本文共 1273 字，大约阅读时间需要 4 分钟。
生成器（Generator）是Python中一种特殊的迭代器，它允许你逐步生成一系列值，而不是一次性创建整个列表或集合。这种特性在处理大型数据集或流式数据时尤为有用，因为它可以避免一次性加载所有数据到内存中，从而节省内存并提高性能。
生成器可以通过两种方式创建：生成器函数和生成器表达式。两者的主要区别在于，生成器函数使用 def 关键字定义，并包含至少一个 yield 语句，而生成器表达式则使用圆括号 () 来定义。
生成器函数的特点是，它们在调用时不会立即执行函数体内的代码，而是返回一个生成器对象。每次迭代时，这个生成器对象会继续执行函数中的代码直到遇到下一个 yield 语句。以下是一个生成斐波那契数列的生成器函数示例：
def fibonacci(n): a, b = 0, 1 for _ in range(n): yield a a, b = b, a + b
当你在迭代生成器时，它会依次生成斐波那契数列的前 n 项。例如：
for num in fibonacci(10): print(num)
生成器表达式是一种更简洁的方式来创建生成器。它们类似于列表推导式，但使用圆括号 () 而不是方括号 []。例如，以下是一个生成平方数的生成器表达式：
squares_gen = (x**2 for x in range(5))
迭代这个生成器表达式会依次生成平方数：
for square in squares_gen: print(square)
一次性迭代：生成器只能迭代一次。一旦迭代结束，它就无法再次生成值，除非重新创建生成器对象。
提前终止：如果在迭代过程中遇到 return 语句或达到函数末尾，生成器会抛出 StopIteration 异常，标志着迭代结束。
异常传播：生成器内部发生的未捕获异常会被传递给调用者。
发送值：生成器不仅可以产生值，还可以接收值。通过 send() 方法可以向生成器发送数据。
关闭生成器：可以使用 close() 方法显式地关闭生成器。一旦关闭，尝试进一步迭代将导致 StopIteration 异常。
上下文管理器：生成器也可以实现上下文管理协议，可以用 with 语句来管理资源。
调试生成器：由于生成器的惰性求值特性，有时候很难直接看到其内部状态。可以通过替换生成器函数为普通函数或使用断点工具如 pdb 进行调试。
避免不必要的复杂性：不要为了使用生成器而引入不必要的复杂性。在简单场景下，列表或元组可能更适合。
并发编程：在并发环境中使用生成器时要注意，生成器的状态是不可变的，因此它们天生就是线程安全的。但是如果你打算从多个线程共享同一个生成器实例，则需要额外小心。
生成器的这些特性使其成为处理大型数据集或流式数据的理想选择。它不仅节省内存，还支持延迟计算，提高了性能。通过选择合适的生成器类型（函数或表达式），你可以根据具体需求编写更简洁和高效的代码。
转载地址：http://pbofk.baihongyu.com/