生成器

生成器是生成一個值的特殊函數，它具有這樣的特點：第一次執行該函數時，先從頭按順序執行，在碰到yield關鍵字時該函數會暫停執行該函數後續的代碼，並且返回一個值；在下一次調用該函數執行時，程序將從上一次暫停的位置繼續往下執行。

通過一個例子來理解生成器的執行過程。求1-10的所有整數的立方並將結果打印輸出，正常使用列表的實現如下：

輸出結果如下：

當數據量很少時，可以很快得到結果。但是如果範圍擴大到10000甚至是100000000，就會發現程序執行時間會變長，變卡，甚至有可能會因超出內存空間而出現程序崩潰的現象。這是因為當數據量變得非常大的時候，內存需要開辟很大的空間去存儲這些數據，內存都被吃了，自然會變慢變卡。使用生成器就能解決這個問題。

對於上述同一個問題用生成器實現如下，將範圍擴大到1-10000000：

執行效果如下：

可以看到沒有任何的結果輸出，這說明程序已經可以順利執行。對於叠代器來講需要用next()方法來獲取值，修改主函數為以下情況可以打印輸出前4個整數的立方數：

輸出結果如下：

到此可以看到，生成器生成的值需要使用next()方法一個一個的取，它不會一次性生成所有的計算結果，只有在取值時才調用，這時程序會返回計算的一個值且程序暫停；下一次取值時從上一次中斷了的地方繼續往下執行。

以取出前3個值為例，下圖為生成器代碼解析圖：

圖解：Python解釋器從上往下解釋代碼，首先是函數定義，這時在計算機內存開辟了一片空間來存儲這個函數，函數沒有被執行，繼續往下解釋；到了主函數部分，首先執行藍色箭頭1，接著往下執行到藍色箭頭2第一次調用生成器取值，此時生成器函數lifang_generate()開始執行，執行到生成器函數lifang_generate()的藍色箭頭2碰到yield關鍵字，這時候生成器函數暫停往下執行並且將result的結果返回，由於是第一次執行，因此result存儲著1的立方的值，此時將1返回，第54行代碼print(first)將結果打印輸出。

主函數中程序接著往下執行到藍色箭頭3，生成器函數lifang_generate()第二次被調用，與第一次不同，第二次從上一次(也就是第一次)暫停的位置繼續往下執行，上一次停在了yield處，因此藍色箭頭3所作的事情就是執行yield後面的語句，也就是第48行print(‘end‘)，執行完成之後因for循環條件滿足，程序像第一次執行那樣，執行到yield處暫停並返回一個值，此時返回的是2的立方數，在第57行打印輸出8。

第三次調用(藍色箭頭4)與第二次類似，在理清了執行過程之後，程序執行結果如下：

叠代器

這裏先拋出兩個概念：可叠代對象、叠代器。

凡是可以通過for循環遍歷其中的元素的對象，都是可叠代對象；之前學習得組合數據類型list(列表)、tuple(元組)、dict(字典)、集合(set)等，上一小節介紹得生成器也可以使用for循環來遍歷，因此，生成器也是叠代器，但叠代器不一定就是生成器，例如組合數據類型。

凡是可以通過next訪問取值得對象均為叠代器，生成器就是一種叠代器。可以看到，生成器不僅可以用for循環來獲取值，還可以通過next()來獲取。

Python中有一個庫collections，通過該庫的Iterable方法來判斷一個對象是否是可叠代對象；如果返回值為True則說明該對象為可叠代的，返回值為False則說明該對象為不可叠代。用Iterator方法來判斷一個對象是否是叠代器，根據返回值來判斷是否為叠代器。

使用Iterable分別判斷列表，字典，字符串以及一個整數類型是否是可叠代對象的代碼如下：

執行的輸出結果如下：

使用Iterator判斷一個對象是否是叠代器的代碼如下，與判斷是否為可叠代對象類似：

輸出的結果如下：

組合數據類型不是叠代器，但是屬於可叠代對象，可以通過iter()函數將其轉換位叠代器，這樣就可以使用next方法來獲取對象各個元素的值，代碼如下：

輸出結果為：

閉包

內部函數對外部函數變量的引用，則將該函數與用到的變量稱為閉包。以下為閉包的例子：

理解閉包是理解裝飾器的前提，同樣通過一張圖來理解閉包的執行過程：

圖解:Python解釋器從上往下解釋代碼，首先定義一個函數，func指向了該函數(紅箭頭所示)；接著到主函數執行第14行代碼 ret = func(10)，此時先執行賦值號“=”右邊的內容，這裏調用了函數func()並傳入10這個實參，函數func()代碼開始執行，先是打印輸出“start”，接著定義了一個函數func_in()，func_in指向了該函數，函數沒有被調用，程序接著往下執行，return func_in 將函數的引用返回，第14行代碼用ret接收了這個返回值，到此ret就指向了func_in所指向的函數體(綠箭頭所示)。最後執行ret所指的函數。這就是閉包的整個過程，func_in()函數以及該函數內用到的變量num就稱為閉包。

裝飾器

代碼的編寫需要遵循封閉開放原則，封閉是指對於已有的功能代碼實現不允許隨意進行修改，開放是指能夠對已有的功能進行擴展。例如一款手遊，現在已經能夠實現現有的遊戲模式，但隨著外部環境的變化發展(市場競爭，用戶體驗等)，現有的遊戲模式已經不能滿足用戶的需求了。為了留住用戶，需要加入更多的玩法來保持用戶對該款遊戲的新鮮感，於是開發方在原來遊戲的基礎上又開發了好幾種遊戲模式。像這樣，新的遊戲版本既增加了先的遊戲模式，又保留了原有的遊戲模式，體現了封閉開放的原則。 裝飾器的作用就是在不改變原來代碼的基礎上，在原來的功能上進行拓展，保證開發的效率以及代碼的穩定性。 打印輸出九九乘法表可以通過以下代碼實現：

輸出結果如下： 假如現在需要實現一個功能，在不修改func_1函數代碼的前提下，在九九乘法表前增加一個表頭說明，在乘法表最後也增加一個說明。下面的代碼實現了裝飾器的功能：

輸出結果如下： 可以看到func_1函數的代碼沒有任何修改，還實現了問題提出的要求，這其中的核心就在於最後兩行代碼。通過下圖來理解裝飾器執行的過程：

圖解：跟之前一樣，Python解釋器自上往下解釋代碼，遇到定義函數的代碼不用管，因為沒有調用函數是不會執行的；這樣直接就來到了第22行代碼中，程序先執行賦值號“=”右邊的代碼，shuoming(func_1)調用了之前定義的函數，並傳入了func_1實參，程序轉到shuoming(func)執行，形參func接收實參func_1，此時func也指向了func_1所指向的函數(如圖中分界線上方白色方框內的藍箭頭所示)；在shuoming()函數中代碼繼續往下走，在shuoming()函數內容又定義了一個shuoming_in()函數(如圖中分界線上方白色方框內的藍色方框所示)，接著往下，將shuoming_in()函數的引用返回，至此shuoming()函數執行完畢，程序回到第22行代碼執行，shuoming()函數的返回值被func_1接收，此時，func_1不在指向原來的函數，轉成指向shuoming_in所指向的函數(如圖中分界線下方白色方框內的黃色箭頭)。最後調用func_1所指向的函數，也就是shuoming_in()函數，shuoming_in()函數內的func指向了原來func_1()所指的函數(也就是生成九九乘法表的函數)，因此程序最終的結果就在九九乘法表前後各加了一個說明性字符串。

以上為裝飾器的執行過程，但是以上裝飾寫法不夠簡潔，大多數情況下采取以下寫法，輸出結果是一樣的:

有時候有些被裝飾的函數可能有以下幾種情況：存在或不存在參數，有返回值或沒有返回值，參數可能定長或不定長等等，為了通用性，與爬蟲的請求代碼一樣，裝飾器有著通用的寫法：

使用這個裝飾器裝飾九九乘法表一樣可以正常輸出，如果需要特定的裝飾效果，修改這個通用代碼即可。

結束

以上為生成器、叠代器、閉包以及裝飾器的所有內容，其中裝飾器屬於難點。理解裝飾器的執行過程能夠更好的幫助我們進階學習Python。

Python核心編程的四大神獸：叠代器、生成器、閉包以及裝飾器

生成器

生成器是生成一個值的特殊函數，它具有這樣的特點：第一次執行該函數時，先從頭按順序執行，在碰到yield關鍵字時該函數會暫停執行該函數後續的代碼，並且返回一個值；在下一次調用該函數執行時，程序將從上一次暫停的位置繼續往下執行。

通過一個例子來理解生成器的執行過程。求1-10的所有整數的立方並將結果打印輸出，正常使用列表的實現如下：

輸出結果如下：

當數據量很少時，可以很快得到結果。但是如果範圍擴大到10000甚至是100000000，就會發現程序執行時間會變長，變卡，甚至有可能會因超出內存空間而出現程序崩潰的現象。這是因為當數據量變得非常大的時候，內存需要開辟很大的空間去存儲這些數據，內存都被吃了，自然會變慢變卡。使用生成器就能解決這個問題。

對於上述同一個問題用生成器實現如下，將範圍擴大到1-10000000：

執行效果如下：

可以看到沒有任何的結果輸出，這說明程序已經可以順利執行。對於叠代器來講需要用next()方法來獲取值，修改主函數為以下情況可以打印輸出前4個整數的立方數：

輸出結果如下：

到此可以看到，生成器生成的值需要使用next()方法一個一個的取，它不會一次性生成所有的計算結果，只有在取值時才調用，這時程序會返回計算的一個值且程序暫停；下一次取值時從上一次中斷了的地方繼續往下執行。

以取出前3個值為例，下圖為生成器代碼解析圖：

圖解：Python解釋器從上往下解釋代碼，首先是函數定義，這時在計算機內存開辟了一片空間來存儲這個函數，函數沒有被執行，繼續往下解釋；到了主函數部分，首先執行藍色箭頭1，接著往下執行到藍色箭頭2第一次調用生成器取值，此時生成器函數lifang_generate()開始執行，執行到生成器函數lifang_generate()的藍色箭頭2碰到yield關鍵字，這時候生成器函數暫停往下執行並且將result的結果返回，由於是第一次執行，因此result存儲著1的立方的值，此時將1返回，第54行代碼print(first)將結果打印輸出。

主函數中程序接著往下執行到藍色箭頭3，生成器函數lifang_generate()第二次被調用，與第一次不同，第二次從上一次(也就是第一次)暫停的位置繼續往下執行，上一次停在了yield處，因此藍色箭頭3所作的事情就是執行yield後面的語句，也就是第48行print(‘end‘)，執行完成之後因for循環條件滿足，程序像第一次執行那樣，執行到yield處暫停並返回一個值，此時返回的是2的立方數，在第57行打印輸出8。

第三次調用(藍色箭頭4)與第二次類似，在理清了執行過程之後，程序執行結果如下：

叠代器

這裏先拋出兩個概念：可叠代對象、叠代器。

凡是可以通過for循環遍歷其中的元素的對象，都是可叠代對象；之前學習得組合數據類型list(列表)、tuple(元組)、dict(字典)、集合(set)等，上一小節介紹得生成器也可以使用for循環來遍歷，因此，生成器也是叠代器，但叠代器不一定就是生成器，例如組合數據類型。

凡是可以通過next訪問取值得對象均為叠代器，生成器就是一種叠代器。可以看到，生成器不僅可以用for循環來獲取值，還可以通過next()來獲取。

Python中有一個庫collections，通過該庫的Iterable方法來判斷一個對象是否是可叠代對象；如果返回值為True則說明該對象為可叠代的，返回值為False則說明該對象為不可叠代。用Iterator方法來判斷一個對象是否是叠代器，根據返回值來判斷是否為叠代器。

使用Iterable分別判斷列表，字典，字符串以及一個整數類型是否是可叠代對象的代碼如下：

執行的輸出結果如下：

使用Iterator判斷一個對象是否是叠代器的代碼如下，與判斷是否為可叠代對象類似：

輸出的結果如下：

組合數據類型不是叠代器，但是屬於可叠代對象，可以通過iter()函數將其轉換位叠代器，這樣就可以使用next方法來獲取對象各個元素的值，代碼如下：

輸出結果為：

閉包

內部函數對外部函數變量的引用，則將該函數與用到的變量稱為閉包。以下為閉包的例子：

理解閉包是理解裝飾器的前提，同樣通過一張圖來理解閉包的執行過程：

圖解:Python解釋器從上往下解釋代碼，首先定義一個函數，func指向了該函數(紅箭頭所示)；接著到主函數執行第14行代碼 ret = func(10)，此時先執行賦值號“=”右邊的內容，這裏調用了函數func()並傳入10這個實參，函數func()代碼開始執行，先是打印輸出“start”，接著定義了一個函數func_in()，func_in指向了該函數，函數沒有被調用，程序接著往下執行，return func_in 將函數的引用返回，第14行代碼用ret接收了這個返回值，到此ret就指向了func_in所指向的函數體(綠箭頭所示)。最後執行ret所指的函數。這就是閉包的整個過程，func_in()函數以及該函數內用到的變量num就稱為閉包。

裝飾器

代碼的編寫需要遵循封閉開放原則，封閉是指對於已有的功能代碼實現不允許隨意進行修改，開放是指能夠對已有的功能進行擴展。例如一款手遊，現在已經能夠實現現有的遊戲模式，但隨著外部環境的變化發展(市場競爭，用戶體驗等)，現有的遊戲模式已經不能滿足用戶的需求了。為了留住用戶，需要加入更多的玩法來保持用戶對該款遊戲的新鮮感，於是開發方在原來遊戲的基礎上又開發了好幾種遊戲模式。像這樣，新的遊戲版本既增加了先的遊戲模式，又保留了原有的遊戲模式，體現了封閉開放的原則。 裝飾器的作用就是在不改變原來代碼的基礎上，在原來的功能上進行拓展，保證開發的效率以及代碼的穩定性。 打印輸出九九乘法表可以通過以下代碼實現：

輸出結果如下： 假如現在需要實現一個功能，在不修改func_1函數代碼的前提下，在九九乘法表前增加一個表頭說明，在乘法表最後也增加一個說明。下面的代碼實現了裝飾器的功能：

輸出結果如下： 可以看到func_1函數的代碼沒有任何修改，還實現了問題提出的要求，這其中的核心就在於最後兩行代碼。通過下圖來理解裝飾器執行的過程：

圖解：跟之前一樣，Python解釋器自上往下解釋代碼，遇到定義函數的代碼不用管，因為沒有調用函數是不會執行的；這樣直接就來到了第22行代碼中，程序先執行賦值號“=”右邊的代碼，shuoming(func_1)調用了之前定義的函數，並傳入了func_1實參，程序轉到shuoming(func)執行，形參func接收實參func_1，此時func也指向了func_1所指向的函數(如圖中分界線上方白色方框內的藍箭頭所示)；在shuoming()函數中代碼繼續往下走，在shuoming()函數內容又定義了一個shuoming_in()函數(如圖中分界線上方白色方框內的藍色方框所示)，接著往下，將shuoming_in()函數的引用返回，至此shuoming()函數執行完畢，程序回到第22行代碼執行，shuoming()函數的返回值被func_1接收，此時，func_1不在指向原來的函數，轉成指向shuoming_in所指向的函數(如圖中分界線下方白色方框內的黃色箭頭)。最後調用func_1所指向的函數，也就是shuoming_in()函數，shuoming_in()函數內的func指向了原來func_1()所指的函數(也就是生成九九乘法表的函數)，因此程序最終的結果就在九九乘法表前後各加了一個說明性字符串。

以上為裝飾器的執行過程，但是以上裝飾寫法不夠簡潔，大多數情況下采取以下寫法，輸出結果是一樣的:

有時候有些被裝飾的函數可能有以下幾種情況：存在或不存在參數，有返回值或沒有返回值，參數可能定長或不定長等等，為了通用性，與爬蟲的請求代碼一樣，裝飾器有著通用的寫法：

使用這個裝飾器裝飾九九乘法表一樣可以正常輸出，如果需要特定的裝飾效果，修改這個通用代碼即可。

結束

以上為生成器、叠代器、閉包以及裝飾器的所有內容，其中裝飾器屬於難點。理解裝飾器的執行過程能夠更好的幫助我們進階學習Python。

Python核心編程的四大神獸：叠代器、生成器、閉包以及裝飾器