该用[...]当需多次遍历、随机访问或索引切片；用(...)当仅单次遍历、数据量大或作中间管道。生成器不可pickle、不能重复使用，且需谨慎处理StopIteration。

什么时候该用 [...] 而不是 (...)

列表推导式生成的是完整列表，立刻分配内存；生成器表达式返回迭代器，按需产出。关键看你要不要「多次遍历」或「随机访问」。

• 需要索引（res[0]）、切片（res[:3]）、重复遍历（比如先 len() 再循环）→ 用 [...]
• 只遍历一次、数据量大、或只是作为中间管道（比如传给 sum()、max()）→ 用 (...) 更省内存
• 写成 (x for x in seq if cond) 却误以为是元组 → 实际是生成器，不是 tuple；要元组得显式调用 tuple(...)

next() 和 StopIteration 是生成器绕不开的坑

生成器表达式本身不报错，但一旦耗尽再调用 next() 就会抛 StopIteration。很多人在封装函数时忽略这点，导致调用方崩溃。

• 直接解包（a, b = gen）或传给只接受有限项的函数（如 zip()）时，生成器提前结束就会静默截断，不易察觉
• 调试时用 list(gen) 看内容？行，但会把生成器“消耗掉”，后续再用就空了
• 想安全取首项？别写 next(gen)，改用 next(gen, None) 提供默认值

嵌套推导式里括号多一层，语义就全变

生成器表达式不能像列表推导式那样自然嵌套多层逻辑，尤其容易在条件过滤和多重 for 上混淆。

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

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

下载

• [x for a in A for x in a] 是扁平化，等价于两层 for；而 (x for a in A for x in a) 行为一致，但仍是单个生成器
• 错误写法：(x for x in range(10) if x % 2 == 0 for y in [1]) —— 多余的 for y 不报错，但语义混乱，实际等价于 if 后拼接了一个恒真循环，容易误导
• 带 if 的生成器传给 all() 或 any() 没问题；但传给 map() 或 filter() 前得确认它没被提前消费

性能差异在小数据上根本测不出来

别为了“理论上更省内存”在 100 个元素的场景硬用生成器。Python 解释器开销、函数调用、对象创建成本远高于那几百字节的差别。

立即学习“Python免费学习笔记（深入）”；

• 用 timeit 测 [x*2 for x in range(100)] 和 (x*2 for x in range(100))，时间几乎一样；但前者可反复用，后者一用就废
• 真正有影响的场景：读大文件逐行处理（(line.strip() for line in f)）、数据库游标结果集、递归展开深层嵌套结构
• 一个常被忽略的点：生成器表达式不能被 pickle，跨进程传递或缓存时会失败；列表可以

生成器的“惰性”不是银弹，它把控制权交给了使用者，也把生命周期管理的责任一起交过去了。最麻烦的从来不是写出来，而是谁来 next()、谁来捕获 StopIteration、谁记得它只能用一次。