Python3生成器

通过列表推导式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的。 假如创建一个包含上百万个成员的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素， 那后面绝大多数元素占用的空间都白白浪费了。

如果我们可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的 list，从而节省大量的空间，在 Python 中，这种一边循环一边计算的机制，称为生成器（Generator）。

生成器定义和使用

要创建一个生成器，有很多种方法，最简单的方式是：只要把一个列表推导式的 [] 改成 ()，就创建了一个生成器。

myge = (item for item in range(10))
print(type(myge))

我们可以直接输出集合的每一个元素，但我们怎么输出生成器的每一个元素呢， 如果要一个一个输出元素，可以通过生成器的 __next__ 函数或者 Python 内置的 next 函数（实际上该函数间接调用生成器的 __next__ 函数）。

myge = (item for item in range(3))
print(myge.__next__())
print(myge.__next__())
print(myge.__next__())

# 等价于上面代码
myge = (item for item in range(3))
print(next(myge))
print(next(myge))
print(next(myge))

生成器保存的是算法，每次调用 __next__ 函数 就计算出下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的错误。

myge = (item for item in range(3))
print(myge.__next__())
print(myge.__next__())
print(myge.__next__())
print(myge.__next__())  # 抛出异常

用生成器的 __next__ 方法太单一不灵活，我们可以使用 for 循环，因为生成器也是可迭代对象。

from collections.abc import Iterable

myge = (item for item in range(3))
print(isinstance(myge, Iterable))

for item in myge:
    print(item)

注意事项：我们基本上永远不会调用 next 函数，而是通过 for 循环来迭代它，因为 for 循环在遍历生成器时， 计算到最后一个元素就会自动停止遍历，不会抛出 StopIteration 的错误，这样很友好。

让函数变成生成器

生成器非常强大，如果推算的算法比较复杂，用类似列表推导式的 for 循环无法实现的时候，还可以用函数来实现， 我们先来看一个简单的例子，写一个可以生成无限偶数的生成器。

def ge_even():
    data = 1
    while True:
        if data % 2 == 0:
            yield data
        data += 1

even = ge_even()
print(type(even))  # even 是个生成器

for item in even:
    print(item)

只要函数定义中包含 yield 关键字，那么这个函数就不再是一个普通函数，而是一个生成器，该生成器和其它生成器具有一样的性质， 比如可以用他的 __next__ 函数，可以用 for 循环遍历。

def ge_func():
    yield 1
    yield 2
    yield 3

myge = ge_func()
print(myge.__next__())
print(myge.__next__())
print(myge.__next__())

myge = ge_func()
for item in myge:
    print(item)

本节重要知识点

生成器和推导式的区别。

遍历生成器的方法。

如何把函数变成生成器。