# 3.6 【基础】生成器 ## 1. 什么是生成器？ 生成器（英文名 Generator ），是一个可以像迭代器那样使用for循环来获取元素的函数。 生成器的出现（Python 2.2 +），实现了延时计算，从而缓解了在大量数据下内存消耗过猛的问题。 当你在 Python Shell 中敲入一个生成器对象，会直接输出 `generator object` 提示你这是一个生成器对象 ```python >>> gen = (i for i in range(5)) >>> gen <generator object <genexpr> at 0x10cae50b0> ``` ## 2. 如何创建生成器？ ### 使用列表推导式 在上面已经演示过，正常我们使用列表推导式时是下面这样子，使用 `[]` ，此时生成的是列表。 ```python >>> mylist = [i for i in range(5)] >>> mylist [0, 1, 2, 3, 4] ``` 而当你把 `[]` 换成 `()` ，返回的就不是列表了，而是一个生成器 ```python >>> gen = (i for i in range(5)) >>> gen <generator object <genexpr> at 0x10cae50b0> ``` ### 使用 yield `yield` 是什么东西呢? 它相当于我们函数里的 return，但与 return 又有所不同。 - 当一个函数运行到 yield 后，函数的运行会暂停，并且会把 yield 后的值返回出去。 - 若 yield 没有接任何值，则返回 None - yield 虽然返回了，但是函数并没有结束 请看如下代码，我定义了一个 `generator_factory` 函数，当我执行 `gen = generator_factory()` 时，gen 就是一个生成器对象 ```python >>> def generator_factory(top=5): ... index = 0 ... while index < top: ... print("index 值为: " + str(index)) ... index = index + 1 ... yield index ... raise StopIteration ... >>> gen = generator_factory() >>> gen <generator object generator_factory at 0x1018340b0> ``` ## 3. 生成器的使用 从一个生成器对象中取出元素，和我们前面学过的通过切片访问列表中的元素不一样，它没有那么直观。 想要从生成器对象中取出元素，只有两种方法： **第一种方法**：使用 next 方法一个一个地把元素取出来，如果元素全部取完了，生成器会抛出 `StopIteration` 的异常。 ```python >>> gen = (x for x in range(3)) >>> gen <generator object <genexpr> at 0x1072400b0> >>> next(gen) 0 >>> next(gen) 1 >>> next(gen) 2 >>> next(gen) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration ``` **第二种方法**：使用 for 循环一个一个地迭代出来 ```python >>> gen = (x for x in range(3)) >>> for i in gen: ... print(i) ... 0 1 2 ``` ## 4. 生成器的激活 生成器对象，在创建后，并不会执行任何的代码逻辑。 想要从生成器对象中获取元素，那么第一步要触发其运行，在这里称之为激活。 方法有两种： 1. 使用`next()` ：上面已经讲过 2. 使用`generator.send(None)` 还以下面这段代码为例，可以看到 `gen.send(None)` 相当于执行了 `next(gen)` ```python >>> def generator_factory(top=5): ... index = 0 ... while index < top: ... print("index 值为: " + str(index)) ... index = index + 1 ... yield index ... raise StopIteration ... >>> >>> gen = generator_factory() >>> gen.send(None) index 值为: 0 1 >>> gen.send(None) index 值为: 1 2 ``` ## 5. 生成器的状态 生成器在其生命周期中，会有如下四个状态 - `GEN_CREATED` # 生成器已创建，还未被激活 - `GEN_RUNNING` # 解释器正在执行（只有在多线程应用中才能看到这个状态） - `GEN_SUSPENDED` # 在 yield 表达式处暂停 - `GEN_CLOSED` # 生成器执行结束 通过下面的示例可以很轻松地理解这一过程（`GEN_RUNNING` 这个状态只有在多线程中才能观察到，这里就不演示啦） ```python >>> gen = (x for x in range(2)) >>> from inspect import getgeneratorstate >>> gen = (x for x in range(3)) >>> getgeneratorstate(gen) 'GEN_CREATED' >>> >>> next(gen) 0 >>> getgeneratorstate(gen) 'GEN_SUSPENDED' >>> next(gen) 1 >>> next(gen) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration >>> getgeneratorstate(gen) 'GEN_CLOSED' ``` ## 6. 生成器的异常 在最前面，我有定义了一个生成器函数。 ```python def generator_factory(top=2): index = 0 while index < top: index = index + 1 yield index raise StopIteration ``` 在没有元素可返回时，我最后抛出了 `StopIteration` 异常，这是为了满足生成器的协议。 实际上，如果你不手动抛出 `StopIteration`，在生成器遇到函数 return 时，会我自动抛出 `StopIteration`。 请看下面代码，我将 `raise StopIteration` 去掉后，仍然会抛出异常。 ```python >>> def generator_factory(top=2): ... index = 0 ... while index < top: ... index = index + 1 ... yield index ... >>> gen = generator_factory() >>> next(gen) 1 >>> next(gen) 2 >>> next(gen) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration ```