前文我们了解如果书写一个Iterator,以及怎样在一个类中安装一个Iterator. 但,有时候我们只想要一个简单的iterator, 而且并不想这么复杂. 处于这个目的, 变成语言里面出现了generator 这个概念. 根据wiki的解释:

In fact, all generators are iterators

generator 同样也有iteartor的优势, 在输出值的过程中,是分散性的, 即他不会保存每一次输出值, 这样在循环里面更高效, 并且更节省效率.

generator syntax

generator的格式和一个函数非常类似, 他使用yield代替return, 来返回一个expression.

def a_gen:
    yield 1
    yield 2

使用generator实际上就和使用iteartor对象一样. 因为generator 返回的就是iterator:

gen = a_gen()
print(next(gen))

既然, generator是Iterator, 那我们能不能在上面使用for...in...循环呢？
Yes~

for x in a_gen():
    print(x)

另外, 在python中, 提供了一个常见匿名generator的办法. 使用 ( ) 即可. 里面放的就是 list comprehension.

a = (x for x in range(10))

这里需要注意, 上面 匿名 generator的返回值是一个generator object. 这点很重要, 这也是区分list comrehension 的关键点. generator 延续着iterator的特性: 你要我才给 . 这样, 不必先生成大量的数据. 所以,generator 这个也常常用于处理数据较大的集合中.
如果仅仅是造了一个语法糖, 那generator的存在不就无意义了吗？ 所以,generator的优势,或者说用途还是挺广泛的.

when we can use generator

1. 用来快速生成Iterator对象. 即, 以前需要这样写,才能生成一个Iterator.

 class Xlist:
     def __init__(self,a_list):
         self.list = a_list
         self.index = 0
     def __iter__(self):
         return self
     def __next__(self):
         length = len(self.list)
         if(length==self.index):
             # 提出异常
             raise StopIteration
         else:
             result = self.list[self.index]
             self.index += 1
             return result

现在只需要, 使用generator即可

def Xlist(arr):
    for x in arr:
        yield x

省略的不止一点点

2.异步序列的操作
在python中,有时候读取文件,可能会存在异步方式的读取. 而且,现在主流的后台处理程序都是NodeJS, 一种完全异步的编程语言. 而generator 本省就继承了Iterator的特性, 有一种状态暂停的效果. 这种效果, 也可以用来作为异步序列的处理. 比如我们这里可以编写一个普通串行:

def co(*callback):
    length = 0
    while length!=len(callback):
        yield callback[length]()
        length+=1


for x in co(lambda :1,lambda: 2):
    print(x)

简单总结: