作为一个Python开发者，我经常遇到需要处理大量数据或复杂迭代场景的情况。今天，我们要聊一个超级实用的特性——生成器（Generator）。相信通过这篇文章，你将彻底掌握这个Python编程的利器！

什么是生成器？初识"内存节省专家"

想象生成器就像是一个特殊的工厂，它不会一次性生产所有产品，而是按需生产。传统的列表会一次性把所有元素加载到内存中，而生成器则聪明地逐个生成元素，这意味着它可以大大节省内存空间。

# 传统方式：一次性生成列表

numbers = [x * 2 for x in range(10000)]  # 需要一次性占用内存

# 生成器方式：按需生成

gen_numbers = (x * 2 for x in range(10000))  # 只在需要时才生成

生成器的两种创建方式

1. 生成器表达式：一行搞定

最简单的生成器创建方法就是把列表推导式的方括号[]换成圆括号()。就这么简单！

# 生成器表达式

squared = (x**2 for x in range(5))

print(list(squared))  # 输出：[0, 1, 4, 9, 16]

2. 使用yield关键字：更强大的生成器函数

通过yield关键字，我们可以创建更复杂的生成器函数。每次遇到yield，函数会"暂停"并返回一个值。

def fibonacci_generator(n):

    a, b = 0, 1

    count = 0

    while count < n:

        yield a

        a, b = b, a + b

        count += 1

# 使用生成器

fib_gen = fibonacci_generator(5)

print(list(fib_gen))  # 输出：[0, 1, 1, 2, 3]

小贴士：yield就像是一个"记录和恢复"的魔法，可以记住上一次执行的位置并在下次调用时从那里继续。

生成器的实际应用场景

处理大文件：逐行读取

假设你需要处理一个超大的日志文件，使用生成器可以避免一次性将整个文件加载到内存。

def read_large_file(file_path):

    with open(file_path, 'r') as file:

        for line in file:

            yield line.strip()

# 逐行处理，不会一次性加载整个文件

for log_line in read_large_file('huge_logfile.txt'):

    # 处理每一行日志

    print(log_line)

常见坑点和注意事项

生成器只能遍历一次：一旦迭代完成，就无法重新开始。

生成器不支持索引和切片操作。

使用list()会立即计算并存储所有元素，失去节省内存的优势。

动手练习：编写一个简单的无限生成器

尝试编写一个生成无限偶数序列的生成器：

def infinite_even_numbers():

    num = 0

    while True:

        yield num

        num += 2

# 注意：这里只取前5个，避免无限循环

even_gen = infinite_even_numbers()

print([next(even_gen) for _ in range(5)])  # 输出：[0, 2, 4, 6, 8]

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。