目录

• • • 1.生成器基本概念
    • 2.生成器的创建方式
    • 3.生成器的输出方式
    • 4.send()方法
    • 5.关闭生成器
    • 6.注意事项

1.生成器基本概念

• 是一个特色的迭代器（迭代器的抽象层级更高）
• 所以拥有迭代器的特性
  • 惰性计算数据 节省内存 ----就是不是立马生成所有数据，而是到需要数据的时候在生成
  • 能够记录状态 并通过next()函数，访问下一个状态
  • 具备可迭代特性
• 自己编写一个迭代器，比较复杂，需要实现很多方法，所以，就有了一个生产器

2.生成器的创建方式

• 方式一
  • 生成器表达式 把列表推导式的[]修改成（）
• 方式二
  • 生成器函数 函数中包含yield语句，这个函数的执行结构就是“生成器”

#列表推导式  方式一
l = [i for i in range(1,100) if i % 2 == 0]
#生成 1-100之间的偶数组成的列表
#此时的列表推导式 是一次性生成所有的数据，如果使用生成器就不是一次性生成所有数据，而是等到使用的时候才会创建。
print(l)#输出 2 4 6 8 .....#生成器
l = (i for i in range(1,100) if i % 2 == 0)
print(l)#输出 at 0x000001B0DA075700>
#此时不会直接生成数据
#只有使用 next()才可以访问
print(next(l))#输出2
print(next(l))#输出4
#也可以使用 for  in 循环访问#生成器函数
def test():print("xxx")yield 1print("a")yield 2print("b")yield 3print("c")yield 4print("d")
g = test()#此时test函数没有被执行 
print(g)#输出 
print(next(g))# xxx 1
print(next(g))#a  2
#test函数形成一个生成器(迭代器)，每次执行都到yield停止,并返回 yield 后面的数据

3.生成器的输出方式

• 生成器具备迭代器的特性
• 使用next()函数 等价于 生成器._ next _ ()
• for in

4.send()方法

• send方法有一个参数，指定的是上一次被挂起的yield语句的返回值
• 相比于 . _ next _() 可以额外的给yield语句传值
• 注意第一次调用 t.send(None)

def test():print("XXX")res1 = yield 1print(res1)res2 = yield 2print(res2)res3 = yield 3print(res3)
g = test()
print(g.__next__())#输出 XXX 1
print(g.__next__())#输出 None 2 此时的None是res1没有接收到数据 因为上一次走到yield 就停止了 res1没有接收数据
print(g.send("ooo"))#输出 ooo 3

5.关闭生成器

• g.close()
• 后续如果继续调用，会抛出StopIteration异常提示

def test():yield 1print("a")yield 2print("b")yield 3print("c")
g = test()
print(g.__next__())#输出 1
print(g.__next__())#输出 a 2
print(g.__next__())#输出 b 3
print(g.__next__())#输出 c
print(g.__next__())#输出 报错 StopIteration#如果是这样
print(g.__next__())#输出 1
print(g.__next__())#输出 a 2
g.close()
print(g.__next__())#输出 报错 StopIteration

6.注意事项

• 如果碰到return 会直接终止，抛出StopIteration异常
• 生产器只会遍历一次