生成器函数的核心区别在于使用yield实现可暂停、可恢复的执行,返回生成器对象而非直接返回结果,支持惰性求值和内存高效的数据处理。

生成器函数,简单来说,是一种特殊的函数,它不会一次性计算并返回所有结果,而是可以在执行过程中“暂停”并“产出”(yield)一个值,然后在需要时从上次暂停的地方继续执行。这种特性让它们在处理大量数据或构建无限序列时显得格外高效和优雅,因为它们实现了惰性求值——只在需要时才生成数据,极大节省了内存。
生成器函数的执行过程,与普通函数大相径庭。当你调用一个生成器函数时,它并不会立即执行函数体内的代码,而是返回一个“生成器对象”(一个迭代器)。这个对象才是真正驱动函数执行的关键。每次你对这个生成器对象调用
next()
for...in
yield
yield
next()
yield
return
StopIteration
谈到生成器函数和普通函数,最根本的区别在于它们的“生命周期”和“返回值”机制。普通函数执行时,一旦遇到
return
return
而生成器函数则完全不同。它的标志是使用了
yield
return
yield
yield
# 普通函数示例
def create_list_of_numbers(n):
print("开始生成列表...")
numbers = []
for i in range(n):
numbers.append(i * 2)
print("列表生成完毕。")
return numbers
# 生成器函数示例
def generate_numbers(n):
print("开始生成序列...")
for i in range(n):
yield i * 2 # 每次产出一个值
print("序列生成完毕。")
# 观察执行差异
# my_list = create_list_of_numbers(5) # 会一次性打印 "开始生成列表..." 和 "列表生成完毕。"
# print(my_list)
# my_generator = generate_numbers(5) # 此时不会打印任何东西
# print(next(my_generator)) # 第一次 next(),打印 "开始生成序列...",产出 0
# print(next(my_generator)) # 第二次 next(),产出 2
# # ...直到所有值产出,才会打印 "序列生成完毕。"从上面的例子可以直观感受到,普通函数是一次性完成任务,而生成器函数则是按需、分步完成。
惰性求值,听起来有点高深,但其实它就是“按需计算”的意思。对于生成器函数来说,这意味着它不会预先计算好所有可能的结果,而是等到你真正需要某个值的时候,它才去计算并提供这个值。这与传统的列表或元组等数据结构形成了鲜明对比,后者通常需要在内存中一次性存储所有元素。
正是这种惰性求值的特性,带来了生成器函数最显著的优势——内存效率。想象一下,如果你要处理一个包含数百万甚至数十亿个元素的序列,比如读取一个巨大的日志文件,或者生成一个非常长的斐波那契数列。如果用普通函数一次性生成所有数据并存储在一个列表中,你的程序很可能因为内存不足而崩溃。
生成器函数则能巧妙地规避这个问题。它每次只在内存中维护当前正在处理的一个或少数几个元素的状态,一旦一个值被
yield
牛NIUCMS本地O2O系统是一个以php+mysql进行开发的o2o网站系统。NIUCMS是一款强大的网站管理系统。支持智慧城市、智慧小区、智慧乡村、本地生活门户、本地O2O平台的构建。请注意以下几点:1、这套源码必须要服务器支持伪静态,是支持.htaccess规则的伪静态,一般Apache服务器支持,别搞的下载回去以后说什么缺 少文件,其实源码并非缺少文件。2、这套源码请在php 5.4环境下
0
# 假设我们要处理一个非常大的文件,每行都是一条记录
def process_large_file_generator(filepath):
print(f"开始处理文件:{filepath} (惰性加载)")
with open(filepath, 'r', encoding='utf-8') as f:
for line in f:
# 假设这里对每行进行一些复杂处理
processed_line = line.strip().upper()
yield processed_line
print(f"文件处理完毕:{filepath}")
# 如果是普通函数,可能需要先读入所有行到内存
# def process_large_file_list(filepath):
# print(f"开始处理文件:{filepath} (一次性加载)")
# with open(filepath, 'r', encoding='utf-8') as f:
# lines = [line.strip().upper() for line in f]
# print(f"文件处理完毕:{filepath}")
# return lines
# 使用生成器:
# for item in process_large_file_generator("very_large_log.txt"):
# # 每次循环只处理一行,内存占用小
# print(item)通过这个例子,你可以看到,生成器函数在读取大文件时,无需将整个文件内容加载到内存中,而是逐行读取、逐行处理,这极大地降低了内存压力。
生成器函数远不止是简单的迭代器。Python为它们提供了一些强大的方法,使得它们能够与外部世界进行更复杂的交互,甚至演化出协程(coroutines)的概念,这是异步编程的基石。
首先是
send()
next()
generator.send(value)
yield
def simple_coroutine():
print("协程启动,等待接收第一个值...")
x = yield # 暂停并等待接收一个值
print(f"协程接收到第一个值: {x}")
y = yield x * 2 # 再次暂停,产出 x*2,并等待接收第二个值
print(f"协程接收到第二个值: {y}")
yield y + 10
# g = simple_coroutine()
# next(g) # 启动协程,执行到第一个 yield
# print(g.send(10)) # 发送 10 给 x,协程继续执行到第二个 yield,并产出 20
# print(g.send(5)) # 发送 5 给 y,协程继续执行到第三个 yield,并产出 15
# next(g) # 会抛出 StopIteration其次是
throw(type, value=None, traceback=None)
try...except
还有
close()
generator.close()
yield
GeneratorExit
finally
最后,不得不提的是“生成器表达式”。它们是创建生成器的简洁语法,类似于列表推导式,但用圆括号
()
[]
# 生成器表达式 my_generator_expression = (x * x for x in range(5)) # for val in my_generator_expression: # print(val)
这些高级特性让生成器函数超越了简单的迭代工具,成为构建复杂数据流处理、事件驱动系统乃至异步编程(如Python的
asyncio
await
async
以上就是什么是生成器函数?生成器的执行的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号