2025-简单点-python中的生成器

生成器：惰性求值与协程基础

生成器让你能够按需产生值，而不是一次性在内存中构建整个序列，这对于处理大型或无限的数据流至关重要 。

生成器函数与yield

任何包含yield关键字的函数都是一个生成器函数。调用它时，会返回一个生成器对象。

defcountdown(n):print("Starting countdown from",n)whilen>0:yieldn# 每次执行到yield时暂停，返回n的值n-=1# 创建生成器对象counter=countdown(3)print(next(counter))# 输出: Starting countdown from 3 \n 3print(next(counter))# 输出: 2print(next(counter))# 输出: 1# print(next(counter)) # 再调用会抛出StopIteration异常

生成器表达式

类似于列表推导，但使用圆括号，并且返回一个生成器 。

# 列表推导：立即生成所有数据，占用内存list_comp=[x*xforxinrange(1000000)]# 生成器表达式：按需生成数据，节省内存gen_exp=(x*xforxinrange(1000000))

协程：生成器的双向通信

生成器不仅可以产出值，还可以通过.send(value)方法接收值，这使其成为协程的基础 。

defaverager():total=0.0count=0whileTrue:new_value=yieldtotal# yield表达式可以接收外部send进来的值ifnew_valueisNone:# 通常用None作为哨兵值来终止协程breaktotal+=new_value count+=1ifcount>0:total=total/count# 计算平均值avg_cor=averager()next(avg_cor)# 预激（prime）协程，使其运行到第一个yield处暂停print(avg_cor.send(10))# 发送10，产出平均值10.0print(avg_cor.send(20))# 发送20，产出平均值15.0

send()如何工作

理解 send()方法，关键在于明白它和 yield关键字的关系。

1. yield的双重角色：yield不仅用于产出值（向生成器外部），其本身也是一个可以接收值的表达式（从生成器外部）。当生成器执行到 yield语句暂停时，它实际上在等待一个值。

2. send(value)的职责：send(value)方法做两件事：
   传值：将参数 value发送到生成器内部，这个值会成为当前暂停的yield表达式的结果。
   恢复执行：恢复生成器的运行，直到下一个 yield或函数结束。
   与只能恢复执行的 next()方法相比，send()的核心优势在于它能传递数据到生成器内部

defsimple_coroutine():print("-> 协程启动")# yield 表达式在这里暂停，并等待接收一个值x=yield"产出值: 1"print(f"-> 协程接收到了:{x}")y=yield"产出值: 2"print(f"-> 协程接收到了:{y}")print("-> 协程结束")# 创建生成器对象coro=simple_coroutine()# 第一步：必须使用 next() 或 send(None) 来"启动"或"预激"生成器，使其运行到第一个 yield 处暂停。# 此时生成器产出 "产出值: 1"first_yield=next(coro)print(f"主程序收到:{first_yield}")# 第二步：使用 send 发送数据# send("数据A") 会恢复生成器，并将 "数据A" 赋值给上一个 yield 表达式（即 x = yield ... 中的 yield）# 生成器继续执行，打印出接收到的数据，运行到下一个 yield 处暂停，并产出 "产出值: 2"second_yield=coro.send("数据A")print(f"主程序收到:{second_yield}")# 第三步：再次发送数据# 此时将 "数据B" 发送给生成器，赋值给 ytry:coro.send("数据B")exceptStopIteration:print("生成器已执行完毕。")

-> 协程启动
主程序收到: 产出值: 1
-> 协程接收到了: 数据A
主程序收到: 产出值: 2
-> 协程接收到了: 数据B
-> 协程结束
生成器已执行完毕。

其他例子

维护状态的累加器：生成器可以成为一个有记忆的累加器

defaccumulator():total=0whileTrue:# 每次 send 来的值都会累加到 total 上，并返回当前总和value=yieldtotalifvalueisnotNone:total+=value acc=accumulator()next(acc)# 预激，此时 total=0print(acc.send(5))# 输出: 5 (0+5)print(acc.send(10))# 输出: 15 (5+10)

实现简单的协程与任务调度：通过 send()可以在多个生成器之间传递数据和控制权，实现协作式的多任务。例如，一个简单的生产者-消费者模型：

defconsumer():whileTrue:item=yield# 等待生产者发送数据print(f'消费:{item}')defproducer(cons):cons.send(None)# 预激消费者协程foriinrange(3):print(f'生产:{i}')cons.send(i)# 将数据发送给消费者c=consumer()producer(c)

为异步编程奠定基础：send()方法是 Python 中现代异步框架（如 asyncio）早期实现的基础。执行器（Runner）可以利用 send()来协调多个异步任务的执行。

总而言之，可以这样理解：Python最新的协程在语法和API层面已经是一个自成一体的独立概念，但其实现的核心思想——利用“暂停与恢复”来高效处理I/O——其技术根源确实来自于生成器。​ 您可以认为生成器是协程的“底层引擎”或“祖先”，而 async/await是建立在它之上的一套更优雅、更强大的“上层建筑”和“操作界面”。

注意事项

yield from

简化生成器嵌套

最基本的功能是扁平化处理可迭代对象。对比一下使用 yield和 yield from的代码：

# 使用 yield 的繁琐方式defchain_with_yield(*iterables):foritiniterables:foriinit:yieldi# 使用 yield from 的简洁方式defchain_with_yield_from(*iterables):foritiniterables:yieldfromit# 直接委托给子迭代器# 效果完全相同list(chain_with_yield('AB',[1,2]))# 输出: ['A', 'B', 1, 2]list(chain_with_yield_from('AB',[1,2]))# 输出: ['A', 'B', 1, 2]

📞 建立双向通信

yield from更强大的功能是打开一个双向通道，让调用方（外部代码）和子生成器能直接通信，包括使用 .send()方法传值和 .throw()方法抛异常。委托生成器在此主要起连接作用 。

defsub_generator():"""子生成器，真正处理业务逻辑"""total=0count=0whileTrue:try:new_num=yieldtotal# 等待接收数据，并返回当前总和exceptValueError:print("子生成器捕获到异常")breakifnew_numisNone:breakcount+=1total+=new_numreturntotal,count# 生成器的返回值defdelegating_generator():"""委托生成器，使用yield from连接调用方和子生成器"""# yield from 表达式的结果是子生成器的返回值result=yieldfromsub_generator()print(f"子生成器返回的结果：{result}")# 调用方delegator=delegating_generator()next(delegator)# 预激，使代码运行到子生成器的yield处暂停print(delegator.send(10))# 输出：10. 值10直接传给子生成器，收到当前总和10print(delegator.send(20))# 输出：30. 值20直接传给子生成器，收到当前总和30delegator.throw(ValueError)# 在子生成器暂停处抛出异常，子生成器捕获并处理# 输出：# 子生成器捕获到异常# 子生成器返回的结果：(30, 2)

yield from的核心价值在于简化生成器嵌套，并创建调用方与子生成器之间的双向通信通道。它自动处理了迭代、值传递和异常处理等繁琐细节，尤其在实现协程或复杂的数据流管道时非常有用。