Python生成器（Generators）

我暂时是参考《Python进阶》中文版，不懂的地方日后查看手册补充。

生成器（Generators）

要理解生成器我们首先就要理解什么是迭代器(iterators)。

根据维基百科，迭代器是一个让程序员可以遍历一个容器（如列表）的对象。
然而，一个迭代器在遍历并读取一个容器的数据元素时，并不会执行一个迭代。你可能有点晕了，那我们来个慢动作。换句话说这里有三个部分：

可迭代对象(Iterable)

Python中任意的对象，只要它定义了可以返回一个迭代器的__iter__方法，或者定义了可以支持下标索引的__getitem__方法(这些双下划线方法会在其他章节中全面解释)，那么它就是一个可迭代对象。
简单说，可迭代对象就是能提供迭代器的任意对象。那迭代器又是什么呢？

迭代器(Iterator)

任意对象，只要定义了next(Python2) 或者__next__方法，它就是一个迭代器。就这么简单。现在我们来理解迭代(iteration)

迭代(Iteration)

首先迭代是一个过程。
用简单的话讲，它就是从某个地方（比如一个列表）取出一个元素的过程。当我们使用一个循环来遍历某个东西时，这个过程本身就叫迭代。现在既然我们有了这些术语的基本理解，那我们开始理解生成器吧。

生成器是迭代器的一种，但是你只能对其迭代一次。这是因为它们并没有把所有的值存在内存中，而是在运行时生成值。
你通过遍历来使用它们，要么用一个“for”循环，要么将它们传递给任意可以进行迭代的函数和结构。大多数时候生成器是以函数来实现的。然而，它们并不返回一个值，而是yield(暂且译作“生出”)一个值。这里有个生成器函数的简单例子：

# 定义一个生成器函数
def generator_function():
    for i in range(10):
        yield i

# 遍历这个生成器函数
for item in generator_function():
    print(item)

# 输出结果:
# 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9

这个案例并不是非常能说明生成器的优势。
应用生成器的最佳场景是：你不想同一时间将所有计算出来的大量结果集分配到内存当中，特别是结果集里还包含循环。

译者注：这样做会消耗大量内存资源

许多Python 2里的标准库函数都会返回列表，而Python 3都修改成了返回生成器，因为生成器占用更少的资源。（官方已不再支持Python2）

下面是一个计算斐波那契数列的生成器：

# 定义一个斐波拉契生成器函数
def fibon(n):
    a = b = 1
    for i in range(n):
        yield a
        a, b = b, a + b

函数使用方法如下：

for x in fibon(100):
    print(x)

下次继续...