yield详解

1、可迭代对象与迭代器的区别

可迭代对象：指的是具备可迭代的能力，即enumerable.  在Python中指的是可以通过for-in 语句去逐个访问元素的一些对象，比如元组tuple,列表list，字符串string，文件对象file 等。

迭代器：指的是通过另一种方式去一个一个访问可迭代对象中的元素，即enumerator。在python中指的是给内置函数iter()传递一个可迭代对象作为参数，返回的那个对象就是迭代器，然后通过迭代器的next()方法逐个去访问。

2、生成器

生成器的本质就是一个逐个返回元素的函数，即“本质——函数”

生成器有什么好处？

最大的好处在于它是“延迟加载”，即对于处理长序列问题，更加的节省存储空间。即生成器每次在内存中只存储一个值，比如打印一个斐波拉切数列：原始的方法可以如下所示：

def fab(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L

 

这样做最大的问题在于将所有的元素都存储在了L里面，很占用内存，而使用生成器则如下所示

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b                 
#每次迭代时值加载这一个元素，而且替换掉之前的那一个元素，这样就大大节省了内存。而且程序在遇见yield语句时会停下来，这是后面使用yield阻断原理进行多线程编程的一个启发，（python协程编程会在后面讲到）
        a, b = b, a + b
        n = n + 1
 
for i in fab(20):
	print(i)

生成器其实就是下面这个样子，写得简单一些就是一次返回一条，如下：

def generator():
    for i in range(5):
        yield i
 
def generator_1():
    yield 1
    yield 2
    yield 3
    yield 4
    yield 5
 
 
for i in generator():
	print(i)
 
for i in generator_1():
	print(i)

上面这两种方式是完全等价的，只不过前者更简单一些。

3、什么又是yield from呢？

简单地说，yield from  generator 。实际上就是返回另外一个生成器。如下所示：

def generator1():
    item = range(10)
    for i in item:
        yield i
 
def generator2():
    yield 'a'
    yield 'b'
    yield 'c'
    yield from generator1() #yield from iterable本质上等于 for item in iterable: yield item的缩写版
    yield from [11,22,33,44]
    yield from (12,23,34)
    yield from range(3)
 
for i in generator2() :
    print(i

从上面的代码可以看书，yield from 后面可以跟的式子有“ 生成器  元组 列表等可迭代对象以及range（）函数产生的序列”

上面代码运行的结果为：

a
b
c
0
1
2
3
4
5
6
7
8
9
11
22
33
44
12
23
34
0
1
2

 

Python生成器中的send()与next()方法解析

在异步IO的使用时，generator是最基本的一个实现方法。python生成器有两个主要方法，一个是send一个是next。今天我们来看看两者的用法和联系。在每段代码中，第一个next调用，相当于启动生成器，会从生成器函数的第一行代码开始执行，直到第一次执行完yield语句（第4行）后，跳出生成器函数。然后第二个next调用，进入生成器函数后，从yield语句的下一句语句（第5行）开始执行，然后重新运行到yield语句，执行后，跳出生成器函数后面再次调用next，依次类推。

1 def consumer():
2     r = 0
3     for i in xrange(3):
4         yield r
5         r = '200 OK'+ str(i)
6
7 c = consumer()
8 n1 = c.next()
9 n2 = c.next()
10 n3 = c.next()

实际上next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做c.next() 和 c.send(None) 作用是一样的。

 

第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有Python yield语句来接收这个值。

下面说明下send执行的顺序。先记住，n1 = yield r这句话是从右往左执行的。当第一次send（None）（对应11行）时，启动生成器，从生成器函数的第一行代码开始执行，直到第一次执行完yield（对应第4行）后，跳出生成器函数。这个过程中，n1一直没有定义。

运行到send（1）时，进入生成器函数，此时，将yield r看做一个整体，赋值给它并且传回。此时即相当于把1赋值给n1，但是并不执行yield部分。下面继续从yield的下一语句继续执行，然后重新运行到yield语句，执行后，跳出生成器函数。即send和next相比，只是开始多了一次赋值的动作，其他运行流程是相同的。
 

1 def consumer():
2     r = 'here'
3     while True:
4         n1 = yield r   #这里的等式右边相当于一个整体，接受回传值
5         if not n1:
6             return
7         print('[CONSUMER] Consuming %s...' % n1)
8         r = '%d00 OK' % n1
9
10 def produce(c):
11     aa = c.send(None)
12     n = 0
13     while n < 5:
14         n = n + 1
15         print('[PRODUCER] Producing %s...' % n)
16         r1 = c.send(n)
17         print('[PRODUCER] Consumer return: %s' % r1)
18     c.close()
19
20 c = consumer()
21 produce(c)

[PRODUCER] Producing 1...
[CONSUMER] Consuming 1...
[PRODUCER] Consumer return: 100 OK
[PRODUCER] Producing 2...
[CONSUMER] Consuming 2...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 3...
[CONSUMER] Consuming 3...
[PRODUCER] Consumer return: 300 OK
[PRODUCER] Producing 4...
[CONSUMER] Consuming 4...
[PRODUCER] Consumer return: 400 OK
[PRODUCER] Producing 5...
[CONSUMER] Consuming 5...
[PRODUCER] Consumer return: 500 OK