有没有办法在Python中复制任意生成器？

函数式编程最著名的特性之一是惰性求值和无限列表。在Python中，通常使用生成器实现这些特性。但是函数式编程的规则之一是不可变的，并且生成器不是不可变的。恰恰相反。每次调用生成器上的

next（）

，它都会更改其内部状态

一种可能的解决方法是在调用生成器上的

next（）

之前复制它。这适用于某些生成器，例如

count（）

。（可能

count（）

不是生成器？）

但是如果我定义了自己的生成器，例如，

my_count（）

，我就无法复制它

def my_count(n=0):
    while True:
        yield n
        n += 1


my_count_gen = my_count()
my_count_gen_copy = copy(my_count_gen)
print(next(my_count_gen), next(my_count_gen), next(my_count_gen))
print(next(my_count_gen_copy), next(my_count_gen_copy), next(my_count_gen_copy))

当我试图执行

copy（my_count\u gen）

时，我收到一条错误消息：

TypeError:cannotpickle-generator对象

有没有办法解决这个问题，或者有其他方法

也许另一种提问方式是：当它复制

copy\u gen

时，什么是

copy（）

复制

谢谢

注意：如果我使用

\uuuuuuu iter（）

而不是

copy（）

，则

\uuuuuuuu iter（）

版本与原始版本一样

my_count_gen = my_count()
my_count_gen_i = my_count_gen.__iter__()
print(next(my_count_gen), next(my_count_gen), next(my_count_gen))  # => 0 1 2
print(next(my_count_gen_i), next(my_count_gen_i), next(my_count_gen_i))  # => 3 4 5

---

在Python中无法复制任意生成器。这个手术毫无意义。生成器可能依赖于各种其他不可压缩资源，如文件句柄、数据库连接、锁、工作进程等。如果生成器持有锁，而您复制了它，那么锁会发生什么情况？如果一个生成器处于数据库事务的中间，并且复制它，事务会发生什么？

你认为是可复制的生成器的东西根本不是生成器。它们是其他迭代器类的实例。如果要编写自己的迭代器类，可以：

class MyCount:
    def __init__(self, n=0):
        self._n = n
    def __iter__(self):
        return self
    def __next__(self):
        retval = self._n
        self._n += 1
        return retval

---

用这种方式编写的某些迭代器甚至可以合理地复制。另一些，

copy.copy

将做一些完全不合理和无用的事情。

虽然

copy

在生成器上没有意义，但您可以有效地“复制”迭代器，以便可以多次迭代它。最简单的方法是使用itertools模块

def my_count(n=0):
    while True:
        yield n
        n += 1

a, b, c = itertools.tee(my_count(), 3)

# now use a, b, c ...

---

这将使用内存缓存迭代器的结果并将其传递。

count（）

不是生成器。如果你认为某个东西是一个生成器，但它是可复制的，那么它就不是生成器。你被一些人误导了，他们用草率的术语来谈论迭代器。这就是正确的术语很重要的原因之一。实际上，您可以尝试使用itertools中的

tee

。记住用一个结果副本替换“原始”迭代器。不是所有函数语言都使用延迟求值，也不是只有函数语言才使用延迟求值。谢谢

itertools.tee

是一个聪明的解决方案。我没想到@阿拉格尔提出了一个重要的观点。调用

tee

时，重要的是返回的迭代器中有一个替换原始迭代器，并且从那时起不再调用原始对象上的

next

。我假设OP想要和期望的是类似Clojure的惰性序列的东西——其中包含对序列实例的引用，该序列不是最新的“要存在的项”强制将最早引用状态和最新状态之间的所有项保留在内存中，以供以后重播。给定这个原语，通过保持对无限序列头的引用很容易耗尽内存。。。但是为了与有状态组件（文件句柄、套接字等）进行交互，计算序列中最新的一点才是最重要的……AFAICT，

itertools.tee

与该行为非常接近。据我所知，

itertools.tee

适用于任意迭代器。因为生成器是迭代器，所以它也应该在生成器上工作。正当只要一个人愿意让所有的

tee

ed拷贝

yield

具有相同的顺序，那么非本地资源的问题就无关紧要了——因为这似乎就是正在发生的一切。

yield

ed结果被缓存以供其他

tee

ed副本使用。还是我遗漏了什么？@RussAbbott：你可以使用任何迭代器，如果缓存结果确实是你想要的，而不是复制，那么使用迭代器是有意义的。

def my_count(n=0):
    while True:
        yield n
        n += 1

a, b, c = itertools.tee(my_count(), 3)

# now use a, b, c ...