如何正确使用 @cache 装饰器与 yield from 实现递归生成器-Python教程-PHP中文网

如何正确使用 @cache 装饰器与 yield from 实现递归生成器

@cache 会缓存生成器对象本身而非其产出结果，导致多次调用返回同一可耗尽的生成器，从而引发迭代异常或结果缺失。

`@cache` 会缓存生成器对象本身而非其产出结果，导致多次调用返回同一可耗尽的生成器，从而引发迭代异常或结果缺失。

在 Python 中，functools.cache（或 lru_cache）通过记忆化函数返回值来提升性能。但当它作用于生成器函数（即含 yield 的函数）时，其行为与普通函数有本质区别：它缓存的是生成器对象（generator object），而非生成器所产出的值序列。

由于生成器是一次性可迭代对象（exhaustible），一旦被遍历完毕，再次调用 next() 将抛出 StopIteration。而 @cache 使所有后续调用都返回同一个已耗尽的生成器实例，因此后续迭代将无法产生任何新值——这正是你观察到“结果数量显著降低”的根本原因。

以下代码直观展示了该问题：

from functools import cache

@cache
def demo_generator():
    yield "first"
    yield "second"

g1 = demo_generator()
g2 = demo_generator()  # 返回缓存的 g1，而非新生成器

print(g1 is g2)  # True
print(list(g1))   # ['first', 'second']
print(list(g2))   # [] —— 已耗尽，无输出！

回到你的 Blinking 函数：递归中大量调用 yield from Blinking(...) 实际上反复复用同一缓存生成器，导致深层递归分支被跳过或截断，最终计数 res 远低于预期。

✅ 正确做法是避免直接缓存生成器函数。若需优化递归生成器性能，应缓存纯计算型中间结果（如子问题的返回值），再由非缓存的生成器组装输出。例如重构如下：

from functools import cache

# 缓存纯函数：返回确定性结果（如子序列长度、关键状态等）
@cache
def _blinking_count(v, i, N):
    """返回从 (v,i) 开始、剩余 N-i 步内能生成的元素总数"""
    if i >= N:
        return 1
    elif v == 0:
        return _blinking_count(1, i + 1, N)
    elif len(str(v)) % 2 == 0:
        s = str(v)
        left = int(s[:len(s)//2])
        right = int(s[len(s)//2:])
        return _blinking_count(left, i + 1, N) + _blinking_count(right, i + 1, N)
    else:
        return _blinking_count(v * 2024, i + 1, N)

# 主生成器不加 @cache，确保每次调用创建新生成器
def Blinking(v, i, N):
    if i >= N:
        yield v
    elif v == 0:
        yield from Blinking(1, i+1, N)
    elif len(str(v)) % 2 == 0:
        s = str(v)
        yield from Blinking(int(s[:len(s)//2]), i+1, N)
        yield from Blinking(int(s[len(s)//2:]), i+1, N)
    else:
        yield from Blinking(v*2024, i+1, N)

⚠️ 注意事项：