生成器 | ZaynPei's Base

生成器是一种特殊的迭代器，它不需要你手动去实现迭代器协议（即 iter() 和 next() 方法）。它允许你用一种更简单、更像普通函数的方式来生成一个值的序列。

生成器的核心思想是 “懒加载” (Lazy Evaluation) 或 “延迟计算”。它不会一次性在内存中创建并存储所有元素，而是在你请求下一个元素时才实时生成它。

为什么要使用生成器？

生成器最主要的优点是内存效率极高。想象一下，你需要处理一个包含一百万个元素的序列。

使用列表：会立即在内存中创建并存储这一百万个元素，占用大量内存。
使用生成器：它只在你需要时才逐一生成元素。在任何时刻，内存中只有一个元素存在，极大地节约了内存资源。

这使得生成器非常适合处理：

大规模数据集：如大型日志文件、数据库查询结果等。
无限序列：例如，生成一个永不停止的斐波那契数列。
数据流处理：在数据处理管道中，数据可以像水流一样通过各个生成器节点，而无需将整个数据集加载到内存中。

创建生成器

主要有两种方式可以创建生成器：

生成器函数 (Generator Functions) 这是最常见的方式。一个普通的函数，只要包含了 yield 关键字，它就变成了一个生成器函数。

yield 关键字：这是生成器的魔法所在。yield 的作用类似于 return，但它并不会终止函数。相反，它会“暂停”函数的执行，并将其当前状态（包括局部变量）保存下来，然后将 yield 后面的值返回给调用者。当下次请求值时（例如通过 next() 或 for 循环），函数会从上次暂停的地方继续执行。

def countdown(n):
    print("开始倒计时！")
    while n > 0:
        yield n  # 暂停并返回 n 的值
        n -= 1
    print("倒计时结束！")

# 1. 调用生成器函数，返回一个生成器对象，此时函数内的代码还未执行
c = countdown(3)
print(type(c)) # <class 'generator'>

# 2. 第一次调用 next()，函数开始执行，直到遇到第一个 yield
print(next(c)) # 输出 "开始倒计时！" 和 3

# 3. 第二次调用 next()，函数从上次暂停处继续执行
print(next(c)) # 输出 2

# 4. 第三次调用 next()
print(next(c)) # 输出 1

# 5. 第四次调用 next()，循环结束，函数执行完毕
#    由于没有更多的 yield，函数会隐式地抛出 StopIteration 异常
try:
    next(c) # 输出 "倒计时结束！" 然后抛出异常
except StopIteration:
    print("生成器已耗尽。")

注意, 调用generator函数会创建一个generator对象，多次调用generator函数会创建多个相互独立的generator。假如在上面的代码中这样做:

1
2

print(next(countdown(3))) # 每次调用都会创建一个新的生成器对象, 所以每次都是输出 3
print(next(countdown(3))) # 每次调用都会创建一个新的生成器对象, 所以每次都是输出 3

正确的写法是创建一个generator对象，然后不断对这一个generator对象调用next()或者使用for循环.

生成器表达式 (Generator Expressions) 生成器表达式是列表生成式的近亲，语法上非常相似，但它返回的是一个生成器对象，而不是一个列表。

语法：将列表生成式的 [] 替换为 () 即可

# 列表生成式
my_list = [x * x for x in range(5)]
print(my_list) # 输出: [0, 1, 4, 9, 16]

# 生成器表达式
my_generator = (x * x for x in range(5))
print(my_generator) # 输出: <generator object <genexpr> at 0x...>

# 像使用其他迭代器一样使用它
for num in my_generator:
    print(num, end=' ') # 输出: 0 1 4 9 16