生成器(generator)概念
生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。
生成器语法
生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>
gen
=
(
x
*
*
2
for
x
in
range
(
5
)
)
>>>
gen
<
generator
object
<
genexpr
>
at
0x0000000002FB7B40
>
>>>
for
g
in
gen
:
.
.
.
print
(
g
,
end
=
'-'
)
.
.
.
0
-
1
-
4
-
9
-
16
-
>>>
for
x
in
[
0
,
1
,
2
,
3
,
4
,
5
]
:
.
.
.
print
(
x
,
end
=
'-'
)
.
.
.
0
-
1
-
2
-
3
-
4
-
5
-
|
生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。
但是生成器函数可以生产一个无线的序列，这样列表根本没有办法进行处理。
yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator。
下面为一个可以无穷生产奇数的生成器函数。
|
1
2
3
4
5
6
7
8
9
10
11
|
def
odd
(
)
:
n
=
1
while
True
:
yield
n
n
+=
2
odd_num
=
odd
(
)
count
=
0
for
o
in
odd_num
:
if
count
>=
5
:
break
print
(
o
)
count
+=
1
|
当然通过手动编写迭代器可以实现类似的效果，只不过生成器更加直观易懂
|
1
2
3
4
5
6
7
8
9
10
11
|
class
Iter
:
def
__init__
(
self
)
:
self
.
start
=
-
1
def
__iter__
(
self
)
:
return
self
def
__next__
(
self
)
:
self
.
start
+=
2
return
self
.
start
I
=
Iter
(
)
for
count
in
range
(
5
)
:
print
(
next
(
I
)
)
|
题外话： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for来迭代，而没有包含StopIteration的自编Iter来只能通过手动循环来迭代。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
>>>
from
collections
import
Iterable
>>>
from
collections
import
Iterator
>>>
isinstance
(
odd_num
,
Iterable
)
True
>>>
isinstance
(
odd_num
,
Iterator
)
True
>>>
iter
(
odd_num
)
is
odd_num
True
>>>
help
(
odd_num
)
Help
on
generator
object
:
odd
=
class
generator
(
object
)
|
Methods
defined
here
:
|
|
__iter__
(
self
,
/
)
|
Implement
iter
(
self
)
.
|
|
__next__
(
self
,
/
)
|
Implement
next
(
self
)
.
.
.
.
.
.
.
|
看到上面的结果，现在你可以很有信心的按照Iterator的方式进行循环了吧！
在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
yield 与 return
在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>
def
g1
(
)
:
.
.
.
yield
1
.
.
.
>>>
g
=
g1
(
)
>>>
next
(
g
)
#第一次调用next(g)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。
1
>>>
next
(
g
)
#程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常。
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
>>>
|
如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
>>>
def
g2
(
)
:
.
.
.
yield
'a'
.
.
.
return
.
.
.
yield
'b'
.
.
.
>>>
g
=
g2
(
)
>>>
next
(
g
)
#程序停留在执行完yield 'a'语句后的位置。
'a'
>>>
next
(
g
)
#程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行。
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
|
如果在return后返回一个值，那么这个值为StopIteration异常的说明，不是程序的返回值。
生成器没有办法使用return来返回值。
|
1
2
3
4
5
6
7
8
9
10
11
|
>>>
def
g3
(
)
:
.
.
.
yield
'hello'
.
.
.
return
'world'
.
.
.
>>>
g
=
g3
(
)
>>>
next
(
g
)
'hello'
>>>
next
(
g
)
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
:
world
|
生成器支持的方法
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
>>>
help
(
odd_num
)
Help
on
generator
object
:
odd
=
class
generator
(
object
)
|
Methods
defined
here
:
.
.
.
.
.
.
|
close
(
.
.
.
)
|
close
(
)
->
raise
GeneratorExit
inside
generator
.
|
|
send
(
.
.
.
)
|
send
(
arg
)
->
send
'arg'
into
generator
,
|
return
next
yielded
value
or
raise
StopIteration
.
|
|
throw
(
.
.
.
)
|
throw
(
typ
[
,
val
[
,
tb
]
]
)
->
raise
exception
in
generator
,
|
return
next
yielded
value
or
raise
StopIteration
.
.
.
.
.
.
.
|
close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
>>>
def
g4
(
)
:
.
.
.
yield
1
.
.
.
yield
2
.
.
.
yield
3
.
.
.
>>>
g
=
g4
(
)
>>>
next
(
g
)
1
>>>
g
.
close
(
)
>>>
next
(
g
)
#关闭后，yield 2和yield 3语句将不再起作用
Traceback
(
most
recent
call
last
)
:
File
"<stdin>"
,
line
1
,
in
<
module
>
StopIteration
|
send()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方，也是最重要的地方，实现后面我会讲到的协程就全靠它了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
def
gen
(
)
:
value
=
0
while
True
:
receive
=
yield
value
if
receive
==
'e'
:
break
value
=
'got: %s'
%
receive
g
=
gen
(
)
print
(
g
.
send
(
None
)
)
print
(
g
.
send
(
'aaa'
)
)
print
(
g
.
send
(
3
)
)
print
(
g
.
send
(
'e'
)
)
|
执行流程：
- 通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。此时，执行完了yield语句，但是没有给receive赋值。yield value会输出初始值0注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
- 通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。此时yield value会输出”got: aaa”，然后挂起。
- 通过g.send(3)，会重复第2步，最后输出结果为”got: 3″
- 当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。
最后的执行结果如下：
|
1
2
3
4
5
6
7
|
0
got
:
aaa
got
:
3
Traceback
(
most
recent
call
last
)
:
File
"h.py"
,
line
14
,
in
<
module
>
print
(
g
.
send
(
'e'
)
)
StopIteration
|
throw()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
def
gen
(
)
:
while
True
:
try
:
yield
'normal value'
yield
'normal value 2'
print
(
'here'
)
except
ValueError
:
print
(
'we got ValueError here'
)
except
TypeError
:
break
g
=
gen
(
)
print
(
next
(
g
)
)
print
(
g
.
throw
(
ValueError
)
)
print
(
next
(
g
)
)
print
(
g
.
throw
(
TypeError
)
)
|
输出结果为：
|
1
2
3
4
5
6
7
8
|
normal
value
we
got
ValueError
here
normal
value
normal
value
2
Traceback
(
most
recent
call
last
)
:
File
"h.py"
,
line
15
,
in
<
module
>
print
(
g
.
throw
(
TypeError
)
)
StopIteration
|
解释：
- print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。
- 由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。
- print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。
- g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。
下面给出一个综合例子，用来把一个多维列表展开，或者说扁平化多维列表)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
def
flatten
(
nested
)
:
try
:
#如果是字符串，那么手动抛出TypeError。
if
isinstance
(
nested
,
str
)
:
raise
TypeError
for
sublist
in
nested
:
#yield flatten(sublist)
for
element
in
flatten
(
sublist
)
:
#yield element
print
(
'got:'
,
element
)
except
TypeError
:
#print('here')
yield
nested
L
=
[
'aaadf'
,
[
1
,
2
,
3
]
,
2
,
4
,
[
5
,
[
6
,
[
8
,
[
9
]
]
,
'ddf'
]
,
7
]
]
for
num
in
flatten
(
L
)
:
print
(
num
)
|
如果理解起来有点困难，那么把print语句的注释打开在进行查看就比较明了了。
总结
- 按照鸭子模型理论，生成器就是一种迭代器，可以使用for进行迭代。
- 第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存。再一次执行next(generator)时，会从挂起的状态开始往后执行。在遇到程序的结尾或者遇到StopIteration时，循环结束。
- 可以通过generator.send(arg)来传入参数，这是协程模型。
- 可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。可以通过generator.close()来手动关闭生成器。
- next()等价于send(None
扫一扫
903
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
