1. 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。
2. 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]: 0In [20]: next(G) Out[20]: 2In [21]: next(G) Out[21]: 4In [22]: next(G) Out[22]: 6In [23]: next(G) Out[23]: 8In [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) ....: 02468In [28]:
3. 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。
我们仍然用上一篇（python迭代器）提到的斐波那契数列来举例，回想我们在上一篇用迭代器的实现方式：
class Fabonacci(object): """斐波那契数列迭代器""" def __init__(self, num): self.num = num self.index = 0 self.a = 0 self.b = 1 def __next__(self): if self.index < self.num: v = self.a self.b, self.a = self.a, self.a + self.b self.index += 1 return v else: raise StopIteration def __iter__(self): return selfif __name__ == "__main__": fab = Fabonacci(15) for i in fab: print(i)
注意，在用迭代器实现的方式中，我们要借助几个变量(num、index、a、b)来保存迭代的状态。现在我们用生成器来实现一下。
from collections import Iteratordef fabonacci(num): index = 0 a, b = 0, 1 while index < num: val = a b, a = a, a + b index += 1 yield val return "done"fab = fabonacci(5) print(isinstance(fab, Iterator)) print(next(fab)) print(next(fab)) print(next(fab)) print(next(fab)) print(next(fab))
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。
fab = fabonacci(5)for i in fab: print(i)
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：
fab = fabonacci(5)while True: try:
print(next(fab)) except StopIteration as e:
print("生成器返回值为：", e.value) break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）。
4. 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)
使用send：
def gen(): i = 0 while i < 10: temp = yield i print(temp) i += 1
g = gen()
print(next(g))
print(g.send("python"))
print(next(g))
print(g.send(None))使用next：
g = gen() print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g)) print(next(g))
使用__next__方法（不常用）：
g = gen() print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__())
随时随地看视频
