產生器是一種特殊的迭代器，它內部也有__iter__方法和__next__方法，在終止生成器的時候，還是會拋StopIteration異常以此來退出循環，只不過相比於迭代器，生成器還有特性會保存“中間值”，下次運行的時候，還會藉助這個“中間值”來操作。生成器的關鍵字是yield，我們下面來寫一個最簡單的生成器。
#!/usr/bin/env python
def printNums():
i = 0
while i<10:
yield i
i = i + 1
def main():
for i in printNums():
print(i)
if __name__ == '__main__':
main()粗看程式碼，可能會覺著這個是個啥啊，為啥不直接用range來生成，偏偏要用yield，哎，不急，我們接著往下看為什麼需要生成器，或者說，生成器解決了什麼問題。
在說明這個問題之前，我們先來寫一個需求，輸出 0——10000000 以內的數據，而後運行查看導出內存運行截圖。
這裡可以藉助python的memory_profiler模組來偵測程式記憶體的佔用情況。
安裝memory_profiler庫:
pip3 install memory_profiler
使用方法很簡單，在需要偵測的函數或程式碼前加上@profile裝飾器即可，例如:
@profile
def main():
pass生成.dat檔案
##匯出圖示，可以使用mprof run
mprof plot --output=filenamepython案例代碼以下2個程序，都是輸出0—9999999之間的數據，不同的是，第一個程式是使用
range而後給append進位list中，第二個則是使用迭代器來產生該資料。
main.py程式
@profile
def main():
data = list(range(10000000))
for i in data:
pass
if __name__ == '__main__':
main()main_2.py程式
def printNum():
i = 0
while i < 10000000:
yield i
i = i + 1
@profile
def main():
for i in printNum():
pass
if __name__ == '__main__':
main()
main.py運行記憶體圖
main_2.py 運行記憶體圖
yield語句涉及到了python解釋權內部機制，所以很難查看其原始碼，很難取得其原理，不過我們可以利用yield的暫停機制，來探尋一下生成器。
def testGenerator():
print("进入生成器")
yield "pdudo"
print("第一次输出")
yield "juejin"
print("第二次输出")
def main():
xx = testGenerator()
print(next(xx))
print(next(xx))
if __name__ == '__main__':
main()
python遇到yield語句時，會記錄目前函數的運行狀態，並且暫停執行，將結果拋出。會持續等待下一次呼叫__next__方法，該方法呼叫後，會恢復函數的運行，直到下一個yield語句或函數結束，執行到最後沒有yield函數可執行的時候，會拋StopIteration來標誌生成器的結束。
python中，生成器除了寫在函數中，使用yield返回之外，還可以直接使用生成器表達式，額。 。 。可能很抽象，但你看下面這段程式碼，你就明白了。
def printNums():
for i in [1,2,3,4,5]:
yield i
def main():
for i in printNums():
print(i)
gener = (i for i in [1,2,3,4,5])
for i in gener:
print(i)
if __name__ == '__main__':
main()(i for i in [1,2,3,4,5])就等同於printNums函數，其型別都是生成器，我們可以使用type列印出來看下。
以上是Python中的生成器是如何運作的？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
