17370845950

生成器的本质是实现了__iter__和__next__的状态机对象，通过挂起/恢复帧对象保存上下文，而非线程栈；yield暂停执行并返回值，下次从原位置继续，局部变量保持不变。

generator 的本质不是语法糖，而是实现了 iter 和 next 的状态机对象。

直接调用 next() 或用 for 循环驱动时，它靠保存局部变量和执行位置（yield 点）来维持上下文——这和线程栈无关，也不依赖解释器额外调度。

为什么 yield 后函数不退出？

因为每次遇到 yield，Python 解释器会把当前帧（frame）挂起，把控制权交还给调用方，并把 yield 表达式的值返回。下一次调用 __next__() 时，从上次暂停的位置继续执行，局部变量全数保留。

• return 在生成器中等价于 raise StopIteration，但不能带非 None 值（Python 3.3+ 允许 return value，该值会成为 StopIteration.value）
• 函数体里没有 yield，哪怕写了 return，也不会变成生成器——必须至少有一个 yield（哪怕在未执行的 if False: 分支里）
• 生成器函数被调用时，**不执行函数体**，只返回一个 generator 对象

send() 和 throw() 怎么打破单向数据流？

生成器不只是“往外吐值”，还能接收外部传入的数据或异常，从而实现协程式交互。关键在于：第一次调用 send(None) 或 next() 才启动生成器；之后才能用 send(value) 把值送进上次 yield 的位置（即 value 成为 yield 表达式的返回值）。

def echo():
    while True:
        received = yield
        print(f"Got: {received}")
g = echo()
next(g)          # 启动，停在第一个 yield
g.send("hello")  # 输出 Got: hello
g.send(42)       # 输出 Got: 42

• 首次调用必须是 next(g) 或 g.send(None)，否则报 TypeError: can't send non-None value to a just-started generator
• throw() 会在暂停处注入异常，常用于清理资源（如配合 try/finally）
• close() 会触发 GeneratorExit 异常，且禁止再调用 send() 或 next()

生成器表达式 vs 列表推导式：内存与延迟的关键区别

(x*2 for x in range(1000000)) 不会立刻计算全部元素，而 [x*2 for x in range(1000000)] 会一次性分配百万级整数对象内存。

• 生成器表达式返回 at 0x...>；列表推导式返回 list
• 生成器只能遍历一次，再次 for 就无声结束；列表可反复迭代
• 生成器表达式不能切片、索引、len() —— 它没有长度概念，除非你手动计数或转成 list（那就失去意义了）
• 嵌套生成器要注意：外层生成器若引用内层生成器对象，但没消费完，可能造成意外延迟释放（比如文件句柄没及时关）

常见误用与调试盲区

最隐蔽的问题不是语法错，而是逻辑生命周期错位：生成器已结束却还在调用 next()，抛出 StopIteration；或在 finally 中试图访问已被清空的局部变量。

• 捕获 StopIteration 是正常操作，但不要忽略其 value 属性（Python 3.3+），尤其用 return expr 时
• 用 itertools.islice(gen, n) 替代 list(gen)[:n]，避免提前耗尽生成器
• yield from subgen 不是简单展开，它会将子生成器的 send()/throw()/close() 透传，且自动处理 StopIteration 的传播
• 调试时别用 print(g) 看状态——要查 g.gi_running（是否正在运行）、g.gi_frame.f_lasti（字节码偏移）这类底层属性，实际开发中几乎不用，但理解它们能避开“为什么断点没进生成器体”的困惑

生成器的复杂性不在写法，而在它把执行流拆成了多个时间片段。一旦你开始用 send() 或嵌套 yield from，就必须明确每个片段的输入来源、输出去向、异常边界——这些不会报错，但会让程序在某个深夜突然卡住或跳过关键步骤。