本文主要是介绍长篇大论Python生成器，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Python生成器是什么
一句话解释：包含了yield关键字的函数就是生成器，它的返回值是一个生成器对象。我简单画了个示意图：
yield相当于return。
函数遇到yield就暂停，保存当前信息，返回yield的值。
在下次执行next()时，从当前位置继续执行。
比较有意思的事情是，曾经有人建议生成器函数不应该使用def，而应该发明一个新的关键字比如gen，但是Python之父Guido并没有同意这样做。
生成器函数的工作原理
先通过一个简单示例来说明生成器的行为：
# 定义一个生成器
>>> def gen_123():
... yield 1
... yield 2
... yield 3
...# 生成器本身是个函数
>>> gen_123
<function gen_123 at 0x0000019F60710790># 返回值是生成器对象
>>> gen_123()
<generator object gen_123 at 0x0000019F606AC040># 生成器也是迭代器
>>> for i in gen_123():
... print(i)
...
1
2
3# 验证生成器也是迭代器，定义迭代器g
>>> g = gen_123()# 可以通过next()获取yield生成的下一个元素
>>> next(g)
1
>>> next(g)
2
>>> next(g)
3
>>> next(g)
Traceback (most recent call last):File "<input>", line 1, in <module>
StopIteration生成器的原理就是：
生成器函数会创建一个生成器对象。
把生成器传给next()函数时，生成器函数会执行函数定义体中的下一个yield语句，返回产出的值，并在当前位置暂停。
函数的定义体返回时，外层的生成器对象会抛出StopIteration异常
yield关键字一般是和for循环搭配使用的，在for循环中会隐式调用next()函数。
生成器的作用其实是解决内存的问题，比如我们都知道Python的正则表达式有一个re.findall()函数，它会把所有匹配到的元素都一次性写入内存中，假如匹配到的数据很多，就会占用大量的内存。为了解决这个问题，Python3有一个re.finditer()函数，返回的就是一个生成器，取值时才生成数据放入内存中，能节省大量内存。
标准库中的生成器函数
实现生成器时要知道标准库中有什么可用，否则很可能会重新发明轮子。有些是内置的，有些在itertools模块中，有些functools模块中。
用于过滤的生成器函数
从输入的可迭代对象中产出元素的子集，而且不修改元素本身。
用于映射的生成器函数
在输入的单个可迭代对象中的各个元素上做计算，然后返回结果。
合并多个可迭代对象的生成器函数
从输入的多个可迭代对象中产出元素。
把输入的各个元素扩展成多个输出元素的生成器函数
从一个元素中产出多个值，扩展输入的可迭代对象。
用于重新排列元素的生成器函数
产出输入的可迭代对象中的全部元素，不过会以某种方式重新排列。
yield from
yield from是Python3.3新出现的句法，它的作用是把不同的生成器结合在一起使用。
比如生成器函数需要产出另一个生成器生成的值，传统的解决办法是使用for循环：
def chain(*iterables):for it in iterables:for i in it:yield is = "ABC"
t = tuple(range(3))
print(list(chain(s, t))) # ["A", "B", "C", 0, 1, 2]改成yield from：
def chain(*iterables):for it in iterables:yield from i完全代替了内层的for循环。
参考资料：
《流畅的Python》第14章 可迭代的对象、迭代器和生成器
https://www.runoob.com/python3/python3-iterator-generator.html
这篇关于长篇大论Python生成器的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
