Python自动化测试进阶必学：生成器
本文由柠檬班全程班49期学员superman原创。
生成器
列表推导式:直接生成列表
什么是生成器？
通过列表生成式，我们可以直接创建一个列表。
但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间.
如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？
这样就不必创建完整的list，从而节省大量的空间。
在Python中，这种一边循环一边计算的机制，称为生成器：generator
生成器是一个特殊的程序，可以被用作控制循环的迭代行为，python中生成器是迭代器的一种。
使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用。
但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小。
而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数。
但是表现得却像是迭代器python中的生成器要创建一个generator，有很多种方法.
第一种方法很简单，只有把一个列表生成式的[]中括号改为（）小括号，就创建一个generator
#列表生成式
#生成器
结果：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
at 0x000002A4CBF9EBA0>
那么创建lis和generator_ex，的区别是什么呢？
从表面看就是[ ]和（）,但是结果却不一样，一个打印出来是列表（因为是列表生成式），而第二个打印出来却是 at 0x000002A4CBF9EBA0>。
那么如何打印出来generator_ex的每一个元素呢？
如果要一个个打印出来，可以通过next（）函数获得generator的下一个返回值：
#生成器
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
print(next(generator_ex))
结果：
0
1
4
9
16
25
36
49
64
81
Traceback (most recent call last):
File “列表生成式.py”, line 42, in
print(next(generator_ex))
StopIteration
大家可以看到，generator保存的是算法，每次调用next(generaotr_ex)就计算出他的下一个元素的值，直到计算出最后一个元素。
没有更多的元素时，抛出StopIteration的错误。
而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：
#生成器
print(i)
结果：
0
1
4
9
16
25
36
49
64
81
所以我们创建一个generator后，基本上永远不会调用next()，而是通过for循环来迭代，并且不需要关心StopIteration的错误.
generator非常强大，如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
比如著名的斐波那契数列，除第一个和第二个数外，任何一个数都可以由前两个相加得到：
1，1，2，3，5，8，12，21，34…
斐波那契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
#fibonacci数列
也就是说上面的函数也可以用generator来实现，上面我们发现，print(b)每次函数运行都要打印，占内存，所以为了不占内存，我们也可以使用生成器，这里叫yield。
如下：
yield函数可以让当前函数停下来，等需要调用的时候再执行，资源消耗最小的。
今天的小分享就到这了，有问题可以+群：306924419 讨论，加群请备注：简书，群内有各大城市软件测试招聘（北上广深比较多）消息，每周1至周5群都会有免费公开课，笔试面试题分享哒！
