我們可以通過列表生成式簡單直接地創建一個列表，但是受到內存限制，列表容量肯定是有限的。而且，創建一個包含100萬個元素的列表，不僅占用很大的存儲空間，而且如果我們僅僅需要訪問前面幾個元素，那后面絕大多數元素占用的空間都白白浪費了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環的過程中不斷推算出后續的元素呢？這樣就不必創建完整的list，從而節省大量的空間。在Python中，這種一邊循環一邊計算的機制，稱為生成器（Generator）。
要創建一個generator，有很多種方法。第一種方法很簡單，只要把一個列表生成式的[]改成()，就創建了一個generator：
|
1
2
3
4
5
6
|
>>> mylist = [ x
for
x
in
range(1, 10)]
>>> mylist
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> gen = (x
for
x
in
range(1,10))
>>> gen
<generator object <genexpr> at 0x7f1d7fd0f5a0>
|
創建mylist和gen的區別僅在於最外層的[]和()，mylist是一個list，而gen是一個generator（生成器）。
我們可以直接打印出list的每一個元素，但我們怎么打印出generator的每一個元素呢？
如果要一個一個打印出來，可以通過generator的next()方法：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> gen.next()
1
>>> gen.next()
2
>>> gen.next()
3
...
>>> gen.next()
9
>>> gen.next()
Traceback (most recent call last):
File
"<stdin>"
, line 1,
in
<module>
StopIteration
|
我們講過，generator保存的是算法，每次調用next()，就計算出下一個元素的值，直到計算到最后一個元素，沒有更多的元素時，拋出StopIteration的錯誤。
其實我們可以使用for循環來代替next()方式， 這樣才更符合高效的編程思路：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>> gen = ( x
for
x
in
range(1, 10))
>>>
for
num
in
gen:
... print num
...
1
2
3
4
5
6
7
8
9
|
generator非常強大。如果推算的算法比較復雜，用類似列表生成式的for循環無法實現的時候，還可以用函數來實現。
比如，著名的斐波拉契數列（Fibonacci），除第一個和第二個數外，任意一個數都可由前兩個數相加得到：
|
1
|
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
|
斐波拉契數列用列表生成式寫不出來，但是，用函數把它打印出來卻很容易：
|
1
2
3
4
5
6
7
|
def
fib(
max
):
n
=
0
a, b
=
0
,
1
while
n <
max
:
print
b
a, b
=
b, a
+
b
n
=
n
+
1
|
上面的函數可以輸出斐波那契數列的前N個數：
|
1
2
3
4
5
6
7
|
>>> fib(6)
1
1
2
3
5
8
|
仔細觀察，可以看出，fib函數實際上是定義了斐波拉契數列的推算規則，可以從第一個元素開始，推算出后續任意的元素，這種邏輯其實非常類似generator。
也就是說，上面的函數和generator僅一步之遙。要把fib函數變成generator，只需要把print b改為yield b就可以了：
|
1
2
3
4
5
6
7
|
def
fib(
max
):
n
=
0
a, b
=
0
,
1
while
n <
max
:
yield
b
a, b
=
b, a
+
b
n
=
n
+
1
|
這就是定義generator的另一種方法。如果一個函數定義中包含yield關鍵字，那么這個函數就不再是一個普通函數，而是一個generator：
|
1
2
|
>>> fib(6)
<generator object fib at 0x104feaaa0>
|
這里，最難理解的就是generator和函數的執行流程不一樣。函數是順序執行，遇到return語句或者最后一行函數語句就返回。而變成generator的函數，在每次調用next()的時候執行，遇到yield語句返回，再次執行時從上次返回的yield語句處繼續執行。
舉個簡單的例子，定義一個generator，依次返回數字1，3，5：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
>>> 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 (most recent call last):
File
"<stdin>"
, line 1,
in
<module>
StopIteration
|
可以看到，odd不是普通函數，而是generator，在執行過程中，遇到yield就中斷，下次又繼續執行。執行3次yield后，已經沒有yield可以執行了，所以，第4次調用next()就報錯。
回到fib的例子，我們在循環過程中不斷調用yield，就會不斷中斷。當然要給循環設置一個條件來退出循環，不然就會產生一個無限數列出來。
同樣的，把函數改成generator后，我們基本上從來不會用next()來調用它，而是直接使用for循環來迭代：
|
1
2
3
4
5
6
7
8
9
|
>>>
for
n
in
fib(6):
... print n
...
1
1
2
3
5
8
|
generator是非常強大的工具，在Python中，可以簡單地把列表生成式改成generator，也可以通過函數實現復雜邏輯的generator。
要理解generator的工作原理，它是在for循環的過程中不斷計算出下一個元素，並在適當的條件結束for循環。對於函數改成的generator來說，遇到return語句或者執行到函數體最后一行語句，就是結束generator的指令，for循環隨之結束。