在學習python的時候，剛開始接觸生成器（generator）這個概念的時候，其實還是不太能理解，感覺并沒有完全掌握，今天看到這篇文章的時候，感覺對這個概念真的是有了進一步的了解，感覺生成器和列表解析的關系似乎有點類似于range和xrange函數的關系一樣，列表解析是將要處理得到的序列都先生成了，而生成器是要通過多次迭代才會生成整個序列，否則每次執行就只是生成其中一個；此外，函數中出現了yield關鍵字，該函數就是生成器函數了。

這篇文章轉載自深入理解Python中的生成器，另外也可以看看廖雪峰老師的教程。

生成器(generator)概念
生成器不會把結果保存在一個系列中，而是保存生成器的狀態，在每次進行迭代時返回一個值，直到遇到StopIteration異常結束。

生成器語法
1. 生成器表達式： 通列表解析語法，只不過把列表解析的[]換成()
生成器表達式能做的事情列表解析基本都能處理，只不過在需要處理的序列比較大時，列表解析比較費內存。

>>> gen = (x**2 for x in range(5)) >>> gen <generator object <genexpr> at 0x0000000002FB7B40> >>> for g in gen: ... print(g, end='-') ... 0-1-4-9-16- >>> for x in [0,1,2,3,4,5]: ... print(x, end='-') ... 0-1-2-3-4-5-

生成器函數： 在函數中如果出現了yield關鍵字，那么該函數就不再是普通函數，而是生成器函數。
但是生成器函數可以生產一個無線的序列，這樣列表根本沒有辦法進行處理。
yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator。

下面為一個可以無窮生產奇數的生成器函數。

def odd():n=1while True:yield nn+=2 odd_num = odd() count = 0 for o in odd_num:if count >=5: breakprint(o)count +=1

當然通過手動編寫迭代器可以實現類似的效果，只不過生成器更加直觀易懂

class Iter:def __init__(self):self.start=-1def __iter__(self):return selfdef __next__(self):self.start +=2 return self.start I = Iter() for count in range(5):print(next(I))

題外話： 生成器是包含有iter()和next()方法的，所以可以直接使用for來迭代，而沒有包含StopIteration的自編Iter來只能通過手動循環來迭代。

>>> from collections import Iterable >>> from collections import Iterator >>> isinstance(odd_num, Iterable) True >>> isinstance(odd_num, Iterator) True >>> iter(odd_num) is odd_num True >>> help(odd_num) Help on generator object:odd = class generator(object)| Methods defined here:|| __iter__(self, /)| Implement iter(self).|| __next__(self, /)| Implement next(self).

……
看到上面的結果，現在你可以很有信心的按照Iterator的方式進行循環了吧！

在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。

yield 與 return
在一個生成器中，如果沒有return，則默認執行到函數完畢時返回StopIteration；

>>> def g1(): ... yield 1 ... >>> g=g1() >>> next(g) #第一次調用next(g)時，會在執行完yield語句后掛起，所以此時程序并沒有執行結束。 1 >>> next(g) #程序試圖從yield語句的下一條語句開始執行，發現已經到了結尾，所以拋出StopIteration異常。 Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration >>>

如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。

>>> def g2(): ... yield 'a' ... return ... yield 'b' ... >>> g=g2() >>> next(g) #程序停留在執行完yield 'a'語句后的位置。 'a' >>> next(g) #程序發現下一條語句是return，所以拋出StopIteration異常，這樣yield 'b'語句永遠也不會執行。 Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

如果在return后返回一個值，那么這個值為StopIteration異常的說明，不是程序的返回值。
生成器沒有辦法使用return來返回值。

>>> def g3(): ... yield 'hello' ... return 'world' ... >>> g=g3() >>> next(g) 'hello' >>> next(g) Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration: world

生成器支持的方法

>>> help(odd_num) Help on generator object:odd = class generator(object)| Methods defined here:......| close(...)| close() -> raise GeneratorExit inside generator.|| send(...)| send(arg) -> send 'arg' into generator,| return next yielded value or raise StopIteration.|| throw(...)| throw(typ[,val[,tb]]) -> raise exception in generator,| return next yielded value or raise StopIteration.

close()
手動關閉生成器函數，后面的調用會直接返回StopIteration異常。

>>> def g4(): ... yield 1 ... yield 2 ... yield 3 ... >>> g=g4() >>> next(g) 1 >>> g.close() >>> next(g) #關閉后，yield 2和yield 3語句將不再起作用 Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIteration

send()
生成器函數最大的特點是可以接受外部傳入的一個變量，并根據變量內容計算結果后返回。
這是生成器函數最難理解的地方，也是最重要的地方，實現后面我會講到的協程就全靠它了。

def gen():value=0while True:receive=yield valueif receive=='e':breakvalue = 'got: %s' % receiveg=gen() print(g.send(None)) print(g.send('aaa')) print(g.send(3)) print(g.send('e'))

執行流程：

通過g.send(None)或者next(g)可以啟動生成器函數，并執行到第一個yield語句結束的位置。
此時，執行完了yield語句，但是沒有給receive賦值。
yield value會輸出初始值0
注意：在啟動生成器函數時只能send(None),如果試圖輸入其它的值都會得到錯誤提示信息。

通過g.send(‘aaa’)，會傳入aaa，并賦值給receive，然后計算出value的值，并回到while頭部，執行yield value語句有停止。
此時yield value會輸出”got: aaa”，然后掛起。

通過g.send(3)，會重復第2步，最后輸出結果為”got: 3”

當我們g.send(‘e’)時，程序會執行break然后推出循環，最后整個函數執行完畢，所以會得到StopIteration異常。
最后的執行結果如下：

0 got: aaa got: 3 Traceback (most recent call last): File "h.py", line 14, in <module>print(g.send('e')) StopIteration

throw()
用來向生成器函數送入一個異常，可以結束系統定義的異常，或者自定義的異常。
throw()后直接跑出異常并結束程序，或者消耗掉一個yield，或者在沒有下一個yield的時候直接進行到程序的結尾。

def gen():while True: try:yield 'normal value'yield 'normal value 2'print('here')except ValueError:print('we got ValueError here')except TypeError:breakg=gen() print(next(g)) print(g.throw(ValueError)) print(next(g)) print(g.throw(TypeError))

輸出結果為：

normal value we got ValueError here normal value normal value 2 Traceback (most recent call last):File "h.py", line 15, in <module>print(g.throw(TypeError)) StopIteration

解釋：

print(next(g))：會輸出normal value，并停留在yield ‘normal value 2’之前。

由于執行了g.throw(ValueError)，所以會跳過所有后續的try語句，也就是說yield ‘normal value 2’不會被執行，然后進入到except語句，打印出we got ValueError here。
然后再次進入到while語句部分，消耗一個yield，所以會輸出normal value。

print(next(g))，會執行yield ‘normal value 2’語句，并停留在執行完該語句后的位置。

g.throw(TypeError)：會跳出try語句，從而print(‘here’)不會被執行，然后執行break語句，跳出while循環，然后到達程序結尾，所以跑出StopIteration異常。
下面給出一個綜合例子，用來把一個多維列表展開，或者說扁平化多維列表)

def flatten(nested):try:#如果是字符串，那么手動拋出TypeError。if isinstance(nested, str):raise TypeErrorfor sublist in nested:#yield flatten(sublist)for element in flatten(sublist):#yield elementprint('got:', element)except TypeError:#print('here')yield nestedL=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]] for num in flatten(L):print(num)

如果理解起來有點困難，那么把print語句的注釋打開在進行查看就比較明了了。

總結

按照鴨子模型理論，生成器就是一種迭代器，可以使用for進行迭代。

第一次執行next(generator)時，會執行完yield語句后程序進行掛起，所有的參數和狀態會進行保存。 再一次執行next(generator)時，會從掛起的狀態開始往后執行。
在遇到程序的結尾或者遇到StopIteration時，循環結束。

可以通過generator.send(arg)來傳入參數，這是協程模型。

可以通過generator.throw(exception)來傳入一個異常。throw語句會消耗掉一個yield。 可以通過generator.close()來手動關閉生成器。

next()等價于send(None)

總結

以上是生活随笔為你收集整理的python学习笔记--理解生成器的全部內容，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。