一、什么是生成器？

一句话定义

生成器 = 一边循环一边计算的迭代器，不用一次性创建所有数据

• 它是一个函数 / 表达式，可以暂停执行并返回值
• 下次调用时，从暂停位置继续执行
• 不占用大量内存，只在需要时生成一个数据

核心特点

1. 惰性计算：用到才生成，不用不生成
2. 节省内存：百万级数据也不卡顿
3. 只能迭代一次
4. 本质是迭代器，可以用 for 遍历

---

二、两种创建生成器的方式

1）最简单：生成器表达式（一行搞定）

把列表推导式的 [] 换成 () 就是生成器！

# 列表（一次性创建所有数据）
my_list = [x for x in range(5)]
print(my_list)   # [0,1,2,3,4]

# 生成器（边循环边生成）
my_gen = (x for x in range(5))
print(my_gen)    # <generator object>

2）最常用：生成器函数（带 yield）

函数里出现 yield → 自动变成生成器

def gen():
    yield 1   # 暂停，返回 1
    yield 2   # 暂停，返回 2
    yield 3   # 暂停，返回 3

g = gen()  # 创建生成器对象

---

三、生成器怎么用？

方法 1：next () 手动调用

print(next(g))  # 1
print(next(g))  # 2
print(next(g))  # 3
print(next(g))  # 报错 StopIteration（无数据了）

方法 2：for 循环（最常用，自动处理结束）

for num in gen():
    print(num)
# 输出 1 2 3

方法 3：转列表（一次性取出所有）

print(list(gen()))  # [1,2,3]

---

四、yield 关键字（生成器灵魂）

yield 作用

1. 返回值
2. 暂停函数执行
3. 下次调用从暂停位置继续

对比 return：

• return：结束函数
• yield：暂停函数，保留状态

---

五、生成器最大优势：省内存！

场景：生成 1 亿个数字

• 列表：占用 几百 MB 内存
• 生成器：占用 几 KB 内存

# 列表（卡死！）
# big_list = [x for x in range(100000000)]

# 生成器（丝滑！）
big_gen = (x for x in range(100000000))

生成器永远只存一个数据。

---

六、生成器实战案例

案例 1：无限序列（永不结束）

def infinite():
    n = 0
    while True:
        yield n
        n += 1

g = infinite()
print(next(g))  # 0
print(next(g))  # 1
print(next(g))  # 2

案例 2：斐波那契数列（经典）

def fib(n):
    a, b = 0, 1
    for _ in range(n):
        yield b
        a, b = b, a + b

# 取前 10 个斐波那契数
for num in fib(10):
    print(num, end=" ")

案例 3：读取超大文件（不会爆内存）

逐行读取，不一次性加载整个文件：

def read_big_file(file_path):
    with open(file_path, 'r') as f:
        for line in f:
            yield line

---

七、高级用法：send () 传值进生成器

可以外部给生成器传数据！

def gen():
    val = yield "start"
    print(f"收到：{val}")
    yield "end"

g = gen()
print(next(g))    # start
print(g.send(66)) # 收到：66 → end

---

八、生成器执行流程（必懂）

调用生成器函数 → 创建对象
next() → 执行到 yield → 返回值 → 暂停
next() → 从暂停处继续 → 到下一个 yield
无 yield → 抛出 StopIteration

---

九、生成器 VS 列表 对比

特性	列表 list	生成器 generator
内存	占用大	占用极小
计算方式	一次性生成	惰性计算
访问	可重复、可索引	只能迭代一次
速度	小数据快	大数据快

小数据用列表，大数据用生成器！

---

十、一句话总结（背会就精通）

1. 生成器 = 带 yield 的函数 / () 推导式
2. yield = 暂停 + 返回值
3. 惰性计算，省内存
4. 处理大数据、无限序列、大文件首选
5. 迭代一次，不能回头

---

最强万能模板

def my_generator():
    # 初始化
    while 条件:
        # 计算数据
        yield 数据   # 生成一个值