在 Python 中，生成器（Generator）是一种特殊的迭代器，用于以惰性方式生成序列数据。与一次性将所有数据加载到内存的列表不同，生成器按需生成数据，大大节省内存开销。本文将深入解析生成器的工作原理和用法。

1. 什么是生成器？

生成器本质上是一个返回迭代器的函数，使用 yield 关键字而不是 return。每次调用生成器的 next() 方法（或通过 next() 函数），函数会暂停并返回一个值，继续运行时从暂停的地方恢复。

2. 定义生成器

生成器使用简单的函数定义：

def my_generator():
yield 1
yield 2
yield 3

使用生成器：

gen = my_generator()
print(next(gen)) # 1
print(next(gen)) # 2
print(next(gen)) # 3

3. 使用场景
4. 替代列表，节省内存

普通列表

squares = [x**2 for x in range(1000000)]

生成器

squares_gen = (x**2 for x in range(1000000))

生成器表达式 (x**2 for x in range(1000000)) 仅在需要时生成值，而不会一次性占用内存。

2. 大文件逐行读取

def read_large_file(file_path):
with open(file_path, ‘r’) as file:
for line in file:
yield line.strip()

使用生成器逐行处理文件

for line in read_large_file(“large_file.txt”):
print(line)

3. 无限序列

def infinite_sequence():
num = 0
while True:
yield num
num += 1

gen = infinite_sequence()
print(next(gen)) # 0
print(next(gen)) # 1

4. yield 的高级用法
5. 双向通信

def generator():
value = yield “Start”
yield f"Received: {value}"

gen = generator()
print(next(gen)) # Start
print(gen.send(“Hello”)) # Received: Hello

2. 生成器的关闭
   可以通过 gen.close() 主动关闭生成器，或使用 try…finally 确保生成器正常结束。

3. 生成器 vs 列表

特性 生成器 列表
内存占用 按需生成，内存小 全部加载，占用大
迭代方式 一次性，不能回溯 可随机访问元素
使用场景 数据流、无限序列 小数据集

总结

生成器是 Python 中处理大数据和流式数据的强大工具。它以高效、优雅的方式处理数据流，特别适合内存有限或数据规模未知的场景。通过合理使用生成器，你的代码将更加高效和灵活！