Python的生成器(generator)是一种迭代器，可以通过next函数访问，也可以在for...in...循环中遍历。生成器有自己的特殊的语法，有点像推导式(List Comprehension)，也可以在自定义的函数使用yield关键词。

生成器的出现，跟迭代器一样，也是为了在内存使用方面更友好。 有时候，序列或集合内的元素的个数非常巨大，如果全都制造出来并放入内存，对计算机的压力是非常大的。假设我们需要获取一个10**20次方如此巨大的数据序列，把每一个数都生成出来，并放在一个内存的列表内，这是很粗暴的方式，有如此大的内存么？如果元素可以按照某种算法推算出来，需要计算到哪里，就计算到哪里，就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。

用括号(())创建生成器

>>> g = (x for x in range(3))
>>> g
>>> next(g)
0
>>> next(g)
1
>>> next(g)
2
>>> next(g)
Traceback (most recent call last):
File "", line 1, in 
StopIteration
>>> for i in g:
... print(i)
...
>>>

生成器通过与推导式(List Comprehension)相同的语法(放在括号内)被创造出来，然后通过next函数访问其元素，知道出现StopIteration异常。此时，生成器中的元素已经被清除。

用yield关键词自定义生成器函数

这是一个更加灵活的创建Python生成器的方式，我先给出示例代码：

>>> def testg():
... for i in range(3):
... yield i
... return
...
>>> for j in testg():
... print(j)
...
0
1
2

testg函数就是一个生成器函数，每当代码执行到yield语句的时候，就像return一样，testg返回一个值，并且记住了这个位置，下一次再进入testg函数的时候，从上次yield返回的位置开始继续执行，直到下一个yield，或者最后的真正的return。

testg函数被放在了for...in...语句中调用，确保了每一次testg yield一个值，循环体就开始执行，下一次循环之前，会再次进入testg函数，等待下一个yield。这就是自定义的生成器函数。可以看出，testg函数将一个序列的每一个值，一次一个的返回给上层代码，但是并没有讲每个值都保存下来，这样就起到了节省内存的作用。

yield语句还可以返回复杂的tuple，这正是generator更加灵活的地方。

>>> def g2():
... for i in range(3):
... yield i,i**2,i**3
... return
...
>>> for a,b,c in g2():
... print(a,b,c)
...
0 0 0
1 1 1
2 4 8
>>>
>>> k = g2() # another use case
>>> next(k)
(0, 0, 0)
>>> next(k)
(1, 1, 1)
>>> next(k)
(2, 4, 8)
>>> next(k)
Traceback (most recent call last):
File "", line 1, in 
StopIteration

yield一下子吐出来3个值，全部在外层的for循环中被处理。生成器还可以直接赋值给一个变量，用next函来访问，效果跟在for循环中是一样的。

以上就是对Python生成器的介绍，希望对你的代码有帮助。

-- EOF --