小白學 Python（21）：生成器基礎
- 2019 年 11 月 14 日
- 筆記
人生苦短，我選Python
前文傳送門
生成器
我們前面聊過了為什麼要使用迭代器，各位同學應該還有印象吧（說沒有的就太過分了）。
列表太大的話會佔用過大的記憶體，可以使用迭代器，只拿出需要使用的部分。
生成器的設計原則和迭代器是相似的，如果需要一個非常大的集合，不會將元素全部都放在這個集合中，而是將元素保存成生成器的狀態，每次迭代的時候返回一個值。
比如我們要生成一個列表，可以採用如下方式：
list1 = [x*x for x in range(10)] print(list1)結果如下：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]如果我們生成的列表非常的巨大，比如：
list2 = [x*x for x in range(1000000000000000000000000)]結果如下：
Traceback (most recent call last): File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <module> list2 = [x*x for x in range(1000000000000000000000000)] File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <listcomp> list2 = [x*x for x in range(1000000000000000000000000)] MemoryError報錯了，報錯資訊提示我們存儲異常，並且整個程式運行了相當長一段時間。友情提醒，這麼大的列表創建請慎重，如果電腦配置不夠很有可能會將電腦卡死。
如果我們使用生成器就會非常方便了，而且執行速度嗖嗖的。
generator1 = (x*x for x in range(1000000000000000000000000)) print(generator1) print(type(generator1))結果如下：
<generator object <genexpr> at 0x0000014383E85B48> <class 'generator'>那麼，我們使用了生成器以後，怎麼讀取生成器生成的數據呢？
當然是和之前的迭代器一樣的拉，使用 next() 函數：
generator2 = (x*x for x in range(3)) print(next(generator2)) print(next(generator2)) print(next(generator2)) print(next(generator2))結果如下：
Traceback (most recent call last): File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 14, in <module> print(next(generator2)) StopIteration直到最後，拋出 StopIteration 異常。
但是，這種使用方法我們並不知道什麼時候會迭代結束，所以我們可以使用 for 循環來獲取每生成器生成的具體的元素，並且使用 for 循環同時也無需關心最後的 StopIteration 異常。
generator3 = (x*x for x in range(5)) for index in generator3: print(index)結果如下：
0 1 4 9 16generator 非常的強大，本質上， generator 並不會取存儲我們的具體元素，它存儲是推算的演算法，通過演算法來推算出下一個值。
如果推算的演算法比較複雜，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。
比如我們定義一個函數，emmmmmm，還是簡單點吧，大家領會精神：
def print_a(max): i = 0 while i < max: i += 1 yield i a = print_a(10) print(a) print(type(a))結果如下：
<generator object print_a at 0x00000278C6AA5CC8> <class 'generator'>這裡使用到了關鍵字 yield ， yield 和 return 非常的相似，都可以返回值，但是不同的是 yield 不會結束函數。
我們調用幾次這個用函數創建的生成器：
print(next(a)) print(next(a)) print(next(a)) print(next(a))結果如下：
1 2 3 4可以看到，當我們使用 next() 對生成器進行一次操作的時候，會返回一次循環的值，在 yield 這裡結束本次的運行。但是在下一次執行 next() 的時候，會接著上次的斷點接著運行。直到下一個 yield ，並且不停的循環往複，直到運行至生成器的最後。
還有一種與 next() 等價的方式，直接看示例程式碼吧：
print(a.__next__()) print(a.__next__())結果如下：
5 6接下來要介紹的這個方法就更厲害了，不僅能迭代，還能給函數再傳一個值回去：
def print_b(max): i = 0 while i < max: i += 1 args = yield i print('傳入參數為：' + args) b = print_b(20) print(next(b)) print(b.send('Python'))結果如下：
1 傳入參數為：Python 2上面講了這麼多，可能各位還沒想到生成器能有什麼具體的作用吧，這裡我來提一個——協程。
在介紹什麼是協程之前先介紹下什麼是多執行緒，就是在同一個時間內可以執行多個程式，簡單理解就是你平時可能很經常的一邊玩手機一邊聽音樂（毫無違和感）。
協程更貼切的解釋是流水線，比如某件事情必須 A 先做一步， B 再做一步，並且這兩件事情看起來要是同時進行的。
def print_c(): while True: print('執行 A ') yield None def print_d(): while True: print('執行 B ') yield None c = print_c() d = print_d() while True: c.__next__() d.__next__()結果如下：
... 執行 A 執行 B 執行 A 執行 B 執行 A 執行 B 執行 A 執行 B 執行 A 執行 B ...因為 while 條件設置的是永真，所以這個循環是不會停下來的。
這裡我們定義了兩個生成器，並且在一個循環中往複的調用這兩個生成器，這樣看起來就是兩個任務在同時執行。
最後的協程可能理解起來稍有難度，有問題可以在公眾號後台問我哦~~~
示例程式碼
本系列的所有程式碼小編都會放在程式碼管理倉庫 Github 和 Gitee 上，方便大家取用。
