2、安装好pyinstaller工具包后，要在cmd里跳转地址到Python代码所在的文件地址，输入命令，即可将Python代码转成exe，并生成一个名为dist的文件夹，在文件夹中可以找到刚打包完成的exe。

生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。

生成器语法

生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()

生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。

Python

1

2

3

4

5

6

7

8

9

10

11

>>>gen = (x**2 for x in range(5))

>>>gen

<generator object <genexpr>at 0x0000000002FB7B40>

>>>for g in gen:

... print(g, end='-')

...

0-1-4-9-16-

>>>for x in [0,1,2,3,4,5]:

... print(x, end='-')

...

0-1-2-3-4-5-

生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。

但是生成器函数可以生产一个无线的序列，这样列表根本没有办法进行处理。

yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator。

下面为一个可以无穷生产奇数的生成器函数。

Python

1

2

3

4

5

6

7

8

9

10

11

def odd():

n=1

while True:

yield n

n+=2

odd_num = odd()

count = 0

for o in odd_num:

if count >=5: break

print(o)

count +=1

当然通过手动编写迭代器可以实现类似的效果，只不过生成器更加直观易懂

Python

1

2

3

4

5

6

7

8

9

10

11

class Iter:

def __init__(self):

self.start=-1

def __iter__(self):

return self

def __next__(self):

self.start +=2

return self.start

I = Iter()

for count in range(5):

print(next(I))

题外话： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for来迭代，而没有包含StopIteration的自编Iter来只能通过手动循环来迭代。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

>>>from collections import Iterable

>>>from collections import Iterator

>>>isinstance(odd_num, Iterable)

True

>>>isinstance(odd_num, Iterator)

True

>>>iter(odd_num) is odd_num

True

>>>help(odd_num)

Help on generator object:

odd = class generator(object)

| Methods defined here:

|

| __iter__(self, /)

| Implement iter(self).

|

| __next__(self, /)

| Implement next(self).

......

看到上面的结果，现在你可以很有信心的按照Iterator的方式进行循环了吧！

在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

yield 与 return

在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；

Python

1

2

3

4

5

6

7

8

9

10

11

>>>def g1():

... yield 1

...

>>>g=g1()

>>>next(g)#第一次调用next(g)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。

1

>>>next(g)#程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常。

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

>>>

如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。

Python

1

2

3

4

5

6

7

8

9

10

11

12

>>>def g2():

... yield 'a'

... return

... yield 'b'

...

>>>g=g2()

>>>next(g)#程序停留在执行完yield 'a'语句后的位置。

'a'

>>>next(g)#程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行。

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

如果在return后返回一个值，那么这个值为StopIteration异常的说明，不是程序的返回值。

生成器没有办法使用return来返回值。

Python

1

2

3

4

5

6

7

8

9

10

11

>>>def g3():

... yield 'hello'

... return 'world'

...

>>>g=g3()

>>>next(g)

'hello'

>>>next(g)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration: world

生成器支持的方法

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

>>>help(odd_num)

Help on generator object:

odd = class generator(object)

| Methods defined here:

......

| close(...)

| close() ->raise GeneratorExit inside generator.

|

| send(...)

| send(arg) ->send 'arg' into generator,

| return next yielded value or raise StopIteration.

|

| throw(...)

| throw(typ[,val[,tb]]) ->raise exception in generator,

| return next yielded value or raise StopIteration.

......

close()

手动关闭生成器函数，后面的调用会直接返回StopIteration异常。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

>>>def g4():

... yield 1

... yield 2

... yield 3

...

>>>g=g4()

>>>next(g)

1

>>>g.close()

>>>next(g)#关闭后，yield 2和yield 3语句将不再起作用

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

StopIteration

send()

生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。

这是生成器函数最难理解的地方，也是最重要的地方，实现后面我会讲到的协程就全靠它了。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

def gen():

value=0

while True:

receive=yield value

if receive=='e':

break

value = 'got: %s' % receive

g=gen()

print(g.send(None))

print(g.send('aaa'))

print(g.send(3))

print(g.send('e'))

执行流程：

通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。此时，执行完了yield语句，但是没有给receive赋值。yield value会输出初始值0注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。

通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。此时yield value会输出”got: aaa”，然后挂起。

通过g.send(3)，会重复第2步，最后输出结果为”got: 3″

当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。

最后的执行结果如下：

Python

1

2

3

4

5

6

7

0

got: aaa

got: 3

Traceback (most recent call last):

File "h.py", line 14, in <module>

print(g.send('e'))

StopIteration

throw()

用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。

throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

def gen():

while True:

try:

yield 'normal value'

yield 'normal value 2'

print('here')

except ValueError:

print('we got ValueError here')

except TypeError:

break

g=gen()

print(next(g))

print(g.throw(ValueError))

print(next(g))

print(g.throw(TypeError))

输出结果为：

Python

1

2

3

4

5

6

7

8

normal value

we got ValueError here

normal value

normal value 2

Traceback (most recent call last):

File "h.py", line 15, in <module>

print(g.throw(TypeError))

StopIteration

解释：

print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。

由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。

print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。

g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。

下面给出一个综合例子，用来把一个多维列表展开，或者说扁平化多维列表)

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

def flatten(nested):

try:

#如果是字符串，那么手动抛出TypeError。

if isinstance(nested, str):

raise TypeError

for sublist in nested:

#yield flatten(sublist)

for element in flatten(sublist):

#yield element

print('got:', element)

except TypeError:

#print('here')

yield nested

L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]

for num in flatten(L):

print(num)

如果理解起来有点困难，那么把print语句的注释打开在进行查看就比较明了了。

总结

按照鸭子模型理论，生成器就是一种迭代器，可以使用for进行迭代。

第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存。再一次执行next(generator)时，会从挂起的状态开始往后执行。在遇到程序的结尾或者遇到StopIteration时，循环结束。

可以通过generator.send(arg)来传入参数，这是协程模型。

可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。可以通过generator.close()来手动关闭生成器。

next()等价于send(None)

在Python这门语言中，生成器毫无疑问是最有用的特性之一。与此同时，也是使用的最不广泛的Python特性之一。究其原因，主要是因为，在其他主流语言里面没有生成器的概念。正是由于生成器是一个“新”的东西，所以，它一方面没有引起广大工程师的重视，另一方面，也增加了工程师的学习成本，最终导致大家错过了Python中如此有用的一个特性。

1. 迭代器协议

由于生成器自动实现了迭代器协议，而迭代器协议对很多人来说，也是一个较为抽象的概念。所以，为了更好的理解生成器，我们需要简单的回顾一下迭代器协议的概念。

迭代器协议是指：对象需要提供next方法，它要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代

可迭代对象就是：实现了迭代器协议的对象

协议是一种约定，可迭代对象实现迭代器协议，Python的内置工具(如for循环，sum，min，max函数等)使用迭代器协议访问对象。

举个例子：在所有语言中，我们都可以使用for循环来遍历数组，Python的list底层实现是一个数组，所以，我们可以使用for循环来遍历list。

2. 生成器

Python使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生结果。这也是生成器的主要好处。

Python有两种不同的方式提供生成器：

生成器函数：常规函数定义，但是，使用yield语句而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次重它离开的地方继续执行

生成器表达式：类似于列表推导，但是，生成器返回按需产生结果的一个对象，而不是一次构建一个结果列表

4. 使用生成器的注意事项

5. 总结

本文深入浅出地介绍了Python中，一个容易被大家忽略的重要特性，即Python的生成器。为了讲解生成器，本文先介绍了迭代器协议，然后介绍了生成器函数和生成器表达式，并通过示例演示了生成器的优点和注意事项。在实际工作中，充分利用Python生成器，不但能够减少内存使用，还能够提高代码可读性。掌握生成器也是Python高手的标配。希望本文能够帮助大家理解Python的生成器。