python生成器和python裝飾器幾乎平起平坐，在python世界中占有重要的地位。如果說python裝飾器是為了讓程序員悄無聲息拓展函數功能，那么python生成器就是為了讓你的代碼更省資源，更高效！說實話python生成器的抽象程度和靈活程度都要比python裝飾器高，功能也更加強大，所以我也只能暫時比較粗略地說句“python生成器就像一把瑞士軍刀，讓你的代碼更加短小（簡潔）精悍（有力）”。
首先我們來看一段python2環境下運行的一段代碼：

#注意，在python3.x中range和xrange已被合并，這段代碼運行必須在py2下！ for i in range(3):print(i) print('----------') for i in xrange(3):print(i) print('----------')lst1 = [x*x for x in range(3)] lst2 = (x*x for x in range(3))for i in lst1:print(i) print('----------') for i in lst2:print(i)

打印結果如下：

0 1 2 ---------- 0 1 2 ---------- 0 1 4 ---------- 0 1 4

看了這段代碼，你可能會說：python真麻煩，有range又有xrange，有[]又有()，運行結果還一樣。這不是白費事嘛？
那我們現在稍微改動下代碼：

a = range(3) b = xrange(3) print(type(a)) print(a) print(a[0],a[1]) print('---------') print(type(b)) print(b) print(b[0],b[1]) print('---------') lst1 = [x*x for x in range(3)] lst2 = (x*x for x in range(3)) print(type(lst1)) print(type(lst2))

打印結果如下：

<type 'list'> [0, 1, 2] (0, 1) --------- <type 'xrange'> xrange(3) (0, 1) --------- <type 'list'> <type 'generator'>

這里需要說明：range()返回一個列表list，xrange()返回一個生成器；也即[]返回一個列表list而()返回一個生成器。

* 注意：用[]推導出來的是迭代器（Iterables）。用()推導出來的是生成器（Generators）。*

可迭代對象(iterable) 與 迭代器(iterator)

iterable可迭代對象是實現了__iter__()方法的對象。更確切的說,是container.__iter__()方法,該方法返回的是的一個iterator對象,因此你可以從iterable可迭代對象獲得iterator迭代器。

在python中,迭代通常是通過for … in …來完成的,而且只要是可迭代對象(iterable),都能進行迭代。

例如，在下面的遍歷中

for value in something

這個something就是一個可迭代對象(iterable)。比如list,string,file。

對于iterable,我們該關注的是,它是一個能一次返回一個成員的對象(iterable is an object capable of returning its members one at a time),一些iterable將所有值都存儲在內存中,比如list,而另一些并不是這樣,比如我們下面將講到的iterator。

iterator(迭代器)是這樣的對象：實現了無參的__next__() 方法，返回序列中的下一個元素；如果沒有元素，將會拋出StopIteration異常。Python的迭代器也實現了__iter__()方法，所以一個迭代器（iterator）也是可迭代的（iterable)。

iterator.next()是iterator區別于iterable的關鍵了,它允許我們顯式地獲取一個元素.當調用next()方法時,實際上產生了2個操作:

更新iterator狀態,令其指向后一項,以便下一次調用；

返回當前結果；

二者的關系如下 ：

iter(可迭代對象) 生成迭代器

>>> s = 'abc' #s是一個可迭代對象 >>> it = iter(s) #it是一個迭代器 >>> for i in it: ... print(i)

我們現在不用for循環遍歷這個迭代器，我們嘗試調用next()方法。

>>> s = 'abc' >>> it = iter(s) >>> next(it) 'a' >>> s = 'abc' >>> it = iter(s) >>> next(it) 'a' >>> next(it) 'b' >>> next(it) 'c' >>> next(it) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration >>>

除了最后一行拋出異常外，其他結果和for循環一樣。也就是說，用for循環遍歷迭代器(iterator)X時，會循環地調用X的next()方法取得每一次的值，直到iterator為空，返回的StopIteration作為循環結束的標志。for … in … 會自動處理StopIteration異常，從而避免了拋出異常而使程序中斷。

我們對一個可迭代對象(iterable)用for … in …進行迭代時,實際是先通過調用iter()方法得到一個iterator,假設叫做X.然后循環地調用X的next()方法取得每一次的值,直到iterator為空,返回的StopIteration作為循環結束的標志.for … in … 會自動處理StopIteration異常,從而避免了拋出異常而使程序中斷.

需要格外注意的是,iterator是消耗型的,即每一個值被使用過后,就消失了.因此,你可以將以上的操作2理解成pop.對iterator進行遍歷之后,其就變成了一個空的容器了,但不等于None哦.因此,若要重復使用iterator,利用list()方法將其結果保存起來是一個不錯的選擇。
代碼如下：

>>> from collections import Iterable, Iterator >>> a = [1,2,3] # 眾所周知,list是一個iterable >>> b = iter(a) # 通過iter()方法,得到iterator,iter()實際上調用了__iter__(),此后不再多說 >>> isinstance(a, Iterable) True >>> isinstance(a, Iterator) False >>> isinstance(b, Iterable) True >>> isinstance(b, Iterator) True # 可見,itertor一定是iterable,但iterable不一定是itertor# iterator是消耗型的,用一次少一次.對iterator進行變量,iterator就空了! >>> c = list(b) >>> c [1, 2, 3] >>> d = list(b) >>> d []# 空的iterator并不等于None. >>> if b: ... print(1) ... 1 >>> if b == None: ... print(1) ...# 再來感受一下next() >>> e = iter(a) >>> next(e) #next()實際調用了__next__()方法,此后不再多說 1 >>> next(e) 2

生成器概念

只要 Python 函數的定義體中有 yield 關鍵字，該函數就是生成器函數。調用生成器函數時，會返回一個生成器對象。也就是說，生成器函數是生成器工廠。

函數返回一個值，而生成器函數生成一個值。不僅如此，函數返回值后就退出了，而生成器可以生產多次值，生成器函數中還能出現多個yield。

如何“生成”生成器

如何產生一個生成器呢，方法有二:

1.生成器函數(generator function)：帶有yield關鍵字的函數就是生成器函數，它的返回值是個生成器。
2.生成器表達式(generator expression)：而形如(elem for elem in [1, 2, 3])的表達式,稱為generator expression，也能產生一個生成器。

生成器表達式生成生成器：

>>> gen = ( i for i in [2,3,4,5,6]) >>> gen <generator object <genexpr> at 0x00000178D648D1A8> >>> for i in gen: ... print(i) ... 2 3 4 5 6

我們調用next()方法，也是可以的：

>>> gen = ( i for i in [2,3,4,5,6]) >>> next(gen) 2 >>> next(gen) 3 >>> next(gen) 4 >>> next(gen) 5 >>> next(gen) 6 >>> next(gen) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

這和我們上面迭代器（iterator）的使用一毛一樣！
其實，生成器(generator)就是迭代器(iterator)的一種,以更優雅的方式實現的iterator，而且完全可以像使用iterator一樣使用generator。當然除了定義，定義一個iterator，你需要分別實現_ _ iter _ _ ()方法和 _ _ next_ _()方法,但generator只需要一個yield關鍵字就可以。

生成器函數產生生成器

>>> def gen123(): ... yield 1 ... yield 2 ... yield 3 ... >>> gen123 <function gen123 at 0x00000178D6614D08> >>> gen123() <generator object gen123 at 0x00000178D648D1A8> >>> for i in gen123(): ... print(i) ... 1 2 3

這里你也能猜出來，我們調用next()方法除了會拋出異常，效果也一樣：

>>> def gen123(): ... yield 1 ... yield 2 ... yield 3 ... >>> gen = gen123() >>> next(gen) 1 >>> next(gen) 2 >>> next(gen) 3 >>> next(gen) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

其實 ，for循環會每次隱時調用next()方法，前進到函數中的下一個yield語句處。

生成器函數執行過程

生成器另外一個黑科技是生成器中的yield語句會掛起該生成器函數的狀態，保留足夠的信息，以便之后從它離開的地方繼續執行。

我們來看代碼：

>>> def genAB(): #? ... print('start') ... yield 'A' #? ... print('continue') ... yield 'B' #? ... print('end') #? ... >>> for i in genAB(): #? ... print('--->',i) #? ...

打印結果：

start ---> A continue ---> B end

? 定義生成器函數的方式與普通的函數無異，只不過要使用 yield 關鍵字。
? 在 for 循環中第一次隱式調用 next() 函數時（序號?），會打印
‘start’，然后停在第一個 yield 語句，生成值 ‘A’。
? 在 for 循環中第二次隱式調用 next() 函數時，會打印
‘continue’，然后停在第二個 yield 語句，生成值 ‘B’。
? 第三次調用 next() 函數時，會打印 ‘end.’，然后到達函數定義體
的末尾，導致生成器對象拋出 StopIteration 異常。
? 迭代時，for 機制的作用與 g = iter(gen_AB()) 一樣，用于獲取
生成器對象，然后每次迭代時調用 next(g)。
? 循環塊打印 –> 和 next(g) 返回的值。但是，生成器函數中的
print 函數輸出結果之后才會看到這個輸出。
? ‘start’ 是生成器函數定義體中 print(‘start’) 輸出的結果。
? 生成器函數定義體中的 yield ‘A’ 語句會生成值 A，提供給 for 循
環使用，而 A 會賦值給變量 i，最終輸出 –> A。
? 第二次調用 next(g)，繼續迭代，生成器函數定義體中的代碼由
yield ‘A’ 前進到 yield ‘B’。文本 continue 是由生成器函數定義
體中的第二個 print 函數輸出的。
? yield ‘B’ 語句生成值 B，提供給 for 循環使用，而 B 會賦值給變
量 c，所以循環打印出 –> B。
? 第三次調用 next(it)，繼續迭代，前進到生成器函數的末尾。文本
end. 是由生成器函數定義體中的第三個 print 函數輸出的。到達生成
器函數定義體的末尾時，生成器對象拋出 StopIteration 異常。for
機制會捕獲異常，因此循環終止時沒有報錯。

總結

以上是生活随笔為你收集整理的python生成器详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。