python高级-生成器(17)

1. 什么是⽣成器

经过列表⽣成式，咱们能够直接建立⼀个列表。可是，受到内存限制，列表容量确定是有限的。⽽且，建立⼀个包含100万个元素的列表，不只占⽤很⼤的存储空间，若是咱们仅仅须要访问前⾯⼏个元素，那后⾯绝⼤多数元素占⽤的空间都⽩⽩浪费了。因此，若是列表元素能够按照某种算法推算出来，那咱们是否能够在循环的过程当中不断推算出后续的元素呢？这样就没必要建立完整的list，从⽽节省⼤量的空间。在Python中，这种⼀边循环⼀边计算的机制，称为⽣成器：generator。

 

2. 建立⽣成器⽅法1

要建立⼀个⽣成器，有不少种⽅法。第⼀种⽅法很简单，只要把⼀个列表⽣成式的 [ ] 改为 ( )

列表生成式

L = [2*x for x in range(1,10)] print(L)

运行结果为：[2, 4, 6, 8, 10, 12, 14, 16, 18]

生成器

G = (2*x for x in range(1,10)) p

运行结果为：<generator object <genexpr> at 0x00000111152FC408>

建立 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是⼀个列表，⽽ G 是⼀个⽣成器。咱们能够直接打印出L的每⼀个元素，但咱们怎么打印出G的每⼀个元素呢？若是要⼀个⼀个打印出来，能够经过 next() 函数得到⽣成器的下⼀个返回:

G = (2*x for x in range(1,10)) print(G) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G))

运行结果为：二、四、六、八、10、12

G = (2*x for x in range(1,10)) print(G) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G)) print(next(G))

运行结果为：

<generator object <genexpr> at 0x0000022CCCC8C408>
2
4
6
8
10
12
14
16
18 Traceback (most recent call last): File "C:\Users\Se7eN_HOU\Desktop\A.py", line 12, in <module>
    print(next(G)) StopIteration

注意：

• ⽣成器保存的是算法，每次调⽤ next(G) ，就计算出 G 的下⼀个元素的值，直到计算到最后⼀个元素，没有更多的元素时，抛出 StopIteration 的异常。
• 固然，这种不断调⽤ next() 实在是太变态了，正确的⽅法是使⽤ for 循环，由于⽣成器也是可迭代对象。因此，咱们建立了⼀个⽣成器后，基本上永远不会调⽤ next() ，⽽是经过 for 循环来迭代它，而且不须要关⼼StopIteration 异常.

 

3. 建立⽣成器方法2

generator⾮常强⼤。若是推算的算法⽐较复杂，⽤相似列表⽣成式的 for 循环⽆法实现的时候，还能够⽤函数来实现。

⽐如，著名的斐波拉契数列（Fibonacci），除第⼀个和第⼆个数外，任意⼀个数均可由前两个数相加获得：

1, 1, 2, 3, 5, 8, 13, 21, 34, …

斐波拉契数列⽤列表⽣成式写不出来，可是，⽤函数把它打印出来却很容易

def fib(times): n=0 a,b = 0,1
    while n<times: print(b) a,b = b,a+b n+=1
    return "done" fib(5)

运行结果为：一、 一、 二、 三、 5

仔细观察，能够看出，fib函数其实是定义了斐波拉契数列的推算规则，能够从第⼀个元素开始，推算出后续任意的元素，这种逻辑其实⾮常相似
generator。也就是说，上⾯的函数和generator仅⼀步之遥。要把fib函数变成generator，只须要把print(b)改成yield b就能够了：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) print(next(f)) print(next(f)) print(next(f)) print(next(f)) print(next(f)) print(next(f))

运行结果为：

1
1
2
3
5 Traceback (most recent call last): File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(next(f)) StopIteration: done

在上⾯fib 的例⼦，咱们在循环过程当中不断调⽤ yield ，就会不断中断。固然要给循环设置⼀个条件来退出循环，否则就会产⽣⼀个⽆限数列出来。一样的，把函数改为generator后，咱们基本上历来不会⽤ next() 来获取下⼀个返回值，⽽是直接使⽤ for 循环来迭代：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done"

for n in fib(5): print(n)

运行结果为：

1
1
2
3
5

可是⽤for循环调⽤generator时，发现拿不到generator的return语句的返回值。若是想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) while True: try: x = next(f) print("value=%d"%x) except StopIteration as e: print("生成器返回值=%s"%e.value) break

运行结果为：

value=1 value=1 value=2 value=3 value=5 生成器返回值=done

 

四、_ _next_ _()方法和next()同样

def fib(times): n=0 a,b = 0,1
    while n<times: yield b a,b = b,a+b n+=1
    return "done" f = fib(5) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__()) print(f.__next__())

运行结果为：

1Traceback (most recent call last): 1
2
3
5 File "C:\Users\Se7eN_HOU\Desktop\demo.py", line 16, in <module>
    print(f.__next__()) StopIteration: done

 

5.、send()

def fib(times): n=0 a,b = 0,1
    while n<times: temp = yield b print(temp) a,b = b,a+b n+=1 f = fib(5) print(f.__next__()) print(f.send("Se7eN_HOU")) print(f.send("Se7eN")) print(next(f)) print(f.__next__())

运行结果为：

1 Se7eN_HOU 1 Se7eN 2 None 3 None 5

经过上面的例子能够看出使用send（）函数能够给生成器生成对象的时候传递参数。

总结

• ⽣成器是这样⼀个函数，它记住上⼀次返回时在函数体中的位置。对⽣成器函数的第⼆次（或第 n 次）调⽤跳转⾄该函数中间，⽽上次调⽤的全部局部变量都保持不变。
• ⽣成器不只“记住”了它数据状态；⽣成器还“记住”了它在流控制构造（在命令式编程中，这种构造不仅是数据值）中的位置。

⽣成器的特色：

• 1. 节约内存
• 2. 迭代到下⼀次的调⽤时，所使⽤的参数都是第⼀次所保留下的，便是说，在整个全部函数调⽤的参数都是第⼀次所调⽤时保留的，⽽不是新建立的