Python 生成器与迭代器 yield 案例分析

前几天刚开始看 Python ，后因为项目突然到来，导致Python的学习搁置了几天。然后今天看回Python 发现 Yield 这个忽然想不起是干嘛用的了（所以，好记性不如烂笔头。）。然后只能 花点时间 回顾一下 廖雪峰老师 Python前面的课程内容了 并对廖老师的课程内容做了以下总结：

迭代器（iter）：迭代器是访问集合元素的一种方式。迭代器的对象从集合的第一个元素开始访问，直到所有的元素被访问结束。迭代器只能往前不会退后。

不过也没什么，因为很少在迭代过程中往后退。另外迭代器一大优点是不需要准备好整个迭代过程中的所有元素。迭代器仅仅在迭代

到某个元素时才计算该元素，而在这之前或者之后，元素可以不存在或者被销毁。这个特点使得它特别适合用于遍历一些巨大的或者无限的集合

，比如几个G的文件。

生成器(generator)：一个函数返回一个迭代器，那这个函数就叫做生成器(generator)，如果函数中包含yield语法，那这个函数就变成生成器。

Yield：yield的主要作用就是可以使函数中断，并保存中断状态，中断后，代码可以继续往下执行，过一段时间还可以重新调用这个

函数，从上次yield的下一句开始执行。

首先，先来看一个“斐波那契数列”（从第三个数开始，每位的值都等于前两个数的和）的例子

def Fibonacci(max):
    n , a, b = 0 , 0 , 1
    while n < max:
        print(b)
        a , b = b, a + b
        n = n + 1
# 输出前十位
Fibonacci(10)

得出的结果：

E:\Python>python test.py
1
1
2
3
5
8
13
21
34
55

PS: Fibonacci 这个函数大家有没有发现一个问题， 这个函数是没有返回值的，也就是说，基本上是无法复用的。如果要提高 fab 函数的可复用性，那么要怎么做的？

用一个List 把要输出的值保存下来。如下：

def Fibonacci(max):
    n , a, b = 0 , 0 , 1
    len  = []
    while n < max:
        len.append(b)
        a , b = b, a + b
        n = n + 1
    return len

# 调用函数
for n in Fibonacci(10):
    print(n)

输出结果:

1
1
2
3
5
8
13
21
34
55

PS: 如上就是我们经常看到的函数， 但是有经验的开发者们会发现一个问题， 内存问题， 如果 max的大小和 占用内存的大小是成正比的，也就是说max越大，占用资源就越多。

这个时候使用 Yield 使得函数返回值变成迭代器来解决这个问题，如下例子：

def Fibonacci(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, b + a
        n = n + 1
# 调用返回
for n in Fibonacci(10):
    print(n)

输出结果：

1
1
2
3
5
8
13
21
34
55

PS：上面Fibonacci 返回的就是一个迭代器。

肯定有小伙伴会问道，迭代器的原理是什么？

 def Fibonacci(max):
     n, a, b = 0, 0, 1
     while n < max:
         yield b
         a, b = b, b + a
         n = n + 1

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。

也就是第一次next 生成器函数 只执行到 第四行（yield b）

这个时候再执行一次 next  那么生成器函数会从第五行还是执行。 就是这样一步步推算下来。

当函数执行结束时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。

以上。

如果有什么讲的不好地方，希望大家批评指正。