Python中的生成器是如何工作的？

#!/usr/bin/env pythondef printNums():    i = 0    while i<p>粗看代码，可能会觉着这个是个啥啊，为啥不直接用range来生成，偏偏要用yield，哎，不急，我们接着往下看为什么需要生成器，或者说，生成器解决了什么问题。</p><h3>为什么需要python生成器</h3><p>在说明这个问题之前，我们先来写一个需求，输出 0——10000000 以内的数据，而后运行查看导出内存运行截图。</p><h4>调用python程序内存信息辅助说明</h4><p>这里可以借助python的memory_profiler模块来检测程序内存的占用情况。</p><p>安装memory_profiler库:</p><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><pre class="brush:bash;">pip3 install memory_profiler

@profiledef main():    pass

@profiledef main():    data = list(range(10000000))    for i in data:        passif __name__ == '__main__':    main()

def printNum():    i = 0     while i <h4>运行程序</h4><p>代码也有了，就可以按照上述来运行一下程序，并且导出内存信息</p><p><img src="https://img.php.cn/upload/article/000/887/227/168233676889180.jpg" alt="Python中的生成器原理是什么"></p><h4>运行后内存信息查看</h4><p>main.py 运行内存图</p><p><img src="https://img.php.cn/upload/article/000/887/227/168233676918758.png" alt="Python中的生成器原理是什么"></p><p>main_2.py 运行内存图</p><p><img src="https://img.php.cn/upload/article/000/887/227/168233676975738.png" alt="Python中的生成器原理是什么"></p><p>如上2张对比图，当我们将数据叠加进列表，再输出的时候，占用内存接近400M，而使用迭代器来计算下一个值内存仅使用16M。</p><p>通过上述案例，我们应该知道为什么要使用生成器了吧。</p><h3>python生成器原理</h3><p>由于生成器表达式yield语句涉及到了python解释权内部机制，所以很难查看其源码，很难获取其原理，不过我们可以利用yield的暂停机制，来探寻一下生成器。</p><p>可以编写如下代码：</p><pre class="brush:py;">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()

def printNums():    for i in [1,2,3,4,5]:        yield idef 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()