注意：这篇文章假定使用 Python 3.x 语法。 ”

生成器只是一个函数，它返回一个您可以调用的对象，next这样每次调用它都会返回一些值，直到它引发StopIteration异常，表明所有值都已生成。这样的对象称为
迭代器 。

普通函数使用 来返回单个值return，就像在 Java 中一样。然而，在 Python 中，有一个替代方案，称为yield.
在函数中的任何地方使用yield它都会使其成为生成器。观察这段代码：

>>> def myGen(n):
...     yield n
...     yield n + 1
... 
>>> g = myGen(6)
>>> next(g)
6
>>> next(g)
7
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

如您所见，myGen(n)是一个产生n和的函数n + 1。每次调用都会next产生一个值，直到所有值都被产生。for循环next在后台调用，因此：

>>> for n in myGen(6):
...     print(n)
... 
6
7

同样，还有 生成器表达式
，它提供了一种简洁描述某些常见生成器类型的方法：

>>> g = (n for n in range(3, 5))
>>> next(g)
3
>>> next(g)
4
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

请注意，生成器表达式很像
列表推导 ：

>>> lc = [n for n in range(3, 5)]
>>> lc
[3, 4]

观察生成器对象是 一次 生成的，但它的代码 不是
一次性运行的。仅调用next实际执行（部分）代码。yield一旦到达语句，生成器中代码的执行就会停止，并返回一个值。下一次调用nextthen
会导致执行在最后一次之后离开生成器的状态下继续执行yield。这是与常规函数的根本区别：那些总是在“顶部”开始执行并在返回值时丢弃它们的状态。

关于这个话题还有很多话要说。例如，可以将send数据返回到生成器（参考）。但这是我建议你在了解生成器的基本概念之前不要研究的东西。

现在你可能会问：为什么要使用生成器？有几个很好的理由：

• 使用生成器可以更简洁地描述某些概念。
• 与其创建一个返回值列表的函数，不如编写一个动态生成值的生成器。这意味着不需要构造列表，这意味着生成的代码更节省内存。通过这种方式，人们甚至可以描述太大而无法放入内存的数据流。
• 生成器允许以一种自然的方式来描述 无限 流。例如考虑斐波那契数：

  >>> def fib():
  

  … a, b = 0, 1
  … while True:
  … yield a
  … a, b = b, a + b
  …

  import itertools
  list(itertools.islice(fib(), 10))
  [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

此代码用于itertools.islice从无限流中获取有限数量的元素。建议您仔细查看itertools模块中的功能，因为它们是轻松编写高级生成器的必备工具。

关于Python < =2.6：*在 上面的例子中是一个函数，它调用给定对象的方法。在 Python <=2.6 中，使用一种稍微不同的技术，即代替.
Python 2.7 具有调用功能，因此您无需在 2.7 中使用以下内容：
*next``__next__``o.next()``next(o)``next()``.next

>>> g = (n for n in range(3, 5))
>>> g.next()
3