生成器迭代结束后自动清理的实现方法
从现在开始,努力学习吧!本文《生成器迭代结束后自动清理的实现方法》主要讲解了等等相关知识点,我会在golang学习网中持续更新相关的系列文章,欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧,希望能帮到你!
使用 try/finally 是生成器中保证清理执行的唯一可靠方式,因 return 后代码不执行;手动调用 close() 可触发 GeneratorExit 并运行 finally;封装为上下文管理器或 async with 更安全。

使用 try/finally 在生成器中保证清理执行
生成器函数里不能靠 return 后的代码来清理,因为 StopIteration 抛出时控制流已跳出函数体。唯一可靠的方式是把主体逻辑包在 try 块里,把清理逻辑放在对应的 finally 中——无论迭代是正常耗尽、被 break 中断,还是被外部调用 generator.close() 终止,finally 都会运行。
常见错误是把清理写在生成器末尾(即 yield 之后),这种写法在绝大多数情况下根本不会执行。
def resource_generator():
res = acquire_resource()
try:
for item in data_source:
yield item
finally:
release_resource(res) # ✅ 总会执行手动调用 close() 触发生成器退出流程
当消费者提前终止迭代(比如 for 循环中 break,或只取前 N 项),Python 不会自动通知生成器“该收尾了”。此时需显式调用 generator.close(),它会向生成器内部抛出 GeneratorExit 异常,触发 finally 块。
- 不调用
close():生成器对象可能悬空,资源泄漏风险高 - 调用
close()后再迭代:会立即抛出StopIteration close()可安全重复调用,多次调用无副作用
注意:不要在 except GeneratorExit: 中捕获并吞掉它,否则 finally 可能被跳过;也不要在 finally 里再 yield,这会引发 RuntimeError。
用上下文管理器封装生成器更安全
如果生成器生命周期和资源绑定紧密,直接暴露原始生成器容易漏掉 close()。更稳妥的做法是把它包装成一个上下文管理器,用 with 语句确保退出时清理。
典型模式是定义一个类,实现 __iter__ 返回生成器,并在 __exit__ 中调用其 close():
class ManagedGenerator:
def __init__(self, *args):
self.args = args
self.gen = None
def __iter__(self):
self.gen = my_generator(*self.args)
return self.gen
def __exit__(self, *exc):
if self.gen:
self.gen.close()
这样使用者只需写 with ManagedGenerator(...) as gen: for x in gen: ...,无需操心手动关闭。
协程场景下 async with + aclose() 是等价方案
异步生成器(async def + yield)不能用普通 close(),必须用 aclose(),且需配合 async with 或显式 await gen.aclose()。
同样,finally 在异步生成器中依然生效,但里面的所有操作都得是 awaitable 的:
async def async_resource_gen():
conn = await acquire_db_conn()
try:
async for row in query_stream():
yield row
finally:
await conn.close() # ✅ await 在 finally 中合法异步生成器的清理比同步更易出错——比如忘了 await,或在 finally 里混用同步 I/O。这类细节一旦漏掉,程序可能卡死或资源长期占用。
本篇关于《生成器迭代结束后自动清理的实现方法》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
Windows10商店错误0x80072ee7解决方法
- 上一篇
- Windows10商店错误0x80072ee7解决方法
- 下一篇
- Go语言错误处理怎么写
-
- 文章 · python教程 | 1天前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 1天前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 1天前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 1天前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 1天前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 425次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 505次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 516次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 460次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 289次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

