你还在为数据生成逻辑和数据的消费逻辑难以分离而苦恼嘛？你还在为生成大量数据而担心内存不足嘛？来用python吧 —— 松言松语
生成器
从迭代器（Iterator）中循环遍历取出元素来处理，叫做迭代。在python中，定义了__next__方法的类，就是一个迭代器。
生成器，是数据的生产者。先说下使用到生成器的典型场景，比如：
- 复制文件的时候 -> 边读边写
- 获取1-10000里面所有的质数 -> 多次判断是否是质数
生成器的场景特征
上述场景的特征是：
这些场景的特点是：
- 重复计算。比如循环、轮询；
- 占用较多的空间、空间。生成大量的计算值结果集一并返回；
- 需要用到计算出来的值。用这些值做一些具体业务处理；
生成器的处理流程
通过一个例子来看一下怎么使用：
读取文件并输出文件内容
def generator(filepath):
block_size = 1024
with open(filepath, 'r', encoding="utf-8") as f:
while True:
block = f.read(block_size)
if block:
# 1. 注意这里有一个yield关键字，表示返回这个变量
yield block
else:
break
# 2. 调用generator，返回的是一个迭代器
it = generator("C:\\Users\\广西北部湾银行\\Desktop\\会计分录.txt")
# 3. 遍历迭代器，拿到generator中 yield（简单理解，就是’生成‘）的变量
for block in it:
print(block)
我们先定义了一个generator函数，用来读取文件。在generator函数中yield（返回）一个叫做block的变量。
一旦函数中存在yield关键字，调用该函数的时候，便不会返回函数内的return值，而是返回一个可以迭代器it。
梳理一下执行的流程：
- 调用生成器
generator，返回一个迭代器，for自动调用内置函数next()进行迭代操作； - 函数执行到关键字
yield的时候会先暂停，先将yield的变量返回给调用next()的一方； - 调用方处理这个值后，控制权再回到生成器中
yield关键字的位置继续往下执行。如此重复。
需要知道的其他细节：
-
如果不用
for循环的话，可以手动调用内置函数next()来获取迭代器的下一个值； -
yield关键字在生成器中的作用是：返回一个值给调用next()的一方，所以一般写法就是yield变量。 -
当数据都yield完了以后（如循环结束，不再有yield可以暂停），会报一个
StopIteration的异常，需要手动处理。若调用方使用for来遍历，它已经自动帮我们捕获这个异常并停止调用next()，故无须额外处理。
生成器的优势
-
快，且减少内存压力，不用一次性生成所有的计算值一起返回；
-
值的处理逻辑和值的生成逻辑分离；
yield的常见写法
| 写法 | 描述 | |
|---|---|---|
result = yield 变量 | 常见于协程 | 1. 先变量返回给生产者（常见于需要返回协程结果的场景）； 2. 暂停代码，等待外部传入一个值； 3. 外部传入值后，将其赋值给 result ； |
result = yield | 常见于协程 | 和上一种写法一样，相当于yield回去一个None； |
yield 变量 | 常见于生成器 | 只负责返回（生成）一个值 |
多个yield & yield from
在一个生成器中可以存在多个yield关键字。
逻辑依然不变：代码只要碰到yield就返回，重新拿到控制权后代码继续往下走。
def create():
yield "from create"
def generator():
yield 1
yield 2
yield 3
print("----------")
yield from [11, 22]
print("----------")
yield from range(3)
print("----------")
yield from create()
for i in generator():
print(i)
输出结果为：
1
2
----------
11
22
----------
0
1
----------
from create
这里面还需要注意yield from关键字，它表示从一个集合、列表、或者从另外一个生成器中返回值。