生成器函数返回迭代器对象而非列表，调用时立即返回generator，每次yield挂起并保存状态，仅按需计算单个值，内存占用极小；生成器表达式同理，但不可索引、不可重复遍历。
生成器函数返回的是迭代器对象，不是一次性列表
调用 def 定义的生成器函数（含 yield）时，Python 不执行函数体，而是立即返回一个 generator 对象。这个对象是迭代器，支持 __next__()，但内部不保存全部结果。
对比普通函数：
- 返回
list的函数：必须在内存中构造完整列表，比如[x**2 for x in range(1000000)]会立刻占用数百 MB - 生成器函数：每次只计算并产出一个值，例如
def squares(n): yield from (i**2 for i in range(n))，调用时几乎不占额外内存
yield 让函数挂起并保留局部状态
每次遇到 yield，函数暂停执行，把值交还给调用方，同时冻结当前栈帧（包括局部变量、指令指针等）。下次调用 __next__() 时从中断处继续，而不是重新开始。
这意味着：
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 不需要为整个序列分配连续内存空间
- 递归或复杂状态（如文件读取位置、计数器）可自然保留在生成器内部
- 若生成器未被完全消费（比如只取前 5 个值），后续逻辑不会触发，对应计算被跳过
生成器表达式比列表推导式更省内存
(x**2 for x in range(10**6)) 是生成器表达式，而 [x**2 for x in range(10**6)] 是列表推导式。前者本质是匿名生成器函数调用，后者直接构建对象列表。
关键差异：
- 生成器表达式不支持索引、
len()、重复遍历；必须用for或显式next() - 若需多次使用结果，生成器只能消费一次，强行转成
list()就失去内存优势 - 嵌套生成器（如
(y for x in data for y in x)）仍保持单次流式处理，无中间容器
注意生成器无法回退和随机访问
生成器是单向迭代器，没有 seek() 或 reset() 方法。一旦调用 next() 走过某个值，它就从内存中“消失”了（除非你额外缓存）。
容易踩的坑：
- 误以为
list(gen)后还能继续用gen—— 实际上已耗尽，再调用next(gen)会抛StopIteration - 在
for循环中意外中断（如break或异常），可能导致资源未清理（建议用try/finally或上下文管理器封装） - 调试时打印
gen只看到<generator object ...></generator>，看不到内容，得用list(gen)或逐个next()查看
真正省内存的前提，是你别把它一次性全展开。只要保持“按需产出、即产即用”的节奏，生成器的轻量级状态机机制才能发挥效果。
