先来学几个英文单词，本文统一使用英文单词表示以下概念：
本文的重点是「Generator」，之所以上来就说这3个概念，是因为：
Generator只不过是Iterable和Iterator的一种简单形式。
用类的形式写Iterable/Iterator，要定义类，并包含至少三个函数：__init__，__iter__和__next__，但用Generator只要定义一个函数就搞定了。
我在面试Python程序员的时候，连续几个号称资深的程序员，回答Generator的问题都回答的不好。如果你能理解透彻这篇文章，对你的加薪作用可能不止一千。
虽然有标题党的嫌疑，但具有实在的意义。所以既然进来了，就耐心读下去吧。一周能理解透一个重要概念，假以时日，你就是高手。
Generator是Iterable/Iterator的简单写法
如果你对Iterable和Iterator一无所知，建议先阅读本文的姊妹篇：
我们先用「Iterable/Iterator」的方式来定一个「随机数生成器」，我把它命名为「Randable」，它的功能是：
随机生成若干个1到100之间的随机数。
import random classRandable():def__init__(self, total): self.count = 0self.total = total def__iter__(self): returnselfdef__next__(self): ifself.count == self.total:raise StopIteration rand_num = random.randint(1, 100) self.count = 1returnrand_num
使用上面的Randable类生成88个随机数：
foriinRandable(88): print(i)这是一个类，包含__init__，__iter__和__next__3个函数：
整个过程有点小复杂，也难以理解。Generator的出现就是为了简化这种复杂的写法。
实现同样的功能，Generator只需要一个「函数」就够了：
defrandgen(total):for_ inrange(0, total): yieldrandom.randint(1, 100)调用过程不变：
foriinrandgen(88): print(i)Generator的原理
for循环过程
结合上面的Geneator的例子，我们看一下for循环的过程：
试验一下：
defrandgen(total):for_ inrange(0, total): yieldrandom.randint(1, 100) g = randgen(88) print(type(g))执行上面这段代码，会打印出：
<class‘generator‘>Generator特征
来看一个例子：
# Generatordefthree_step():print(‘这是第一步，你好！！‘) yieldprint(‘这是第二步，你还好吗？‘) yieldprint(‘这是第三步，再见！‘) s = three_step() next(s) next(s) next(s)运行一下，打印的结果如下：
---第一次调用这是第一步，你好！！ ---第二次调用这是第二步，你还好吗？ ---第三次调用这是第三步，再见！ Traceback (most recent calllast): File"/Users/zjueman/git/python/weixin/generator/gen.py", line 47, in<module> next(s) StopIteration说明一下：
Generator表达式
Genertor除了函数的写法之外，还可以用表达式的写法。它的写法和列表推导式类似，区别就是把中括号**[...]「改成小括号」(...)**。
这是一个列表推导式：
importsys# 生成1到1万的数字的平方nums_squared_list= [i * 2 for i in range(10000)]这是Generator表达式：
importsys# 生成1到1万的数字的平方nums_squared_gen= (i * 2 for i in range(10000))前者会在内存中生成10000个数字，放在列表中。
后者不会马上生成，当你每次用next(nums_squared_gen)函数去调用它的时候，它会生成一个并返回。
如果你对推导式不熟悉，请看终结者系列的另一篇文章。链接见文末。
Generator的性能优势
Generator因为可以被循环，经常被拿来和list做对比。它最让人津津乐道的是它的性能优越性。
假如你开了一家汉堡店，有个大客户向你订购1000万个汉堡。你会一次性生产完这些汉堡吗？
傻的汉堡店主会这样：
一次性生产完1000万个汉堡，可是店里根本放不下啊。再租个仓库放。可是后来发现汉堡都坏掉了。
聪明的汉堡店主会这样：
分批生产！客户什么时候来要，就给他们马上生产一批，既不会把店占满，汉堡还新鲜！
那如果有个需求，让你生成100亿个随机数，再求和。你会这样写吗？
# 请不要尝试下面的代码，因为你的电脑可能会卡死！！！ rand_nums = [] fori in range(1, 10000000000): rand_nums.append(random.randint(1, 100)) print(sum(rand_nums))如果这样写，你的程序会在内存中生成100亿个整数，这也许会占满你的内存。
正确的写法是使用Generator，就用我们上面的randgen吧：
print(sum(randgen(10000000000)))前面使用list的时候，要先在内存中生成100亿个数字，然后再求和，这占空间又费时间。
而用Generator是每次用到的时候才生成1个，不用那么多空间。
我们可以测试一下前面的推导式的例子中占用的内存情况：
>>> import sys >>> nums_squared_list = [i * 2for i in range(10000)] >>> sys.getsizeof(nums_squared_list) 87624# 列表推导式占用了87624字节的内存>>> nums_squared_gen = (i ** 2for i in range(10000)) >>> print(sys.getsizeof(nums_squared_gen)) 120# Generator只占用了87624字节的内存这个例子中只生成10000个数字，区别还没那么大。如果是生成100亿个数字，区别会更大，因为Generator占用的内存基本是恒定的，和数字多少无关。
如果你曾经在写代码的时候犯了「傻汉堡店主」的问题，那么不要羞愧，因为Python语言的设计者们都犯过这样的错误！
在Python 2中很多标准库使用列表形式，出现内存问题。所以在Python 3中很多标准库都改用了Generator。
比如：
打印结果：
<str_iterator object at 0x7fa30ba3e3a0><range_iterator object at 0x7fa30ba3e2d0>帮你熟悉Generator的几个代码例子
我们再来多看几个代码例子，有的很简单，目的是为了给你增加更多的代码感觉。
- range是一个Generator，所以多大的range内存都不会爆for i in range(5):print(i)
- 三次方生成器def mygenerator(n):for i in range(1, n, 2):yield i**3
- 表达式形式的三次方生成器mygenerator = (i**3 for i in range(1,10,2))
- Generator不只是用在for循环中，我们可以手动用next()函数调用它def mygenerator(n):for i in range(1, n, 2):yield i * (i 1)my_gen = mygenerator(6)next(my_gen)2next(my_gen)12next(my_gen)30next(my_gen)> StopIteration error
高级的Generator方法
普通的Generator执行到yield就暂停，可以返回一个值或者不返回。
Generator除了可以返回值，它还可以接收调用者传值进来，这就要使用send()方法。
除了send()方法，还有throws，close()方法。
能通过yield返回值，也能够通过send()接收值，这就不是普通的Generator，而是进入了协程coroutine的领域了，需要专门的文章来讲，「我们下次再终结」。
基本的Generator有上面这些知识就足够了。