没有用过的东西，没有深刻理解的东西很难说自己会，而且被别人一问必然破绽百出。虽然之前有接触过 Python 中的生成器的概念，但是只是走马观花，这两天的一次交谈中，别人问到了生成器，顿时语塞，死活想不起来曾经看过的东西，之后突然想到了 yield，但为时已晚，只能说概念不清，所以本篇今天总结缕缕 python 的生成器和 yield 关键字。

在介绍 yield 前有必要先说明下 Python 中的迭代器 (iterator) 和生成器 (constructor)。

一、迭代器 (iterator)

在 Python 中，for 循环可以用于 Python 中的任何类型，包括列表、元祖等等，实际上，for循环可用于任何“可迭代对象”，这其实就是迭代器。迭代器是一个实现了迭代器协议的对象，Python 中的迭代器协议就是有 next 方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发 StopIteration。任何这类的对象在 Python 中都可以用 for 循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用 next 方法，并且捕捉 StopIteration 异常来确定何时离开。

使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。（51Reboot Python零基础入门班第20期正在火热招生，咨询联系wechat：17812796384）

二、生成器 (constructor)

生成器函数在 Python 中与迭代器协议的概念联系在一起。简而言之，包含 yield 语句的函数会被特地编译成生成器。当函数被调用时，他们返回一个生成器对象，这个对象支持迭代器接口。函数也许会有个 return 语句，但它的作用是用来 yield 产生值的。

不像一般的函数会生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行和状态，他的本地变量将保存状态信息，这些信息在函数恢复时将再度有效。

解析获取到一页信息后，我们需要将信息处理一下，遍历提取结果并生成字典，这样的目的是为了将数据结构整齐（不然的话，数据比较乱），便于后面存储数据。

在这里，我用了生成器函数，每调用一次函数时，将会返一个迭代对象，这个迭代对象里面包含一页的所有信息，如下图：

这样，在我们需要将信息保存时，只需再次遍历这个迭代对象，就可以一条一条的将每一期的3D 彩票信息按照自己想要的结构存储起来，代码如下（我是将信息存储到 Excel 表格中）：

保存效果：

分析一下这个例子

在 parse_one_page 函数中出现了关键字 yield，预示着这个函数每次只产生一个结果值，这个函数返回一个生成器（通过 print(parse_one_page) 输出可以看出来），用来产生连续的迭代对象

在创造生成器实例的时候，只需要像普通函数一样调用就可以，但是这个调用却不会执行这个函数，这个可以通过输出看出来

看到这里应该可以理解生成器这个抽象的概念了吧，如果不懂可以留言，我会一一给大家回答

为什么叫生成器函数？

因为他随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起继续执行，他会利用 yield 关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行。生成器和迭代协议是密切相关的，可迭代的对象都有一个 __next()__ 成员方法,这个方法要么返回迭代的下一项，要么引起异常结束迭代。

为了支持迭代协议，拥有 yield 语句的函数被编译为生成器，这类函数被调用时返回一个生成器对象，返回的对象支持迭代接口，即成员方法 __next()__ 继续从中断处执行执行。

为了更加深刻的理解，我再举个例子：

结果如下：

正所谓，眼看十遍不如手动一遍，赶紧动起手来感受一下这个神奇又抽象的生成器概念吧；若你有更好的理解方式，欢迎转载评论分享

（原文链接：）