前言

Python生成器(generator)并不是一個(gè)晦澀難懂的概念。相比于MetaClass和Closure等概念，其較為容易理解和掌握。但相對(duì)于程序結(jié)構(gòu)：順序、循環(huán)和分支而言其又不是特別的直觀。無(wú)論學(xué)習(xí)任何的東西，概念都是非常重要的。正確樹立并掌握一些基礎(chǔ)的概念是靈活和合理運(yùn)用的前提，本文將以一種通俗易懂的方式介紹一下generator和yield表達(dá)式。

1. Iterator與Iterable

首先明白兩點(diǎn)：

比較常見的數(shù)據(jù)類型list、tuple、dict等都是可迭代的，屬于collections.Iterable類型；

迭代器不僅可迭代還可以被內(nèi)置函數(shù)next調(diào)用，屬于collections.Iterator類型；

迭代器是特殊的可迭代對(duì)象，是可迭代對(duì)象的一個(gè)子集。

將要介紹的gererator(生成器)是types.GeneratorType類型，也是collections.Iterator類型。

也就是說生成器是迭代器，可被next調(diào)用，也可迭代。

三者的包含關(guān)系：（可迭代（迭代器（生成器）））

2. Python生成器

python有兩種類型的生成器：生成器表達(dá)式和生成器函數(shù)。

由于生成器可迭代并且是iterator，因此可以通過for和next進(jìn)行遍歷。

2.1 生成器表達(dá)式

把列表生成式的[]改成()便得到生成器表達(dá)式。

>>> gen = (i + i for i in xrange(10))>>> gen<generator object <genexpr> at 0x0000000003A2DAB0>>>> type(gen)<type 'generator'>>>> isinstance(gen, types.GeneratorType) and isinstance(gen, collections.Iterator) and isinstance(gen, collections.Iterable)True>>>

2.2 生成器函數(shù)

python函數(shù)定義中有關(guān)鍵字yield，該函數(shù)便是一個(gè)生成器函數(shù)，函數(shù)調(diào)用返回的是一個(gè)generator.

def yield_func():  for i in xrange(3):    yield igen_func = yield_func()for yield_val in gen_func:  print yield_val

生成器函數(shù)每次執(zhí)行到y(tǒng)ield便會(huì)返回，但與普通函數(shù)不同的是yield返回時(shí)會(huì)保留當(dāng)前函數(shù)的執(zhí)行狀態(tài)，再次被調(diào)用時(shí)可以從中斷的地方繼續(xù)執(zhí)行。

2.3 next與send

通過for和next可以遍歷生成器，而send則可以用于向生成器函數(shù)發(fā)送消息。

def yield_func():  for i in xrange(1, 3):    x = yield i    print 'yield_func',xgen_func = yield_func()print 'iter result: %d' % next(gen_func)print 'iter result: %d' % gen_func.send(100)

結(jié)果：

iter result: 1yield_func 100iter result: 2

簡(jiǎn)單分析一下執(zhí)行過程：