通過列表生成式，我們可以直接創(chuàng)建一個(gè)列表，但是受內(nèi)存限制，列表容量肯定是有限的，而且，創(chuàng)建一個(gè)包含100萬個(gè)元素的列表，不僅占用很大的存儲(chǔ)空間，如果我們僅僅需要訪問前面幾個(gè)元素，那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了。
所以，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list，從而節(jié)省大量的空間，在Python中，這種一邊循環(huán)一邊計(jì)算的機(jī)制，稱為生成器，generator。
要?jiǎng)?chuàng)建一個(gè)generator，有很多種方法。第一種方法很簡(jiǎn)單，只要把一個(gè)列表生成式的[]改成()，就創(chuàng)建了一個(gè)generator：

>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x1022ef630>

創(chuàng)建L 和g的區(qū)別僅在于最外層的[]和(),L是一個(gè)list，而g是一個(gè)generator。
我們可以直接打印出list的每一個(gè)元素，但我們?cè)趺创蛴〕鰃enerator的每一個(gè)元素呢？
如果要一個(gè)一個(gè)打印出來，可以通過next()函數(shù)獲得generator的下一個(gè)返回值：

>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
25
>>> next(g)
36
>>> next(g)
49
>>> next(g)
64
>>> next(g)
81
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

我們講過，generator保存的是算法，每次調(diào)用 next(g)就計(jì)算出g的下一個(gè)元素的值，知道計(jì)算到最后一個(gè)元素，沒有更多的元素時(shí)，拋出StopIteration的錯(cuò)誤。
當(dāng)然，上面這種不斷調(diào)用next(g)實(shí)在是太變態(tài)了，正確的方法是for循環(huán)，因?yàn)間enerator也是可迭代對(duì)象：

>>> g = (x * x for x in range(10))
>>> for n in g:
...     print(n)
...
0
1
4
9
16
25
36
49
64
81

所以，我們創(chuàng)建了一個(gè)generator后，基本上永遠(yuǎn)不會(huì)調(diào)用next()，而是通過for循環(huán)來迭代它，并且不需要關(guān)心stopIteration的錯(cuò)誤。
generator非常強(qiáng)大，如果推算的算法比價(jià)復(fù)雜，用類似列表生成式的for循環(huán)無法實(shí)現(xiàn)的時(shí)候，還可以用函數(shù)來實(shí)現(xiàn)。
比如，著名的斐波拉契數(shù)列( Fibonacci)，除第一個(gè)和第二個(gè)數(shù)外，任意一個(gè)數(shù)都可由前兩個(gè)數(shù)相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數(shù)列用列表生成式寫不出來，但是，用函數(shù)把它打印出來卻很容易：

def fib(max):
      n, a, b = 0, 0, 1
      while n < max:
                print(b)
                a, b = b, a + b
                n = n + 1
       return 'done'

注意，賦值語句：

a, b = b, a + b

相當(dāng)于：

t = (b, a+ b) #t是一個(gè)tuple
a = t[0]
b = t[1]

但不必顯示寫出臨時(shí)變量t就可以賦值。
上面的函數(shù)可以輸出斐波那契數(shù)列的前N個(gè)數(shù)：

>>> fib(6)
1
1
2
3
5
8
'done'

仔細(xì)觀察，可以看出，fib函數(shù)實(shí)際上是定義了斐波那契數(shù)列的推算規(guī)則，可以從第一個(gè)元素開始，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類似generator。
也就是說，上面的函數(shù)和generator僅一步之遙，要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：

def fib (max):
      n, a, b = 0, 0, 1
      while n < max :
                yield b
                a, b = b, a + b
                n = n + 1
       return 'done'

這就是定義generator的另一種方法。如果一個(gè)函數(shù)定義中包含yield關(guān)鍵字，那么這個(gè)函數(shù)就不再是一個(gè)普通函數(shù)，而是一個(gè)generator：

>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>

這里，最難理解的就是generator和函數(shù)的執(zhí)行流程不一樣。函數(shù)是順序執(zhí)行，遇到return語句或者最后一行函數(shù)語句就返回。而變成generator的函數(shù)，在每次調(diào)用next()的時(shí)候執(zhí)行，遇到y(tǒng)ield語句返回，再次執(zhí)行時(shí)從上次返回的yield語句處繼續(xù)執(zhí)行。
舉個(gè)簡(jiǎn)單的例子，定義一個(gè)generator，依次返回?cái)?shù)字1，3，5：

def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)

調(diào)用該generator時(shí)，首先要生成一個(gè)generator對(duì)象，然后用next()函數(shù)不斷獲得下一個(gè)返回值：

>>> o = odd()
>>> next(o)
step 1
1
>>> next(o)
step 2
3
>>> next(o)
step 3
5
>>> next(o)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

可以看到，odd不是普通函數(shù)，而是generator，在執(zhí)行過程中，遇到y(tǒng)ield就中斷，下次又繼續(xù)執(zhí)行，執(zhí)行3次yield后，已經(jīng)沒有yield可以執(zhí)行了，所以，第4次調(diào)用next(o)就報(bào)錯(cuò)。
回到fib的例子，我們?cè)谘h(huán)過程中不斷調(diào)用yield，就會(huì)不斷中斷，當(dāng)然要給循環(huán)設(shè)置一個(gè)條件來退出循環(huán)，比如就會(huì)產(chǎn)生一個(gè)無限數(shù)列出來。
同樣的，把函數(shù)改成generator后，我們基本桑從來不會(huì)用next()來獲取下一個(gè)返回值，而是直接使用for循環(huán)來迭代：

>>> for n in fib(6):
...     print(n)
...
1
1
2
3
5
8

但是用for循環(huán)調(diào)用generator時(shí)，發(fā)現(xiàn)拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯(cuò)誤，返回值包含在StopIteration的value:

>>> g = fib(6)
>>> while True:
...     try:
...         x = next(g)
...         print('g:', x)
...     except StopIteration as e:
...         print('Generator return value:', e.value)
...         break
...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done

小結(jié)：
generator是非常強(qiáng)大的工具，在Python中， 可以簡(jiǎn)單的把列表生成式改成generator，也可以通過函數(shù)實(shí)現(xiàn)復(fù)雜邏輯的generator。
要理解generator的工作原理，它是在for循環(huán)的過程中不斷計(jì)算出下一個(gè)元素，并在適當(dāng)?shù)臈l件結(jié)束for循環(huán)，對(duì)于函數(shù)改成的generator來說，遇到return語句或者執(zhí)行到函數(shù)體最后一行語句，就是結(jié)束generator的指令，for循環(huán)隨之結(jié)束。
請(qǐng)注意區(qū)分普通函數(shù)和generator函數(shù)，普通函數(shù)調(diào)用直接返回結(jié)果：

>>> r = abs(6)
>>> r
6

generator函數(shù)的“調(diào)用”實(shí)際返回一個(gè)generator對(duì)象：

>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>