Python生成器：使用生成器函数实现迭代器

Python中的生成器函数是一种特殊的函数，它可以用来生成一个可迭代的对象，这个对象可以用于迭代操作。生成器对象是一种可迭代的对象，它可以在遍历时动态生成数据，而非事先生成所有数据。这样可以节省内存，尤其针对于大量数据的情况。

生成器函数的定义格式是：

def generator():
    yield value

其中，yield语句是生成器函数的关键，它在生成器对象被遍历时返回一个值，并将函数暂停在当前状态。每一次调用next()函数（或者使用for循环遍历）都会使生成器函数从上一次暂停的位置继续执行，直到遇到下一个yield语句，从而生成下一个值。当函数执行结束时，生成器对象就停止迭代。

下面是一个简单的生成器函数的实现，它产生了一个斐波那契数列：

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

这个生成器函数返回一个无限的迭代器，每次调用next()函数时，它会返回斐波那契数列中的下一个数。可以这么使用：

f = fibonacci()
for i in range(10):
    print(next(f), end=' ')

输出结果是：

0 1 1 2 3 5 8 13 21 34

生成器函数可以用来处理大数据集，例如读取大型文件时：

def read_large_file(file_path):
    with open(file_path, 'r') as f:
        while True:
            line = f.readline()
            if not line:
                break
            yield line.rstrip()

这个生成器函数会逐行读取文件，并返回每行内容。可以这么使用：

for line in read_large_file('large_file.txt'):
    # do something with line

生成器对象可以和一般的可迭代对象一样，用于迭代操作，例如使用sum()函数：

def even_numbers(n):
    for i in range(2, n+1, 2):
        yield i

total = sum(even_numbers(10))
print(total) # 30

生成器函数的内部状态在每次调用next()函数时都会保留，这意味着我们可以在生成器函数之间传递数据。例如，我们可以创建一个生成器函数，用来过滤一个列表中的偶数，并返回一个包含所有偶数的生成器对象：

def even_filter(numbers):
    for number in numbers:
        if number % 2 == 0:
            yield number

numbers = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
evens = even_filter(numbers)
for even in evens:
    print(even, end=' ')

输出结果是：

2 4 6 8 10

简单总结一下，生成器函数是一种特殊的函数，用来生成一个可迭代的对象，这个对象可以用于迭代操作。生成器对象是一种可迭代的对象，它可以在遍历时动态生成数据，而非事先生成所有数据。使用生成器函数能够节省内存，特别适用于大量数据的情况。生成器函数和一般的函数相似，但是把普通函数里的return替换成yield，在遍历时，每次遇到yield关键字时函数就会暂停，返回该值。当再次使用时则从上一次暂停的位置继续开始。