要想创建一个iterator，必须实现一个有__iter__()和__next__()方法的类，类要能够跟踪内部状态并且在没有元素返回的时候引发StopIteration异常.
这个过程很繁琐而且违反直觉.Generator能够解决这个问题.
python generator是一个简单的创建iterator的途径.前面讲的那些繁琐的步骤都可以被generator自动完成.
简单来说，generator是一个能够返回迭代器对象的函数.
怎样创建一个python generator？
就像创建一个函数一样简单，只不过不使用return 声明，而是使用yield声明.
如果一个函数至少包含一个yield声明(当然它也可以包含其他yield或return)，那么它就是一个generator.
yield和return都会让函数返回一些东西，区别在于，return声明彻底结束一个函数，而yield声明是暂停函数，保存它的所有状态，并且后续被调用后会继续执行.
generator函数和普通函数的区别
- generator函数包含一个以上的yield声明
- generator函数被调用的时候，会返回一个iterator对象，但是函数并不会立即开始执行
- __iter__()和__next__()方法被自动实现，所以可以使用next()函数对返回的此iterator对象进行迭代
- 一旦一个generator 执行到yield语句，generator函数暂停，程序控制流被转移到调用方
- 在对generator的连续调用之间，generator的本地变量和状态会被保存
- 最终，generator函数终止，再调用generator会引发StopIteration异常
下面这个例子说明上述全部要点，我们有一个名为my_gen()的函数，它带有一些yield声明.
# A simple generator function
def my_gen():
n = 1
print('This is printed first')
# Generator function contains yield statements
yield n
n += 1
print('This is printed second')
yield n
n += 1
print('This is printed at last')
yield n
有趣的是，在这个例子里变量n在每次调用之间都被记住了。和一般函数不同的是，在函数yield之后本地变量没有被销毁，而且，generator对象只能被这样迭代一次。
要想重复上面的过程，需要类似 a = my_gen() 这样创建另一个generator对象，并对其使用next方法迭代。
注意
：我们可以对generator对象直接使用for循环。
这是因为一个for循环接收一个iterator对象，且使用next()函数迭代它，当遇到StopIteration异常的时候自动停止。
# A simple generator function
def my_gen():
n = 1
print('This is printed first')
# Generator function contains yield statements
yield n
n += 1
print('This is printed second')
yield n
n += 1
print('This is printed at last')
yield n
# Using for loop
# Output:
# This is printed first
# 1
# This is printed second
# 2
# This is printed at last
# 3
for item in my_gen():
print(item) 有循环的python generator
上面的例子没有实际的应用意义，我们只是为了探究背后原理。
通常来说，generator都是和循环结合实现的，且这个循环带有一个终止条件。
我们来看一个reverse一个字符串的例子
def rev_str(my_str):
length = len(my_str)
for i in range(length - 1,-1,-1):
yield my_str[i]
# For loop to reverse the string
# Output:
# o
# l
# l
# e
# h
for char in rev_str("hello"):
print(char)
我们在for循环里面使用range()函数来获取反向顺序的index。
generator除了可以应用于string，还可以应用于其它类型的iterator，例如list，tuple等。
python generator 表达式
使用generator表达式可以很容易地创建简单的generator。
就像lambda函数可以创建匿名函数一样，generator函数创建一个匿名generator函数。
generator表达式的语法类似于python的list comprehension，只是方括号被替换为了圆括号而已。
list comprehension和generator表达式的主要区别在于，前者产生全部的list，后者每次仅产生一项。
它们有些懒惰，仅在接到请求的时候才会产生输出。因此，generator表达式比list comprehension更加节省内存。
# Initialize the list
my_list = [1, 3, 6, 10]
# square each term using list comprehension
# Output: [1, 9, 36, 100]
[x**2 for x in my_list]
# same thing can be done using generator expression
# Output: <generator object <genexpr> at 0x0000000002EBDAF8>
(x**2 for x in my_list)
上面的例子中，generator表达式没有立即产生需要的结果，而是在需要产生item的时候返回一个generator对象。
# Intialize the list
my_list = [1, 3, 6, 10]
a = (x**2 for x in my_list)
# Output: 1
print(next(a))
# Output: 9
print(next(a))
# Output: 36
print(next(a))
# Output: 100
print(next(a))
# Output: StopIteration
next(a) generator表达式可以在函数内部使用。当这样使用的时候，圆括号可以丢弃。
python里为什么要使用generator？
1.容易实现
相对于iterator类来说，generator的实现清晰、简洁。下面是用iterator实现一个2的指数函数
class PowTwo:
def __init__(self, max = 0):
self.max = max
def __iter__(self):
self.n = 0
return self
def __next__(self):
if self.n > self.max:
raise StopIteration
result = 2 ** self.n
self.n += 1
return result generator这样实现
def PowTwoGen(max = 0):
n = 0
while n < max:
yield 2 ** n
n += 1
因为generator自动跟踪实现细节，因此更加清晰、简洁。
2.节省内存
一个函数返回一个序列(sequence)的时候，会在内存里面把这个序列构建好再返回。如果这个序列包含很多数据的话，就过犹不及了。
而如果序列是以generator方式实现的，就是内存友好的，因为他每次只产生一个item。
3.代表无限的stream
generator是一个很棒的表示无限数据流的工具。无限数据流不能被保存在内存里面，并且因为generator每次产生一个item，它就可以表示无限数据流。
下面的代码可以产生所有的奇数
def all_even():
n = 0
while True:
yield n
n += 2
4.generator流水线(pipeline)
generator可以对一系列操作执行流水线操作。
假设我们有一个快餐连锁店的日志。日志的第四列是每小时售出的披萨数量，我们想对近5年的这一数据进行求和。
假设所有数据都是字符，不可用的数据都以"N/A"表示，使用generator可以这样实现
with open('sells.log') as file:
pizza_col = (line[3] for line in file)
per_hour = (int(x) for x in pizza_col if x != 'N/A')
print("Total pizzas sold = ",sum(per_hour))
这个流水线既高效又易读，并且看起来很酷！：）
到此这篇关于Python中Generators教程的实现的文章就介绍到这了,更多相关Python Generators内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
