列表生成式能直接创建列表，但列表容量受内存限制。创建一个包含100万元素的列表不仅占用大量存储空间，如果只需要访问前几个元素，后面大部分元素占用的空间就白白浪费了。
如果列表元素能按某种算法推算出来，能不能在循环过程中不断推算后续元素？这样就不必创建完整的list，节省大量空间。Python里这种一边循环一边计算的机制叫生成器（generator）。
创建generator有很多种方法。最简单的是把列表生成式的 [] 改成 ()：
>>> 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>
创建 L 和 g 的区别只在最外层的 [] 和 ()，L 是list，g 是generator。
可以直接打印list的每个元素，但怎么打印generator的每个元素？
要一个个打印出来，可以用 next() 函数获得generator的下一个返回值：
>>> 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
generator保存的是算法，每次调用 next(g) 就计算出 g 的下一个元素的值，直到最后一个元素，没有更多元素时抛出 StopIteration 错误。
不断调用 next(g) 太麻烦了，正确方法是用 for 循环，因为generator也是可迭代对象：
>>> g = (x * x for x in range(10))
>>> for n in g:
... print(n)
...
0
1
4
9
16
25
36
49
64
81
创建generator后，基本不会调用 next()，而是用 for 循环来迭代，也不需要关心 StopIteration 错误。
generator很强大。如果推算算法比较复杂，用类似列表生成式的 for 循环实现不了，还能用函数实现。
比如著名的斐波那契数列（Fibonacci），除第一个和第二个数外，任意一个数都是前两个数相加：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
斐波那契数列用列表生成式写不出来，但用函数打印很容易：
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，赋值语句：
a, b = b, a + b
相当于：
t = (b, a + b) # t是一个tuple
a = t[0]
b = t[1]
但不必显式写出临时变量t就能赋值。
函数能输出斐波那契数列的前N个数：
>>> fib(6)
1
1
2
3
5
8
'done'
fib 函数实际上定义了斐波那契数列的推算规则，能从第一个元素开始推算后续任意元素，这种逻辑很像generator。
上面的函数和generator只差一步。要把 fib 变成generator函数，只需把 print(b) 改为 yield b：
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
这就是定义generator的另一种方法。函数定义包含 yield 关键字，它就不再是普通函数，而是generator函数。调用generator函数返回一个generator：
>>> f = fib(6)
>>> f
<generator object fib at 0x104feaaa0>
generator函数和普通函数的执行流程不一样。普通函数顺序执行，遇到 return 或最后一行就返回。generator函数在每次调用 next() 时执行，遇到 yield 就返回，再次执行时从上次的 yield 处继续。
定义一个generator函数，依次返回数字1、3、5：
def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
调用generator函数时，先生成generator对象，再用 next() 不断获得下一个返回值：
>>> 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
odd 不是普通函数，而是generator函数。执行过程中遇到 yield 就中断，下次继续执行。执行3次 yield 后没有 yield 可执行了，第4次调用 next(o) 就报错。
注意： 调用generator函数会创建generator对象，多次调用会创建多个相互独立的generator。
这样调用 next() 每次都返回1：
>>> next(odd())
step 1
1
>>> next(odd())
step 1
1
>>> next(odd())
step 1
1
因为 odd() 会创建新的generator对象，上述代码实际创建了3个完全独立的generator，对3个generator分别调用 next() 当然每个都返回第一个值。
正确写法是创建一个generator对象，然后不断对这个对象调用 next()：
>>> g = odd()
>>> next(g)
step 1
1
>>> next(g)
step 2
3
>>> next(g)
step 3
5
回到 fib 的例子，在循环过程中不断调用 yield 就会不断中断。要给循环设置条件来退出，不然会产生无限数列。
把函数改成generator函数后，基本不会用 next() 获取下一个返回值，而是直接用 for 循环迭代：
>>> for n in fib(6):
... print(n)
...
1
1
2
3
5
8
但用 for 循环调用generator时，拿不到 return 语句的返回值。要拿到返回值，必须捕获 StopIteration 错误，返回值包含在 StopIteration 的 value 中：
>>> 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
关于如何捕获错误，后面的错误处理会详细讲解。
练习
杨辉三角定义如下：
1
/ \
1 1
/ \ / \
1 2 1
/ \ / \ / \
1 3 3 1
/ \ / \ / \ / \
1 4 6 4 1
/ \ / \ / \ / \ / \
1 5 10 10 5 1
把每一行看做一个list，写一个generator，不断输出下一行的list：
def triangles():
pass
# 期待输出:
# [1]
# [1, 1]
# [1, 2, 1]
# [1, 3, 3, 1]
# [1, 4, 6, 4, 1]
# [1, 5, 10, 10, 5, 1]
# [1, 6, 15, 20, 15, 6, 1]
# [1, 7, 21, 35, 35, 21, 7, 1]
# [1, 8, 28, 56, 70, 56, 28, 8, 1]
# [1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
n = 0
results = []
for t in triangles():
results.append(t)
n = n + 1
if n == 10:
break
for t in results:
print(t)
if results == [
[1],
[1, 1],
[1, 2, 1],
[1, 3, 3, 1],
[1, 4, 6, 4, 1],
[1, 5, 10, 10, 5, 1],
[1, 6, 15, 20, 15, 6, 1],
[1, 7, 21, 35, 35, 21, 7, 1],
[1, 8, 28, 56, 70, 56, 28, 8, 1],
[1, 9, 36, 84, 126, 126, 84, 36, 9, 1]
]:
print('测试通过!')
else:
print('测试失败!')
参考源码
do_generator.py
小结
generator是很强大的工具。在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
理解generator的工作原理：它在 for 循环过程中不断计算下一个元素，在适当条件结束循环。对于函数改成的generator，遇到 return 或执行到函数体最后一行就是结束指令，for 循环随之结束。
注意区分普通函数和generator函数。普通函数调用直接返回结果：
>>> r = abs(6)
>>> r
6
generator函数的调用实际返回generator对象：
>>> g = fib(6)
>>> g
<generator object fib at 0x1022ef948>