者社区学习中心上线课程《Python入门2020最新大课》，主讲人姜伟。

生成器

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。

创建⽣成器⽅法1

要创建⼀个⽣成器，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 ( )

In [15]: L = [ x*2 for x in range(5)]

In [16]: L
Out[16]: [0, 2, 4, 6, 8]

In [17]: G = ( x*2 for x in range(5))

In [18]: G
Out[18]: <generator object <genexpr> at 0x7f626c132db0>

In [19]:

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是⼀个列表，⽽ G 是⼀个⽣成器。我们可以直接打印出列表L的每⼀个元素，⽽对于⽣成器G，我们可以按照迭代器的使⽤⽅法来使⽤，即可以通过next()函数、for循环、list()等⽅法使⽤。

In [19]: next(G)
Out[19]: 0

In [20]: next(G)
Out[20]: 2

In [21]: next(G)
Out[21]: 4

In [22]: next(G)
Out[22]: 6

In [23]: next(G)
Out[23]: 8

In [24]: next(G)

---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)

StopIteration:

In [25]:
In [26]: G = ( x*2 for x in range(5))

In [27]: for x in G:
 ....: print(x)
 ....:
0
2
4
6
8

In [28]:

创建⽣成器⽅法2

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。

我们仍然⽤上⼀节提到的斐波那契数列来举例，回想我们在上⼀节⽤迭代器的实现⽅式：

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
    """
    :param n: int, 指明⽣成数列的前n个数
    """
    self.n = n
    # current⽤来保存当前⽣成到数列中的第⼏个数了
    self.current = 0
    # num1⽤来保存前前⼀个数，初始值为数列中的第⼀个数0
    self.num1 = 0
    # num2⽤来保存前⼀个数，初始值为数列中的第⼆个数1
    self.num2 = 1

    def __next__(self):
        """被next()函数调⽤来获取下⼀个数"""
        if self.current < self.n:
            num = self.num1
            self.num1, self.num2 = self.num2, self.num1+self.num2
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回⾃身即可"""
        return self

注意，在⽤迭代器实现的⽅式中，我们要借助⼏个变量(n、current、num1、num2)来保存迭代的状态。现在我们⽤⽣成器来实现⼀下。

In [30]: def fib(n):
    ....: current = 0
    ....: num1, num2 = 0, 1
    ....: while current < n:
    ....: yield num1
    ....: num1, num2 = num2, num1+num2
    ....: current += 1
    ....: return 'done'
    ....:

In [31]: F = fib(5)

In [32]: next(F)
Out[32]: 1

In [33]: next(F)
Out[33]: 1

In [34]: next(F)
Out[34]: 2

In [35]: next(F)
Out[35]: 3

In [36]: next(F)
Out[36]: 5

In [37]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)

StopIteration: done

在使⽤⽣成器实现的⽅式中，我们将原本在迭代器 __next__ ⽅法中实现的基本逻辑放到⼀个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，⽽是⼀个⽣成器了。
简单来说：只要在def中有yield关键字的 就称为 ⽣成器

此时按照调⽤函数的⽅式( 案例中为F = fib(5) )使⽤⽣成器就不再是执⾏函数体了，⽽是会返回⼀个⽣成器对象（ 案例中为F ），然后就可以按照使⽤迭代器的⽅式来使⽤⽣成器了。

In [38]: for n in fib(5):
    ....: print(n)
    ....:
1
1
2
3
5

In [39]:

但是⽤for循环调⽤generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

In [39]: g = fib(5)

In [40]: while True:
    ....: try:
    ....: x = next(g)
    ....: print("value:%d"%x)
    ....: except StopIteration as e:
    ....: print("⽣成器返回值:%s"%e.value)
    ....: break
    ....:
value:1
value:1
value:2
value:3
value:5
⽣成器返回值:done

In [41]:

总结

• 使⽤了yield关键字的函数不再是函数，⽽是⽣成器。（使⽤了yield的函数就是⽣成器）

• yield关键字有两点作⽤：

  • 保存当前运⾏状态（断点），然后暂停执⾏，即将⽣成器（函数）挂起
  • 将yield关键字后⾯表达式的值作为返回值返回，此时可以理解为起到了return的作⽤
• 可以使⽤next()函数让⽣成器从断点处继续执⾏，即唤醒⽣成器（函数）
• Python3中的⽣成器可以使⽤return返回最终运⾏的返回值，⽽Python2中的⽣成器不允许使⽤return返回⼀个返回值（即可以使⽤return从⽣成器中退出，但return后不能有任何表达式）。

使⽤send唤醒

我们除了可以使⽤next()函数来唤醒⽣成器继续执⾏外，还可以使⽤send()函数来唤醒执⾏。使⽤send()函数的⼀个好处是可以在唤醒的同时向断点处传⼊⼀个附加数据。

例⼦：执⾏到yield时，gen函数作⽤暂时保存，返回i的值; temp接收下次c.send("python")，send发送过来的值，c.next()等价c.send(None)

In [10]: def gen():
    ....: i = 0
    ....: while i<5:
    ....: temp = yield i
    ....: print(temp)
    ....: i+=1
    ....:

使⽤send

In [43]: f = gen()

In [44]: next(f)
Out[44]: 0

In [45]: f.send('haha')
haha
Out[45]: 1

In [46]: next(f)
None
Out[46]: 2

In [47]: f.send('haha')
haha
Out[47]: 3

In [48]:

使⽤next函数

In [11]: f = gen()

In [12]: next(f)
Out[12]: 0

In [13]: next(f)
None
Out[13]: 1

In [14]: next(f)
None
Out[14]: 2

In [15]: next(f)
None
Out[15]: 3

In [16]: next(f)
None
Out[16]: 4

In [17]: next(f)
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-17-468f0afdf1b9> in <module>()
----> 1 next(f)

StopIteration:

使⽤ __next__() ⽅法（不常使⽤）

In [18]: f = gen()

In [19]: f.__next__()
Out[19]: 0

In [20]: f.__next__()
None
Out[20]: 1

In [21]: f.__next__()
None
Out[21]: 2

In [22]: f.__next__()
None
Out[22]: 3

In [23]: f.__next__()
None
Out[23]: 4

In [24]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-24-39ec527346a9> in <module>()
----> 1 f.__next__()

StopIteration: