生成器 Generator: 

• 自己写的能实现迭代器功能的就叫生成器 

• 生成器的本质就是迭代器，所以自带了__iter__方法和__next__方法，不需要我们去实现 和 可以被 for 循环

• 特点: 
• 调用函数的之后函数不执行，返回一个生成器
• 每次调用next方法的时候会取到一个值
• 直到取完最后一个，在执行next会报错

• 在调用 生成器函数 和 生成器表达式 的时候只是获取到了生成器，而里面的代码并没有被执行
• 生成器每次只能取 1 个值，且你不向它取值生成器是不会被执行的
• 生成器里的所有数据只能取一次，取完就没有

生成器的好处: 不会一下子在内存中生成太多数据 -> 假如我想让工厂给学生做校服，生产2000000件衣服，我和工厂一说，工厂应该是先答应下来，然后再去生产，我可以一件一件的要，也可以根据学生一批一批的找工厂拿。而不能是一说要生产2000000件衣服，工厂就先去做生产2000000件衣服，等回来做好了，学生都毕业了。。。

创建生成器的两种方式: 生成器函数 生成器推导式

1. 生成器函数 -> 可以被 for 循环

• 一个包含yield关键字的函数就是一个生成器函数， 调用生成器函数不会得到返回的具体的值，而是得到一个生成器（可以理解为 可迭代的对象 或 迭代器），然后再通过 for 循环 或 __next__ 方法获得具体的值。yield语句的作用就是一次返回一个结果，在每个返回结果的中间，挂起函数的状态，以便下次重它离开的地方继续执行

def generator_fn():

    print(1)

    yield '返回值一'

    print(2)

    yield '返回值二'

    print(3)

    yield '返回值三'

generator = generator_fn() # <generator object generator_fn at 0x000002DAC5CEEF68> 返回一个可迭代对象 看到 generator 单词就应该知道它是一个迭代器

print(generator.__next__()) # 返回值一

print(generator.__next__()) # 返回值二

print(generator.__next__()) # 返回值三

def generator_fn():

    print(1)

    yield '返回值一'

    print(2)

    yield '返回值二'

    print(3)

    yield '返回值三'

generator = generator_fn() # <generator object generator_fn at 0x000002DAC5CEEF68> 返回一个可迭代对象 看到 generator 单词就应该知道它是一个迭代器

for i in generator:

    print(i)

• 注意:
• 在调用 生成器函数 和 生成器表达式 的时候只是获取到了生成器，而里面的代码并没有被执行
• 生成器每次只能取 1 个值，且你不向它取值生成器是不会被执行的
• 生成器里的所有数据只能取一次，取完就没有

def generator_fn():

    print(1)

    yield '返回值一'

    print(2)

    yield '返回值二'

    print(3)

    yield '返回值三'

generator = generator_fn() # 此时只是获取到了生成器，而生成器并没有执行

for i in generator: # 向生成器取值了，生成器开始执行

    print(i)

• 上面提到的校服例子

def uniforms():

    for i in range(2000000):

        yield '第 %s 套校服' % (i + 1)

g_uniforms = uniforms()

print(g_uniforms.__next__())  # 要一件衣服 # 第 1 套校服

print(g_uniforms.__next__())  # 再要一件衣服 # 第 2 套校服

print(g_uniforms.__next__())  # 再要一件衣服 # 第 3 套校服

for i, u in enumerate(g_uniforms):  # 要一批衣服，比如5件 那么会从第 4 件开始拿起，因为 yield 语句会从你上一次结束的位置开始继续执行下去，直到遇见下一个 yield 语句 或 函数执行完

    print(u)

    if i > 3:

        break

for i, u in enumerate(g_uniforms):  # 再要一批衣服，比如5件 那么会从第 8 件开始拿起，因为 yield 语句会从你上一次结束的位置开始继续执行下去，直到遇见下一个 yield 语句 或 函数执行完

    print(u)

    if i > 3:

        break

• 监听文件的输入 判断是否输入了 xxx 关键字，然后将有关该关键字这一行输出出来

def tail(filename):

    f = open(filename, encoding='utf-8')

    f.close()

    while True:

        line = f.readline().strip()

        if line:

            yield line

g = tail('monitor.txt')

for i in g:

    if 'python' in i:

        print('****' + i + '****')

• 从生成器中取值得方法

• __next__()

def generator_fn():

    for i in range(10):

        yield i

generator = generator_fn()

g_data1 = generator.__next__()

g_data2 = generator.__next__()

• next(生成器) next() 等同于 __next__() 在以后日常使用中尽量使用 next()，在这里使用 __next__() 是为了说明

def generator_fn():

    for i in range(10):

        yield i

generator = generator_fn()

g_data1 = next(generator)

g_data2 = next(generator)

• for

def generator_fn():

    for i in range(10):

        yield i

for i in generator_fn():

    print(i)

• 将生成器强制转换为 列表、元组、集合 不推荐 占用内存高

def generator_fn():

    for i in range(5):

        yield i

arr = list(generator_fn()) # [0, 1, 2, 3, 4]

• .send() -> send 的效果和获取下一个值的next效果基本一致，只是在获取下一个值的时候，给上一yield的位置传递一个数据 -> 使用情况: 依赖外部的值 ->很少会使用到

• 使用send的注意事项
• 第一次使用生成器的时候一定用next获取下一个值
• 最后一个yield不能接受外部的值

def generator_fn():

    e_data1 = yield 1

    print(e_data1)  # 外部的值1

    e_data2 = yield 2

    print(e_data2)  # 外部的值2

    yield 3

generator = generator_fn()

g_data1 = generator.__next__()

g_data2 = generator.send('外部的值1')

g_data3 = generator.send('外部的值2')

• 例子：移动平均值

def moving_average():

    total = 0

    count = 0

    avg = 0

    while 1:

        num = yield avg

        total += num

        count += 1

        avg = total / count

generator = moving_average()

generator.__next__()

avg1 = generator.send(10) # 10 

avg2 = generator.send(20) # 15

• 预激活生成器的装饰器

def wrapper(fn):

    def inner(*args, **kwargs):

        re = fn()

        re.__next__()

        return re

    return inner

@wrapper

def moving_average():

    total = 0

    count = 0

    avg = 0

    while 1:

        num = yield avg

        total += num

        count += 1

        avg = total / count

generator = moving_average()

avg1 = generator.send(10)

avg2 = generator.send(20)

print(avg1, avg2)

• yield from -> 将可迭代对象的值一个一个返回出去

def generator_fn():

    a = '123'

    b = 'abc'

    yield from a

    yield from b

generator = generator_fn()

for i in generator:

    print(i)

    等价于

def generator_fn():

    a = '123'

    b = 'abc'

    for i in a:

        yield i

    for i in b:

        yield i

generator = generator_fn()

for i in generator:

    print(i)

2. 生成器推导式

• (expression for item in iterable if condition)
• (生成器所要生成的值 for 元素 in 可迭代对象 if 元素的相关条件) -> if 判断可加可不加看情况使用

generator = (i for i in range(10) if i % 2 == 0)

for i in generator:

    print(i)

    等价于

def generator_fn():

    for i in range(10):

        if i % 2 == 0:

            yield i

for i in generator_fn():

    print(i)

3. for 循环 和 生成器的区别 

• for循环: 多个 for 循环 循环一个可迭代对象的时候，for循环会在自身内部生成一个迭代器

lis = [1, 2, 3, 4]

for i in lis:

    print(i)

for i2 in lis:

    print(i2)

• 生成器: 如果生成器里的值都被取过一遍以后（取完了）, 那么生成器再被调用的时候里面的值是空的 -> 因为生成器和迭代器一样（生成器的本质就是迭代器）里面的值只能取一遍，取完就没有了

def generator():

    yield 1

    yield 2

    yield 3

    yield 4

r_generator = generator()  # 获取生成器

i_lis = list(r_generator)  # [1, 2, 3, 4] 此时，迭代器里的所有值都给了 list

i_lis2 = list(r_generator)  # []

4. 生成器面试题

• 面试题一

def demo():

    for i in range(4):

        yield i

g = demo() # 只是获取到了生成器，生成器并没有执行

g1 = (i for i in g) # 只是获取到了生成器，生成器并没有执行

g2 = (i for i in g1) # 只是获取到了生成器，生成器并没有执行

print(list(g1)) # [0, 1, 2, 3] # 开始执行生成器 g1 而 g1 生成器是调用了 g 生成器的

print(list(g2)) # [] # 开始执行生成器 g2 而 g2 生成器是调用了 g1 生成器的 而 g1 生成器是调用了 g 生成器的，此时 g 生成器的值已经被 g1 取完了所以返回 []

• 面试题二 -> 当遇到循环执行生成器表达式的时候就将它拆开来看

def add(n, i):

    return n + i

def test():

    for i in range(4):

        yield i

g = test()

for n in [1, 10]:

    g = (add(n, i) for i in g)

print(list(g)) # [20, 21, 22, 23]

拆解后的循环执行生成器表达式

def add(n, i):

    return n + i

def test():

    for i in range(4):

        yield i

g = test()

# for n in [1, 10]:

#     g = (add(n, i) for i in g)

n = 1

# g = (add(n, i) for i in g) 此时 g = test() 拆解为一下代码

g = (add(n, i) for i in test())

n = 10

# g = (add(n, i) for i in g) 此时 g = (add(n, i) for i in test()) 拆解为一下代码

g = (add(n, i) for i in (add(n, i) for i in test()))

'''

    g = (add(n, i) for i in (add(n, i) for i in test())) 拆解过程

    1. (add(10, i) for i in test()) # 生成器表达式 返回 生成器->里面的值为 10, 11, 12, 13)

    2. (add(10, i) for i in 生成器->里面的值为 10, 11, 12, 13) # 生成器表达式 返回 生成器->里面的值为 20, 21, 22, 23

'''

print(list(g)) # 将生成器转化为列表得到 [20, 21, 22, 23]

5. 生成器练习

• 写生成器，处理文件，用户指定要查找的文件和内容，将文件中包含要查找内容的每一行都输出到屏幕

def check_file():

    with open('log.txt', encoding='utf-8') as f:

        for line in f:

            yield line

g = check_file()

for i in g:

    print(i.strip())

• 写生成器，从文件中读取内容，在每一次读取到的内容之前加上'***'之后再返回给用户。

def check_file():

    with open('log.txt', encoding='utf-8') as f:

        for line in f:

            yield '****' + line

g = check_file()

for i in g:

    print(i.strip())