什么是 Python 的生成器？

定义

生成器（Generator）是一种惰性计算的迭代器，按需逐个产出值，而不是一次性将所有值存入内存。

Python 中有两种创建生成器的方式：

1. 生成器函数：包含 yield 关键字的函数
2. 生成器表达式：类似列表推导式，但用圆括号 ()

生成器函数

def count_up(n):
    i = 0
    while i < n:
        yield i   # 暂停并产出值，下次调用从此处继续
        i += 1

gen = count_up(3)
print(next(gen))  # 0
print(next(gen))  # 1
print(next(gen))  # 2
print(next(gen))  # StopIteration 异常

每次调用 next() 时，函数从上次 yield 暂停的地方继续执行，直到下一个 yield 或函数结束。

生成器表达式

# 列表推导式 —— 立即生成所有值，存入内存
squares_list = [x**2 for x in range(10)]

# 生成器表达式 —— 惰性计算，按需产出
squares_gen = (x**2 for x in range(10))

print(next(squares_gen))  # 0
print(next(squares_gen))  # 1

yield vs return

	return	yield
函数类型	普通函数	生成器函数
执行方式	一次执行完毕	每次 next() 执行一步
返回值	单个值，函数终止	逐个产出值，函数暂停
状态保留	不保留	保留局部变量和执行位置

内存对比

import sys

# 列表：一次性分配所有内存
lst = [x for x in range(1_000_000)]
print(sys.getsizeof(lst))   # ~8 MB

# 生成器：固定极小内存
gen = (x for x in range(1_000_000))
print(sys.getsizeof(gen))   # ~112 字节

yield from —— 委托子生成器

def flatten(nested):
    for item in nested:
        if isinstance(item, list):
            yield from flatten(item)  # 委托给子生成器
        else:
            yield item

print(list(flatten([1, [2, [3, 4]], 5])))
# [1, 2, 3, 4, 5]

典型应用场景

1. 处理大文件

def read_large_file(path):
    with open(path) as f:
        for line in f:
            yield line.strip()

for line in read_large_file("huge.log"):
    process(line)  # 每次只有一行在内存中

2. 无限序列

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = fibonacci()
print([next(fib) for _ in range(8)])
# [0, 1, 1, 2, 3, 5, 8, 13]

3. 数据管道

def read_data():
    yield from range(10)

def filter_even(data):
    for x in data:
        if x % 2 == 0:
            yield x

def square(data):
    for x in data:
        yield x ** 2

pipeline = square(filter_even(read_data()))
print(list(pipeline))  # [0, 4, 16, 36, 64]

生成器的状态

生成器有四种状态（可用 inspect.getgeneratorstate() 查看）：

状态	含义
GEN_CREATED	已创建，未开始执行
GEN_RUNNING	正在执行
GEN_SUSPENDED	在 yield 处暂停
GEN_CLOSED	执行完毕或被关闭

总结

• 生成器的核心是 yield 暂停 + 恢复执行
• 相比列表，生成器节省内存，适合大数据流、无限序列、数据管道
• yield from 可以优雅地委托子生成器，简化递归迭代
• 本质上，生成器是实现了迭代器协议（__iter__ + __next__）的对象