深刻理解Python中的生成器

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

1. 生成器函数： 在函数中若是出现了yield关键字，那么该函数就再也不是普通函数，而是生成器函数。
   可是生成器函数能够生产一个无线的序列，这样列表根本没有办法进行处理。
   yield 的做用就是把一个函数变成一个 generator，带有 yield 的函数再也不是一个普通函数，Python 解释器会将其视为一个 generator。

下面为一个能够无穷生产奇数的生成器函数。

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

　　固然经过手动编写迭代器能够实现相似的效果，只不过生成器更加直观易懂

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，因此能够直接使用for来迭代，而没有包含StopIteration的自编Iter来只能经过手动循环来迭代。

>>> 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，如今你能够颇有信心的按照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彻底同样的，因而函数继续执行，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当中被 yield 中断了数次，每次中断都会经过 yield 返回当前的迭代值。

生成器支持的方法

close()

手动关闭生成器函数，后面的调用会直接返回StopIteration异常。

>>> 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语句将再也不起做用
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

　　

send()

生成器函数最大的特色是能够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。

def gen():
    value = 0
    while True:
        receive = yield value
        print(receive)
        if receive == 'e':
            break
        value = receive

g = gen()
print(g.send(None))
print(g.send(1))
print(g.send(2))
print(g.send('e'))

执行流程：

1. 经过g.send(None)或者next(g)能够启动生成器函数，并执行到第一个yield语句结束的位置。
   此时，执行完了yield语句，可是没有给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),若是试图输入其它的值都会获得错误提示信息。
2. 经过g.send(1)，会传入1，并赋值给receive，而后计算出value的值，并回到while头部，执行yield value语句后中止。
   此时yield value会输出1，而后挂起。
3. 经过g.send(2)，会重复第2步，最后输出结果为2
4. 当咱们g.send('e')时，程序会执行break而后推出循环，最后整个函数执行完毕，因此会获得StopIteration异常。
   最后的执行结果以下：

0
1
1
2
2
e

StopIteration

　　

throw()

用来向生成器函数送入一个异常，能够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。

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：

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：

1. print(next(g))：会输出normal value，并停留在yield 'normal value 2'以前。
2. 因为执行了g.throw(ValueError)，因此会跳过全部后续的try语句，也就是说yield 'normal value 2'不会被执行，而后进入到except语句，打印出we got ValueError here。
   而后再次进入到while语句部分，消耗一个yield，因此会输出normal value。
3. 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。
4. g.throw(TypeError)：会跳出try语句，从而print('here')不会被执行，而后执行break语句，跳出while循环，而后到达程序结尾，因此跑出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

def flatten(nested):
    try:
        # 若是是字符串，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)
    pass

　　

yield from

yield产生的函数就是一个迭代器，因此咱们一般会把它放在循环语句中进行输出结果。
有时候咱们须要把这个yield产生的迭代器放在另外一个生成器函数中，也就是生成器嵌套。
好比下面的例子：

def inner():
    for i in range(10):
        yield i
def outer():
    g_inner=inner()    #这是一个生成器
    while True:
        res = g_inner.send(None)
        yield res

g_outer=outer()
while True:
    try:
        print(g_outer.send(None))
    except StopIteration:
        break

　　此时，咱们能够采用yield from语句来减小我么你的工做量。

def outer2():
    yield from inner()

　　

总结

1. 按照鸭子模型理论，生成器就是一种迭代器，能够使用for进行迭代。
2. 第一次执行next(generator)时，会执行完yield语句后程序进行挂起，全部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日后执行。
   在遇到程序的结尾或者遇到StopIteration时，循环结束。
3. 能够经过generator.send(arg)来传入参数，这是协程模型。
4. 能够经过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。
   能够经过generator.close()来手动关闭生成器。
5. next()等价于send(None)

 

 面试题

def count_down(n):
    while n >= 0:
        newn = yield n
        if newn:
            n = newn

        else:
            n -= 1

cd = count_down(5)
for i in cd:
    print(i, ',')
    if i == 5:
        cd.send(3)

结果：
5 ,
2 ,
1 ,
0 ,

　　

 

本文章内容参考连接：https://www.cnblogs.com/jessonluo/p/4732565.html