### Python生成器对象概述 生成器是Python中的一种特殊类型的迭代器，允许程序员创建可以逐步返回数据的对象。这种特性使得处理大数据集或无限序列成为可能而不必一次性加载整个数据到内存中[^1]。 #### 创建生成器的方式 有两种主要方式来定义生成器： - 使用`yield`关键字的函数； - 利用生成器表达式。 当一个含有`yield`语句的函数被调用时，它并不会执行其中的代码而是返回一个新的生成器对象给调用者。这个新对象可以在后续操作中用来获取由该函数产生的值[^2]。 ```python def simple_generator(): yield 1 yield 2 yield 3 gen = simple_generator() print(next(gen)) # 输出: 1 print(next(gen)) # 输出: 2 ``` #### `generator` 对象属性与方法 一旦有了生成器实例之后，就可以访问一些有用的内部状态以及调用特定的方法来进行控制流管理: - `.gi_code`: 获取编译后的代码对象。 - `.gi_frame`: 当前挂起帧的状态信息。 - `.send(value)`: 向生成器发送一个值并继续运行直到遇到下一个`yield`为止。 - `.throw(type[, value[, traceback]])`: 抛出异常进入生成器体内。 - `.close()`: 关闭生成器，清理资源。 下面是一个简单的例子展示了如何使用这些功能： ```python def echo_round(): while True: received = yield if isinstance(received, int): print(f'Received integer {received}') g = echo_round() next(g) # 预激生成器以便能够接收.send()消息 g.send(10) # 发送整数值给生成器 try: g.throw(ValueError('Invalid input')) except ValueError as e: print(e) finally: g.close() ``` #### 实际应用案例——斐波那契数列生成器 为了更好地理解生成器的工作原理及其优势，这里给出一段基于`yield`实现的斐波那契数列生成器的例子[^3]: ```python def fibonacci(n_terms=10): current_term, next_term = 0, 1 count = 0 while count < n_terms: yield current_term current_term, next_term = next_term, current_term + next_term count += 1 for num in fibonacci(7): print(num,end=' ') # 输出: 0 1 1 2 3 5 8 ```