本文主要向大家介绍了Python语言中的 List Comprehension 以及 Generator，通过具体的内容向大家展示，希望对大家学习Python语言有所帮助。

原文链接三年前，我在一篇博客里不无自豪的记录了python编写的小函数，当时感觉python真强大，11行代码就写出了一个配置文件的解析器。def loadUserInfo(fileName):
    userinfo = {}
    file = open(fileName, "r")    while file:
        line = file.readline()        if len(line) == 0:            break
        if line.startswith('#'):            continue
        key, value = line.split("=")
        userinfo[key.strip()] = value.strip()  return userinfo最近正在跟同事学习python在数据挖掘中的应用，又专门学习了一下python本身，然后用list comprehension简化了以下上面的代码：def loadUserInfo(file):
    return dict([line.strip().split("=")        for line in open(file, "r")            if len(line) > 0 and not line.startswith("#")])这个函数和上面的函数的功能一样，都是读取一个指定的key=value格式的文件，然后构建出来一个映射（当然，在Python中叫做字典）对象，该函数还会跳过空行和#开头的行。比如，我想要查看一下.wgetrc配置文件：if __name__ == "__main__":    print(loadUserInfo("/Users/jtqiu/.wgetrc"))假设我的.wgetrc文件配置如下：http-proxy=10.18.0.254:3128ftp-proxy=10.18.0.254:3128#http_proxy=10.1.1.28:3128use_proxy=yes则上面的函数会产生这样的输出：{'use_proxy': 'yes', 'ftp-proxy': '10.18.0.254:3128', 'http-proxy': '10.18.0.254:3128'}list comprehension（列表推导式）在python中，list comprehension（或译为列表推导式）可以很容易的从一个列表生成另外一个列表，从而完成诸如map, filter等的动作，比如：要把一个字符串数组中的每个字符串都变成大写：names = ["john", "jack", "sean"]

result = []for name in names:
    result.append(name.upper())如果用列表推导式，只需要一行：[name.upper() for name in names]结果都是一样：['JOHN', 'JACK', 'SEAN']另外一个例子，如果想要过滤出一个数字列表中的所有偶数：numbers = [1, 2, 3, 4, 5, 6]

result = []for number in numbers:    if number % 2 == 0:
        result.append(number)如果写成列表推导式：[x for x in numbers if x%2 == 0]结果也是一样：[2, 4, 6]显然，列表推导更加短小，也更加表意。迭代器在了解generator之前，我们先来看一个迭代器的概念。有时候我们不需要将整个列表都放在内存中，特别是当列表的尺寸比较大的时候。比如我们定义一个函数，它会返回一个连续的整数的列表：def myrange(n):
    num, nums = 0, []    while num < n:
        nums.append(num)
        num += 1
    return nums当我们计算诸如myrange(50)或者myrange(100)时，不会有任何问题，但是当获取诸如myrange(10000000000)的时候，由于这个函数的内部会将数字保存在一个临时的列表中，因此会有很多的内存占用。因此在python有了迭代器的概念：class myrange(object):
    def __init__(self, n):
        self.i = 0
        self.n = n    def __iter__(self):
        return self    # for python 3
    def __next__(self):
        return self.next()    def next(self):
        if self.i < self.n:
            i = self.i
            self.i += 1
            return i        else:            raise StopIteration()这个对象其实实现了两个特殊的方法：__iter__（对于python3来说，是__next__）和next方法。其中next每次只返回一个值，如果迭代已经结束，就抛出一个StopIteration的异常。实现了这两个方法的类都可以算作是一个迭代器，他们可以被用于可迭代的上下文中，比如：>>> from myrange import myrange>>> x = myrange(10)>>> x.next()0>>> x.next()1>>> x.next()2但是可以看到这个函数中有很多的样板代码，因此我们有了生成器表达式来简化这个过程：def myrange(n):
    num = 0
    while num < n:        yield num
        num += 1注意此处的yield关键字，每次使用next来调用这个函数时都会求值一次num并返回，具体的细节可以参考这里。区别简单来说，两者都可以在迭代器上下文中使用，看起来几乎是一样的。不同的地方是generator可以节省内存空间，从而提高执行速度。generator更适合一次性的列表处理，比如只是需要一个中间列表作为转换。而列表推导则更适合要将列表保存下来，以备后续使用的场景。这里也有一些讨论，可以一并参看。参考Iterators & GeneratorsGenerators Wiki    

本文由职坐标整理并发布，希望对同学们学习Python有所帮助，更多内容请关注职坐标编程语言Python频道！