Python自学笔记之高级特性——生成器

生成器

通过列表生成式，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。而且，创建一个包含100万个元素的列表，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。

而如果列表元素可以按照某种算法推算出来，我们就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，从而节省大量的时间。在Python中，这种一边循环一边计算的机制，称为生成器（generator）。

要创建一个generator，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()，就创建了一个generator。例如将L = [x * x for x in range(5)]改写成g = (x * x for x in range(5))会得到如下结果：

>>> g
<generator object <genexpr> at 0x104feab40>

创建L和g的区别仅在于最外层的[]和()， L是一个list，而g是一个generator。

我们可以直接打印出list的每一个元素，而如果需要一个一个打印出generator的元素，可以通过其next()方法：

>>> g.next()
0
>>> g.next()
1
>>> g.next()
4
>>> g.next()
9
>>> g.next()
16
>>> g,next()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

如上文，generator保存的是算法，每次调用next()，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。

当然，上面这种不断调用next()方法实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象。即使用 for n in g就可以遍历得到generator所有元素。在for循环里，无需处理StopIteration异常，循环会正常结束。

所以，我们创建了一个generator后，基本上永远不会调用next()方法，而是通过for循环来迭代它。

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。

比如，著名的斐波纳契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：

1，1，2，3，5，8，...

斐波纳契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：

def  fib(max):
    n, a, b = 0, 0, 1
    while n < max:
        print b
        a, b = b, a+b
        n = n + 1

上面函数即可以输出斐波纳契数列的前N个数。

可以看出，fib函数实际上是定义了斐波纳契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print b改成yield b就可以了。这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator，此时：

>>> fib(6)

<generator object fib at 0x104feaaa0>

这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

举个简单的例子，定义一个generator，依次返回数字1，3，5：

>>> def odd():
...    print 'step 1'
...    yield 1
...    print 'step 2'
...    yield 3
...    print 'step 3'
...    yield 5
...
>>> o = odd()
>>> o.next()
step 1
1
>>> o.next()
step 2
3
>>> o.next()
step 3
5
>>> o.next()
Traceback (nost recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。zhixing3次yield后，已经没有yield可以执行了，所以第4次调用next()就报错。

回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。

同样的，把函数改成generator后，我们基本上从来不会用next()来调用它，而是直接使用for循环来迭代。

小结

generator是非常强大的工具，在Python中，可以简单把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。

要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

而yield的作用就是把一个函数变成一个generator，带有yield的函数不再是一个普通函数，Python解释器会将其视为一个generator，调用fib(5)不会执行fib函数，而是返回一个iterable对象！在for循环执行时，每次循环都回执行fib函数内部的代码，执行到yield b时，fib函数就返回一个迭代值，下次迭代时，代码从yield b的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到yield。