Python生成器通过yield、生成器表达式或类实现，可惰性产出值以节省内存。1. 生成器函数用yield返回值并暂停执行；2. 生成器表达式语法简洁，适合简单转换；3. 类实现__iter__和__next__方法，适用于复杂状态管理；4. 支持send、close、throw等高级操作，用于协程与异常控制。
Python生成器是一种特殊的函数，能够按需产生值，节省内存并提升性能。它在遍历大量数据时特别有用。以下是创建Python生成器的几种常用方法整理。
1. 使用生成器函数（yield关键字）
最常见的方式是定义一个包含 yield 的函数。调用该函数时返回一个生成器对象，每次迭代时逐个产出值。
- 函数中使用 yield 而不是 return
- 每次遇到 yield 暂停执行，保存状态，下次从该位置继续
- 适合实现惰性计算和无限序列
示例：
<font face="Courier New" size="2" color="#006400">
def count_up_to(n):
num = 1
while num <= n:
yield num
num += 1
<p>gen = count_up_to(5)
for value in gen:
print(value) # 输出 1 到 5
</font>2. 使用生成器表达式
类似于列表推导式，但使用圆括号 ()，返回的是生成器对象，不立即占用全部内存。
立即学习“Python免费学习笔记（深入）”；
- 语法简洁，适合简单数据转换或过滤
- 不会像列表推导那样一次性生成所有元素
示例：
<font face="Courier New" size="2" color="#006400">
squares = (x**2 for x in range(1, 6))
for sq in squares:
print(sq) # 输出 1, 4, 9, 16, 25
</font>3. 使用类定义生成器（__iter__ 和 __next__）
通过定义类并实现迭代协议，手动控制生成逻辑。适用于需要维护复杂状态的场景。
- 类中实现 __iter__() 返回自身
- 实现 __next__() 定义每次返回的值，到末尾抛出 StopIteration
- 灵活性高，但代码量比函数方式多
示例：
<font face="Courier New" size="2" color="#006400">
class CountDown:
def __init__(self, start):
self.start = start
<pre class='brush:python;toolbar:false;'>def __iter__(self):
return self
def __next__(self):
if self.start <= 0:
raise StopIteration
self.start -= 1
return self.start + 1gen = CountDown(3) for n in gen: print(n) # 输出 3, 2, 1
4. 生成器中的高级用法
生成器支持一些进阶操作，如传值、关闭、异常处理等。
- send()：向生成器传递值，用于协程场景
- close()：手动关闭生成器，触发 GeneratorExit 异常
- throw()：在生成器内部抛出异常
send() 示例：
<font face="Courier New" size="2" color="#006400">
def echo_generator():
while True:
received = yield
print(f"Received: {received}")
<p>gen = echo_generator()
next(gen) # 启动生成器
gen.send("Hello") # 输出: Received: Hello
gen.send("World")
</font>基本上就这些。掌握这几种方法，就能灵活应对各种需要延迟加载或高效处理数据流的场景。不复杂但容易忽略细节，比如必须先调用 next() 才能使用 send()。
