Python生成器 - 不应使用的场景

Question

我最近在研究Python的生成器，觉得它们真不错。不过，有没有什么地方不适合用生成器呢？我想到以前用C语言编程时，读取文件或者用户操作的场景。比如说，生成器能不能用来提示用户输入（比如基本的数据录入）呢？然后调用的函数再处理这些输入？在使用生成器时，有没有什么性能或者清理方面需要注意的问题呢？

Answer 1

当你想要让某个东西可以逐个取出来，但又不想把整个列表都放在内存里时，就可以使用生成器。这就是为什么在Python 2.x及更早版本中，xrange可以处理比range更长的序列。

如果你需要把整个“要生成的东西的列表”都加载到内存里，那使用生成器就没什么意义了——你直接返回一个列表就好了。

举个（稍微有点牵强的）例子：

def my_pointless_generator(x):
    thedata = range(x) # or thedata = list(range(x)) in Python 3.x
    for x in thedata:
        yield x

..可以同样高效地改写成..

def my_pointless_generator(x):
    return range(x)

Answer 2

生成器不太适合保存。

通常情况下，你尝试保存一个生成器对象时会遇到错误。

>>> def generatorForEvenKeys( aDictionary ):
    for k in aDictionary:
        if k % 2 == 0: yield aDictionary[k]

>>> x = generatorForEvenKeys( someDictionary )
>>> pickle.dump(x,file('temp.dat','wb'))

这会给你带来以下错误：

TypeError: can't pickle generator objects

Answer 3

生成器有一个问题，就是它们会被“消耗掉”。这意味着如果你想再次遍历这个序列，你就得重新创建这个生成器。

如果你担心懒惰求值的问题，那么你可能不想使用生成器表达式。比如说，如果你想提前完成所有计算（例如，为了释放某个资源），那么使用列表推导式或者for循环可能更合适。

如果你使用psyco，你会发现列表表达式和for循环的速度会显著提高，但生成器的速度就不会有太大变化。

还有一点很明显，如果你需要提前知道序列的长度，那么你也不应该使用生成器。