ThinkChat🤖让你学习和工作更高效,注册即送10W Token,即刻开启你的AI之旅 广告
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。 所以,如果列表元素可以按照某种算法推算出来,那我们是否可以在循环的过程中不断推算出后续的元素呢?这样就不必创建完整的list,从而节省大量的空间。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: ~~~ >>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] >>> g = (x * x for x in range(10)) >>> g <generator object <genexpr> at 0x1022ef630> ~~~ 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,但我们怎么打印出generator的每一个元素呢? 如果要一个一个打印出来,可以通过`next()`函数获得generator的下一个返回值: ~~~ >>> next(g) 0 >>> next(g) 1 >>> next(g) 4 >>> next(g) 9 >>> next(g) 16 >>> next(g) 25 >>> next(g) 36 >>> next(g) 49 >>> next(g) 64 >>> next(g) 81 >>> next(g) Traceback (most recent call last): File "<stdin>", line 1, in <module> StopIteration ~~~ 我们讲过,generator保存的是算法,每次调用`next(g)`,就计算出`g`的下一个元素的值,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(g)`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: ~~~ >>> g = (x * x for x in range(10)) >>> for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81 ~~~ 所以,我们创建了一个generator后,基本上永远不会调用`next()`,而是通过`for`循环来迭代它,并且不需要关心`StopIteration`的错误。 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,著名的斐波拉契数列(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, 13, 21, 34, ... 斐波拉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 return 'done' ~~~ 上面的函数可以输出斐波那契数列的前N个数: ~~~ >>> fib(6) 1 1 2 3 5 8 'done' ~~~ 仔细观察,可以看出,`fib`函数实际上是定义了斐波拉契数列的推算规则,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)`改为`yield b`就可以了: ~~~ def fib(max): n, a, b = 0, 0, 1 while n < max: yield b a, b = b, a + b n = n + 1 return 'done' ~~~ 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: ~~~ >>> f = fib(6) >>> f <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) ~~~ 调用该generator时,首先要生成一个generator对象,然后用`next()`函数不断获得下一个返回值: ~~~ >>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) step 3 5 >>> next(o) Traceback (most 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。执行3次`yield`后,已经没有`yield`可以执行了,所以,第4次调用`next(o)`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()`来获取下一个返回值,而是直接使用`for`循环来迭代: ~~~ >>> for n in fib(6): ... print(n) ... 1 1 2 3 5 8 ~~~ 但是用`for`循环调用generator时,发现拿不到generator的`return`语句的返回值。如果想要拿到返回值,必须捕获`StopIteration`错误,返回值包含在`StopIteration`的`value`中: ~~~ >>> g = fib(6) >>> while True: ... try: ... x = next(g) ... print('g:', x) ... except StopIteration as e: ... print('Generator return value:', e.value) ... break ... g: 1 g: 1 g: 2 g: 3 g: 5 g: 8 Generator return value: done ~~~ 关于如何捕获错误,后面的错误处理还会详细讲解。 ### 练习 [杨辉三角](http://baike.baidu.com/view/7804.htm)定义如下: ~~~ 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 ~~~ ### 小结 generator是非常强大的工具,在Python中,可以简单地把列表生成式改成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。 请注意区分普通函数和generator函数,普通函数调用直接返回结果: ~~~ >>> r = abs(6) >>> r 6 ~~~ generator函数的“调用”实际返回一个generator对象: ~~~ >>> g = fib(6) >>> g <generator object fib at 0x1022ef948> ~~~ ### 参考源码 [do_generator.py](https://github.com/michaelliao/learn-python3/blob/master/samples/advance/do_generator.py)