Python中的生成器和yield详细介绍
最新回答
汐水溪西惝
2026-10-22 09:31:40
Python中的生成器（Generator）和yield关键字是用于高效处理大规模数据或实现惰性求值的重要工具。 生成器通过yield关键字逐个产生值，而非一次性生成所有数据，从而节省内存并支持协程等高级功能。以下是详细解析：
1. 生成器表达式 vs 列表推导- 列表推导：直接生成完整列表并存储在内存中，适合小规模数据。squares = [n*n for n in range(3)] # 输出 [0, 1, 4]
- 生成器表达式：使用小括号，惰性生成值，节省内存。squares = (n*n for n in range(3)) # 输出生成器对象，迭代时逐个计算
- 定义：包含yield关键字的函数，返回一个生成器对象。
- 执行机制：
调用生成器函数时，函数体不立即执行，而是返回生成器对象。
每次调用next()或迭代时，执行到yield暂停并返回值，下次从暂停处继续。
def countdown(n): while n > 0: yield n # 暂停并返回n n -= 1gen = countdown(3)print(next(gen)) # 输出 3print(next(gen)) # 输出 2
- 惰性求值：仅在需要时生成值，避免内存爆炸。
- 状态保存：函数局部变量和执行位置在yield后保留，下次恢复。
- 终止信号：生成器结束时抛出StopIteration异常。
- 协程：生成器通过yield实现接收和发送数据的双向通信。
启动协程：首次调用next()或send(None)执行到第一个yield。
发送数据：send(value)将值赋给yield左侧变量，并继续执行。
def recv(): print('Ready') while True: n = yield # 接收外部数据 print('Got:', n)coro = recv()coro.send(None) # 启动协程coro.send(10) # 输出 "Got: 10" - 返回值：yield右侧表达式的结果通过send()返回。
- 处理大规模数据：如逐行读取文件，避免内存不足。def read_large_file(file_path): with open(file_path) as f: for line in f: yield line.strip()
- 实现管道处理：多个协程串联处理数据流（如文件查找→打开→读取→打印）。@default_nextdef find_files(target): topdir = yield for root, _, files in os.walk(topdir): for file in files: target.send(os.path.join(root, file))
- 生成器是特殊的迭代器，自动实现__iter__()和__next__()方法。
- 可通过next()逐个获取值，或直接用于for循环。
- 协程启动：首次必须用next()或send(None)激活。
- 资源释放：显式调用close()终止生成器，避免资源泄漏。
- 异常处理：生成器内可捕获外部传入的异常（如StopIteration）。
生成器通过yield实现惰性求值和协程通信，显著提升内存效率和程序灵活性。掌握生成器表达式、函数及协程用法，能高效处理流式数据、构建复杂管道，甚至实现轻量级并发。
热门标签
