Python生成器使用教程详解
生成器是一种特殊函数,通过yield实现惰性求值,按需返回值并暂停执行。调用生成器函数返回迭代器对象,每次next()或for循环触发时从上次暂停处继续,直到下一个yield。如示例所示,生成器分步输出1、2、3,每次执行到yield暂停,有效节省内存,适合处理大数据或无限序列。
生成器是一种特殊函数,通过yield实现惰性求值,按需返回值并暂停执行。调用生成器函数返回迭代器对象,每次next()或for循环触发时从上次暂停处继续,直到下一个yield。如示例所示,生成器分步输出1、2、3,每次执行到yield暂停,有效节省内存,适合处理大数据或无限序列。

Python中的生成器,说白了,就是一种特殊的函数,它不会一次性返回所有结果,而是在你每次请求时“生成”一个结果。它最核心的价值在于其惰性求值(lazy evaluation)的特性,这让处理大量数据或无限序列变得非常高效,极大地节省了内存开销。
要理解和使用Python生成器,我们得从最基本的yield关键字说起。当你在一个函数中使用yield而不是return时,这个函数就变成了一个生成器函数。它不是简单地执行完就结束,而是会在每次yield表达式处暂停执行,并返回一个值。下次迭代时,它会从上次暂停的地方继续执行,直到遇到下一个yield或函数结束。
我个人觉得,这有点像一个“暂停-播放”的机制。你调用生成器函数时,它并不会立即执行函数体内的代码,而是返回一个生成器对象(一个迭代器)。只有当你开始迭代这个对象(比如用for循环,或者手动调用next()函数)时,生成器函数才会真正开始执行,每次遇到yield就“吐”出一个值,然后等待下一次请求。
来看个简单的例子:
def my_simple_generator():
print("开始生成第一个值...")
yield 1
print("生成器暂停,等待下次调用...")
print("开始生成第二个值...")
yield 2
print("生成器再次暂停,等待下次调用...")
print("开始生成第三个值...")
yield 3
print("所有值已生成,生成器即将结束。")
# 创建生成器对象
gen = my_simple_generator()
print("--- 第一次迭代 ---")
print(next(gen)) # 会执行到第一个yield并返回1
print("--- 第二次迭代 ---")
print(next(gen)) # 会从上次暂停处继续执行,直到第二个yield并返回2
print("--- 第三次迭代 ---")
print(next(gen)) # 会从上次暂停处继续执行,直到第三个yield并返回3
print("--- 尝试第四次迭代(会抛出StopIteration) ---")
try:
print(next(gen))
except StopIteration:
print("生成器已耗尽所有值。")
print("\n--- 使用for循环迭代生成器更常见 ---")
for value in my_simple_generator():
print(f"通过for循环获取到值: {value}")在这个例子里,print语句清晰地展示了生成器是如何“按需”执行的。它不是一次性把
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















