答案。

生成器是 Python 中的特殊可迭代对象，它们允许按需创建序列，而无需同时占用整个集合的内存。它们通过带有关键字 yield 的函数或生成器表达式 ((expr for ... in ...)) 实现。在处理大量数据或潜在的无限流时，这种方法非常方便。

与列表表达式的关键区别：

• 列表表达式 ([x for x in range(10)]) 会立即在内存中创建整个列表。
• 生成器 ((x for x in range(10))) 会逐个创建元素，消耗的内存要少得多。

何时使用生成器：

• 如果不需要通过索引访问元素。
• 如果数据太大，无法存储在内存中。
• 在组织数据流处理时（例如，读取文件行）。

# 生成器函数
def counter(n):
    for i in range(n):
        yield i

for number in counter(5):
    print(number)

具有迷惑性的问题。

"使用带有 yield 的函数和普通返回列表的函数有什么区别？请举例说明。"

答案： 普通函数立即计算并返回列表，占用所有元素的内存。带有 yield 的函数返回生成器，逐个返回元素，并且不会立即加载整个序列到内存中。

def make_list(n):
    return [i for i in range(n)]  # 立即返回列表，占用大量内存

def make_generator(n):
    for i in range(n):
        yield i  # 将逐个返回元素

由于对主题细节的不熟悉而导致的实际错误示例。

---

故事

在一个分析大型日志的项目中，使用列表表达式提取包含错误的行：

error_lines = [line for line in open('biglog.txt') if 'ERROR' in line]

文件超过 2 GB，应用程序由于 OOM（内存溢出）崩溃。应该使用生成器：

error_lines = (line for line in open('biglog.txt') if 'ERROR' in line)

---

故事

一名员工想分析一个短列表，编写了一个带有 yield 的函数，但忘记了返回的是生成器，而不是列表：

result = my_generator_function()  # result 是生成器，而不是列表
if len(result) > 5:  # TypeError: object of type 'generator' has no len()

修正方法：将结果包裹在 list() 中。

---

故事

尝试多次迭代生成器：

numbers = (i for i in range(5))
for n in numbers:
    pass  # 耗尽了生成器
for n in numbers:
    print(n)  # 不输出任何内容

生成器是一次性的。要重复使用，需要创建一个新的生成器。