Python生成器

生成器也是一种迭代器，与其他迭代器不同的是，生成器每次只进行一次迭代，只返回一个值。生成器并没有把所有迭代的内容都存储到内存中，而是在运行的过程中生成值。生成器亦可以通过遍历来使用，比如“for”循环，或者将其传递给任意可以进行迭代的函数或结构。
大多数生成器都是通过函数来实现的，生成器并不会通过return来返回一个值，而是yield（可以翻译为‘生成’）一个值，如下面的实例：

def generator_function():
    for i in range(5):
        yield i
for item in generator_function():
    print(item)
代码运行结果：    
0
1
2
3
4

生成器的最佳应用场景是：不想在同一时间内将所有计算出来的结果都存储到内存中，特别是结果集里还包含有循环 。

这样会消耗大量的资源

许多python 2里的标准库返回的都会列表，而在Python 3中大多都修改成了返回生成器，因为生成器占用的资源更少。下面是一个计算斐波那契数列的生成器：

def fibon(n):
    a = 1
    b = 1
    for i in range(n):
        yield a
        a, b = b, a + b

使用方法如下：

result = []
for x in fibon(20):
    result.append(x)    
print(result)

运行结果为：

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]

使用这种方法我们可以不用担心代码会占用大量的内存。如果采用以前的方式来实现：

def fibon(n):
    a = 1
    b = 1
    result = []
    for i in range(n):
        result.append(a)
        a,b = b, a + b
    return result

这也许在计算很大的参数时，会用尽计算机的资源。
我们知道生成器么一次调用只会进行一次迭代，接下来验证一下，Python有一个内置的函数next()，它允许获取序列的下一个元素，如：

def generator_function():
    for i in range(3):
        yield i
        
gen = generator_function()
print(gen.next())
0
print(gen.next())
1
print(gen.next())
2
print(gen.next())
Traceback (most recent call last):
  File "<input>", line 1, in <module>
StopIteration

我们可以看到，在yield掉所有的值后，next()触发了一个StopIteration的异常，该异常告诉我们所有的值都已经被yield掉了。那么为什么我们是用for循环时不会有该异常呢？原来是for循环会自动捕获该异常并停止调用next()。