Python知识点进阶——生成器

生成器

为什么要将列表转化为迭代器？

因为列表太大的话用内存太大，做成迭代器可以节省空间，用的时候再拿出部分。

生成器是不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，知道遇到StopIteration异常结束。

创建生成器

先看个例子

当要生成的list非常大时，会抛出异常，存储报错。

那怎样生成这种巨大的list呢？

可以看出b是一个generator，也就是生成器模式

生成器的创建很简单，将列表生成式的中括号改成小括号即可

注意：这里说的不是列表，因为列表的中括号改成小括号是元组！

如果想要生成一个内容，可用next（）函数：

直到最后会抛出异常，也就是到达了生成器的末端

函数进化为生成器

将函数中的return换成yield，函数就变成了生成器。

当我们调用时，发现返回的是生成器对象。为了拿到数据，我们可以使用next（）函数

不过在此之前，我们先要用一个变量去接收这个生成器对象，并且为了观察生成器的特点，我们对函数进行修改

当我们使用next（a）对生成器操作一次时，会返回循环一次的值

也就是在yield处结束本次运行

但是它的特点就是下次使用next（a）时，接着上次的断点继续运行，直到下一个yield

不断使用next（a），直到运行到生成器结尾处，会出现StopIteration异常。

使用for循环调用生成器

与next（）等价的方式

send（）

每次运行，除了返回下一个，还会打印出None

注意item=yield i 这句，首先执行的等号右边，yield返回，此时，返回生成器一个对象，并且中断

下次使用f.__next__（）时候，并没有传内容进去，可认为yield i这整个赋值给item的为None，所以item打印出为None

为了做比较，引入send（）

send（）可看做next（）的增强版，除了可以使用next（）功能，还能传入一个值到上次yield断开地方的整体表达式（这里是yield i）

多任务——协程

当我们在while主程序中，先使用f1.__next__()调用生成器func1,因为func1的循环条件始终为真，所以先打印（执行装入操作）然后遇到yield退出生成器func1，回到主程序

接着执行f2.__next__()调用生成器func2，像之前调用func1一样，先打印（执行打包操作）然后遇到yield退出生成器func2，回到主程序。因为主程序循环条件始终为真，所以继续像之前一样，接着调用，如此往复。这里使用打断来停止程序执行，不然会不断执行下去，由于两个生成器交替执行，很快，就像在多任务执行。