本篇内容主要讲解“Python中的生成器怎么实现”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python中的生成器怎么实现”吧!
前言
生成器很容易实现，但却不容易理解。生成器也可用于创建迭代器，但生成器可以用于一次返回一个可迭代的集合中一个元素。现在来看一个例子：
def yrange(n): i = 0 while i < n: yield i i += 1每次执行 yield 语句时，函数都会生成一个新值。
“生成器”这个词被混淆地用来表示生成的函数和它生成的内容。
当调用生成器函数时，它甚至没有开始执行该函数就返回一个生成器对象。 当第一次调用 next() 方法时，函数开始执行直到它到达 yield 语句。 产生的值由下一次调用返回。
以下示例演示了 yield 和对生成器对象上的 next 方法的调用之间的相互作用。
>>> def foo():... print("begin")... for i in range(3):... print("before yield", i)... yield i... print("after yield", i)... print("end")...>>> f = foo()>>> next(f)beginbefore yield 00>>> next(f)after yield 0before yield 11>>> next(f)after yield 1before yield 22>>> next(f)after yield 2endTraceback (most recent call last): File "<pyshell#13>", line 1, in <module> next(f)StopIteration>>>生成器也是迭代器
生成器也是迭代器，支持使用 for 循环。当使用 for 语句开始对一组项目进行迭代时，即运行生成器。一旦生成器的函数代码到达 yield 语句，生成器就会将其执行交还给 for 循环，从集合中返回一个新值。生成器函数可以根据需要生成任意数量的值（可能是无限的），依次生成每个值。
f_2 = foo()for i in f_2: print(i)beginbefore yield 00after yield 0endbefore yield 11after yield 1endbefore yield 22after yield 2end
当一个函数包含 yield 时，Python 会自动实现一个迭代器，为我们应用所有需要的方法，比如 __iter__() 和 __next__()，所以生成器也能和迭代器有相同的功能，如下所示：
def yrange(): i = 1 while True: yield i i = i + 1def squares(): for i in yrange(): yield i * idef take(n, seq): seq = iter(seq) result = [] try: for i in range(n): result.append(next(seq)) except StopIteration: pass return resultprint(take(5, squares()))# [1, 4, 9, 16, 25]接下来看一下如何使用生成器计算斐波那契数列：
def fib(n): if n <= 1: return 1 a, b = 0, 1 for _ in range(n): a, b = b, a + b yield afor i in fib(10): print(i, end=' ')# Result：1 1 2 3 5 8 13 21 34 55生成器推导式
生成器表达式是列表推导式的生成器版本。它们看起来像列表推导式，但返回的是一个生成器，而不是一个列表。生成器推导式的本质：
使用 yield 会产生一个生成器对象
用 return 将返回当前的第一个值。
generator_expressions = (x for x in range(10))generator_expressions<generator object <genexpr> at 0x0000023F8BC51AF0>sum(generator_expressions)45无限生成器
生成器的另一个常见场景是无限序列生成。在 Python 中，当您使用有限序列时，您可以简单地调用 range() 并在列表中对其进行计数，例如：
a = range(5)print(list(a))[0, 1, 2, 3, 4]也可以这样做，使用如下生成器生成无限序列：
def infinite_sequence(): num = 0 while True: yield num num += 1运行此代码时，可以看到其运行非常快，可以通过 CTRL+C 来使得程序结束，如下：
生成器实际用法
1. 读取文件行
生成器的一个常见用法是处理大型文件或数据流，例如 CSV 文件。假设我们需要计算文本文件中有多少行，我们的代码可能如下所示：
def csv_reader(file_name): file = open(file_name) result = file.read().split("\n") return resultcsv_gen = csv_reader("some_file.csv")row_count = 0for row in csv_gen: row_count += 1print(f"Row count is {row_count}")我们的 csv_reader 函数将简单地将文件打开到内存中并读取所有行，然后它将行拆分并与文件数据形成一个数组。如果文件包含几千行，可能就会导致速度变慢，设置是内存被占满。
这里就可以通过生成器重构的 csv_reader 函数。
def csv_reader(file_name): for row in open(file_name, "r"): yield row2.读取文件内容
def readfiles(filenames): for f in filenames: for line in open(f): yield linedef grep(pattern, lines): return (line for line in lines if pattern in line)def printlines(lines): for line in lines: print(line, end="")def main(pattern, filenames): lines = readfiles(filenames) lines = grep(pattern, lines) printlines(lines)高级生成器用法
到目前为止，我们已经介绍了生成器最常见的用途和构造，但还有更多内容需要介绍。随着时间的推移，Python 为生成器添加了一些额外的方法：
send() 函数
throw() 函数
close() 函数
接下来，我们来看一下如何使用这三个函数。
首先，新建一个生成器将生成素数，其实现如下：
def isPrime(n): if n < 2 or n % 1 > 0: return False elif n == 2 or n == 3: return True for x in range(2, int(n**0.5) + 1): if n % x == 0: return False return Truedef getPrimes(): value = 0 while True: if isPrime(value): i = yield value if i is not None: value = i value += 1然后我们调用 send() 函数，这个函数会向生成器 prime_gen 传入一个值，然后从这个值开始计算下一个素数的值：
prime_gen = getPrimes()print(next(prime_gen))print(prime_gen.send(1000))print(next(prime_gen))可以看到如下结果：
throw() 允许您使用生成器抛出异常。例如，这对于以某个值结束迭代很有用。比如我们想得到小于 20 的素数就可以使用如下方法：
prime_gen = getPrimes()for x in prime_gen: if x > 20: prime_gen.throw(ValueError, "I think it was enough!") print(x)运行该代码，得到结果如下：
在前面的示例中，我们通过引发异常来停止迭代，但这并不是用户想看到的，谁想看到报错呢。因此，结束迭代的更好方法是使用 close():
prime_gen = getPrimes()for x in prime_gen: if x > 20: prime_gen.close() print(x)运行结果如下图：
可以看到，生成器在运行到停止了，没有引发任何异常。
到此，相信大家对“Python中的生成器怎么实现”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
