Python基础篇 - Python中的生成器(Generator)

    今天的Python基础篇小知识点讲解生成器(Generator)，大家这么聪明，一看就会了。

    1. 生成器(Generator): Python中一种特殊的迭代器，它不需要提前创建并存储整个序列(比如列表)，而是在迭代过程中动态生成数据，只能迭代一次，用完即销毁，可以极大节省内存空间。

    相较于迭代器，生成器通过yield关键字就可以实现惰性计算，不需要手动定义繁琐的__iter__和__next__方法。

    1.1 生成器推导式: 这是简易版的生成器对象创建方法，生成器推导式的语法和列表推导式几乎一致。

# 列表推导式（一次性生成所有数据，占用内存）list_nums = [x * 2 for x in range(5)]print("列表推导式结果：", list_nums)  # 输出：[0, 2, 4, 6, 8]# 生成器推导式（仅创建生成器对象，未生成数据）gen_nums = (x * 2 for x in range(5))print("生成器对象：", gen_nums)  # 输出：<generator object <genexpr> at 0x...># 迭代生成器（按需生成数据）print("迭代生成器：")for num in gen_nums:    print(num, end=" ")  # 输出：0 2 4 6 8# 迭代后生成器耗尽，再次迭代无输出print("\n耗尽后迭代：", list(gen_nums))  # 输出：[]

    1.2 函数生成器:这是标准版的生成器对象创建方法，通过调用函数创建生成器对象，使用yield关键字，每次调用next()或迭代时，函数执行到yield处暂停，返回yield表达式后的值；再次调用时，从暂停处继续执行。

def my_generator():    a = 1      while True:      yield a      a += 1# 创建生成器对象gen = my_generator()# 第一次调用next()：执行到第一个yieldprint(next(gen))  # 输出：1# 第二次调用next()：从暂停处继续执行到第二个yieldprint(next(gen))  # 输出：2# 第三次调用next()：继续执行到第三个yieldprint(next(gen))  # 输出：3

    1.3 send()方法: send()是生成器的高级用法，既能触发生成器执行，又能向暂停的yield位置传入数据。

 语法:接收的变量 = yield 要返回的值。

def counter():    count = 0    while True:        # 暂停，返回当前count；同时接收send传入的值        reset = yield count        if reset:  # 如果传入True，重置count为0            count = 0        else:  # 否则自增            count += 1# 创建生成器gen = counter()# 第一次调用需要初始化：send(None)（等价于next(gen)）print(gen.send(None))  # 输出：0# 第二次调用：send(None)，count自增为1print(gen.send(None))  # 输出：1# 第三次调用：send(True)，重置count为0print(gen.send(True))  # 输出：0# 第四次调用：send(None)，count自增为1print(gen.send(None))  # 输出：1