Python终结者生成器（Generator）和Yield，据说学会能加薪1000

　　来源：麦叔编程
　　作者：麦2叔
　　先来学几个英文单词，本文统一使用英文单词表示以下概念：「Iterable」：「可迭代对象」「Iterator」：「迭代器」「Generator」：「生成器」
　　本文的重点是「Generator」，之所以上来就说这3个概念，是因为：Generator只不过是Iterable和Iterator的一种简单形式。
　　用类的形式写Iterable/Iterator，要定义类，并包含至少三个函数：__init__，__iter__和__next__，但用Generator只要定义一个函数就搞定了。
　　我在面试Python程序员的时候，连续几个号称资深的程序员，回答Generator的问题都回答的不好。如果你能理解透彻这篇文章，对你的加薪作用可能不止一千。
　　虽然有标题党的嫌疑，但具有实在的意义。所以既然进来了，就耐心读下去吧。一周能理解透一个重要概念，假以时日，你就是高手。Generator是Iterable/Iterator的简单写法
　　如果你对Iterable和Iterator一无所知，建议先阅读本文的姊妹篇：『Python终结者 #2』可迭代对象（iterable) vs 迭代器（iterator) vs 生成器 (Generator)
　　我们先用「Iterable/Iterator」的方式来定一个「随机数生成器」，我把它命名为「Randable」，它的功能是：随机生成若干个1到100之间的随机数。
　　import random  class Randable():      def __init__(self, total):         self.count = 0         self.total = total      def __iter__(self):         return self      def __next__(self):         if self.count == self.total:             raise StopIteration         rand_num = random.randint(1, 100)         self.count += 1         return rand_num
　　使用上面的Randable类生成88个随机数：for i in Randable(88):     print(i)
　　这是一个类，包含__init__，__iter__和__next__3个函数：Randable(100)调用__init__函数创建了一个可以生成100个随机数的对象。for语句循环这个对象的时候首先调用__iter__函数获取Iterator，也就是这个对象本身。然后for不停调用__next__函数做循环，直到抛出StopIteration异常。
　　整个过程有点小复杂，也难以理解。Generator的出现就是为了简化这种复杂的写法。
　　实现同样的功能，Generator只需要一个「函数」就够了：def randgen(total):     for _ in range(0, total):         yield random.randint(1, 100)
　　调用过程不变：for i in randgen(88):     print(i) Generator的原理
　　for循环过程
　　结合上面的Geneator的例子，我们看一下for循环的过程：调用generator函数randgen(88):，并不会马上执行函数中的代码，而是返回一个generator对象。for循环通过Python内置的next函数调用这个对象，直到对象抛出StopIteration异常为止。
　　试验一下：def randgen(total):     for _ in range(0, total):         yield random.randint(1, 100)  g = randgen(88) print(type(g))
　　执行上面这段代码，会打印出： Generator特征Generator函数中没有return语句，只有「yield」语句。所以生成器就是：「有yield关键词的函数」。Generator也可以有return语句，return语句就相当于抛出了StopIteration异常，会结束函数。使用next()函数执行Generator中的代码，上面的for循环也是这个原理。当代码执行到「yield」语句的时候，yield会返回一个值给调用者，然后函数暂定在原地，等待下次调用。下次调用会从上次暂定的地方继续执行代码。这个过程会重复直到所有代码都执行完成，或者抛出了异常。
　　来看一个例子：# Generator def three_step():   print(＂这是第一步，你好！！＂)   yield   print(＂这是第二步，你还好吗？＂)   yield   print(＂这是第三步，再见！＂)    s = three_step() next(s) next(s) next(s)
　　运行一下，打印的结果如下：---第一次调用 这是第一步，你好！！ ---第二次调用 这是第二步，你还好吗？ ---第三次调用 这是第三步，再见！ Traceback (most recent call last):   File ＂/Users/zjueman/git/python/weixin/generator/gen.py＂, line 47, in      next(s) StopIteration
　　说明一下：yield关键词会让函数暂停，也可以没有返回值「可以把generator理解成有状态的函数」。一般的函数没有自己的状态，执行一次就结束了。但是generator有自己的状态可以被多次调用。实际上Generator背后就是一个类，所以它有状态。上一节中我们说过，Generator就是Iterable/Iterator类的一种简单写法。Generator表达式
　　Genertor除了函数的写法之外，还可以用表达式的写法。它的写法和列表推导式类似，区别就是把中括号**[...]「改成小括号」(...)**。
　　这是一个列表推导式：import sys # 生成1到1万的数字的平方 nums_squared_list = [i * 2 for i in range(10000)]
　　这是Generator表达式：import sys # 生成1到1万的数字的平方 nums_squared_gen = (i * 2 for i in range(10000))
　　前者会在内存中生成10000个数字，放在列表中。
　　后者不会马上生成，当你每次用next(nums_squared_gen)函数去调用它的时候，它会生成一个并返回。
　　如果你对推导式不熟悉，请看终结者系列的另一篇文章。链接见文末。Generator的性能优势
　　Generator因为可以被循环，经常被拿来和list做对比。它最让人津津乐道的是它的性能优越性。
　　假如你开了一家汉堡店，有个大客户向你订购1000万个汉堡。你会一次性生产完这些汉堡吗？
　　傻的汉堡店主会这样：一次性生产完1000万个汉堡，可是店里根本放不下啊。再租个仓库放。可是后来发现汉堡都坏掉了。
　　聪明的汉堡店主会这样：分批生产！客户什么时候来要，就给他们马上生产一批，既不会把店占满，汉堡还新鲜！
　　那如果有个需求，让你生成100亿个随机数，再求和。你会这样写吗？# 请不要尝试下面的代码，因为你的电脑可能会卡死！！！ rand_nums = [] for i in range(1, 10000000000):   rand_nums.append(random.randint(1, 100))  print(sum(rand_nums))
　　如果这样写，你的程序会在内存中生成100亿个整数，这也许会占满你的内存。
　　正确的写法是使用Generator，就用我们上面的randgen吧：print(sum(randgen(10000000000)))
　　前面使用list的时候，要先在内存中生成100亿个数字，然后再求和，这占空间又费时间。
　　而用Generator是每次用到的时候才生成1个，不用那么多空间。
　　我们可以测试一下前面的推导式的例子中占用的内存情况：>>> import sys >>> nums_squared_list = [i * 2 for i in range(10000)] >>> sys.getsizeof(nums_squared_list) 87624 # 列表推导式占用了87624字节的内存  >>> nums_squared_gen = (i ** 2 for i in range(10000)) >>> print(sys.getsizeof(nums_squared_gen)) 120  #  Generator只占用了87624字节的内存
　　这个例子中只生成10000个数字，区别还没那么大。如果是生成100亿个数字，区别会更大，因为Generator占用的内存基本是恒定的，和数字多少无关。
　　如果你曾经在写代码的时候犯了「傻汉堡店主」的问题，那么不要羞愧，因为Python语言的设计者们都犯过这样的错误！
　　在Python 2中很多标准库使用列表形式，出现内存问题。所以在Python 3中很多标准库都改用了Generator。
　　比如：range()函数在Python 2中返回的是一个列表，在Python 3中返回的是一个Genator。字符串的迭代器也是一个Generatorprint(iter(＂abcpython终结者2＂)) print(iter(range(1, 10000)))
　　打印结果：  帮你熟悉Generator的几个代码例子
　　我们再来多看几个代码例子，有的很简单，目的是为了给你增加更多的代码感觉。range是一个Generator，所以多大的range内存都不会爆for i in range(5):
　　print(i)三次方生成器def mygenerator(n):
　　for i in range(1, n, 2):
　　yield i**3表达式形式的三次方生成器mygenerator = (i**3 for i in range(1,10,2))Generator不只是用在for循环中，我们可以手动用next()函数调用它def mygenerator(n):
　　for i in range(1, n, 2):
　　yield i * (i + 1)
　　my_gen = mygenerator(6)
　　next(my_gen)
　　2
　　next(my_gen)
　　12
　　next(my_gen)
　　30
　　next(my_gen)
　　> StopIteration error高级的Generator方法
　　普通的Generator执行到yield就暂停，可以返回一个值或者不返回。
　　Generator除了可以返回值，它还可以接收调用者传值进来，这就要使用send()方法。
　　除了send()方法，还有throws，close()方法。
　　能通过yield返回值，也能够通过send()接收值，这就不是普通的Generator，而是进入了协程coroutine的领域了，需要专门的文章来讲，「我们下次再终结」。
　　基本的Generator有上面这些知识就足够了。