生成器(generator)

生成器

生成器就是一个带yield的函数（只要函数包含yield，函数调用就会返回一个生成器对象），普通的函数只能返回一次，但一个生成器可以暂停执行并返回一个中间的结果，当生成器的next()方法被调用的时候，会从离开的地方继续执行，而且可以上次调用的全部局部变量保持不变。说得直白点，生成器就是一个特殊的函数，它能产生一列的结果而不仅是产生单一结果。
生成器也是一个迭代器，拥有next方法而且行为与迭代器彻底相同，可用于for循环中(for循环每次自动调用next方法直到抛出StopIteration异常)，而且定义一个生成器比定义一个迭代器简单不少。

生成器的优势

1. 能够保留函数的参数
2. 每次调用next方法时，所使用的参数都是上一次调用所保留下来的，而不是新建立的，而且能够屡次调用
3. 生成器的定义比迭代器的定义简单
4. 占用空间小，每次调用才产生值，而不是产生彻底后返回

简单的生成器

生成器能够看做是一个迭代器，拥有next()方法，当一个真正的返回（调用return）或者函数结束没有更多的值返回时（调用next()），会抛出StopIteration异常

用生成器实现斐波那契系数

def fab(max):
    a = 1
    b = 1
    i = 0
    while i<max:
        yield b
        a,b = b,a+b
        i += 1

it = fab(5)

for i in range(7):
    print it.next()

# 1
# 2
# 3
# 5
# 8
# Traceback (most recent call last):
#   File "test.py", line 13, in <module>
#     print it.next()
# StopIteration

生成器的特性

1.当第1次调用生成器函数的时候，并不运行函数（如函数中有print语句，并不执行），**只是构建生成器对象*，并将生成器返回**，生成器函数可带参数也可不带参数

>>> def fab(max):
...     a,b,i = 1,1,0
...     while i<max:
...             yield b
...             a,b = b,a+b
...             i +=1
... 
>>> f = fab(10)
>>> type(f)
<type 'generator'>

2.当第1次调用生成器的next方法时，生成器才开始执行生成器函数（并非构建，此时运行1中说的print语句），直到遇到yield暂停执行，并将yield的参数做为这次next的返回值。

>>> f.next()
1

3.以后每次调用next方法，生成器将恢复环境并从上次运行的地方开始从新开始执行，直到再次遇到yield时暂停，而且将yield的参数做为next的返回值。

>>> f.next()
2

4.当调用next方法时生成器结束（遇到空的return语句或到达函数末尾），这次next将会抛出StopIteration异常
5.生成器函数中不容许有参数的return语句，若是出现，将会抛出SyntaxError: 'return' with argument inside generator错误

def fab(max):
    a = 1
    b = 1
    while i<max:
        yield b
        a,b = b,a+b
        i += 1
    return False

it = fab(5)
#   File "test.py", line 8
#     return False
# SyntaxError: 'return' with argument inside generator

6.生成器函数在每次暂停执行时，函数体内的全部变量都将被封存(freeze)在生成器中，并将在恢复执行时还原，而且相似于闭包，即便是同一个生成器函数返回的生成器，封存的变量也是互相独立的。

加强的生成器

send()：将值返回给生成器
throw()：在生成器中抛出异常
close()：要求生成器退出

1.send(value)

send是除了next方法之外另外一个恢复生成器的方法；此时，yield必须是一个表达式，yield表达式返回的值就是调用send方法的参数，生成器从yield开始运行，直到再次遇到yield，并将yield的参数做为send方法的返回值

1. 调用send传入非None，生成器必须处于挂起状态，不然将抛出异常。不过，未启动的生成器仍可使用None做为参数调用send
2. 若是使用next恢复生成器，yield表达式的值将是None

def gener():
    name = 'not input'
    while True:
        name = yield name
        if name == None:
            name = "not input"
        else:
            name = "I'm " + name


it = gener()

print it.send(None)
print it.send("zhainankl")
print it.next()

# not input
# I'm zhainankl
# not input

2.close()

这个方法用于关闭生成器。对关闭的生成器后再次调用next或send将抛出StopIteration异常。

3.throw(type, value=None, traceback=None):

这个方法用于在生成器内部（生成器的当前挂起处，或未启动时在定义处）抛出一个异常。

利用yield模拟线程并发

def thread1():
    for x in range(4):
        yield  x
        

def thread2():
    for x in range(4,8):
        yield  x
        

threads=[]
threads.append(thread1())
threads.append(thread2())


def run(threads): #写这个函数，模拟线程并发
    pass

run(threads)

def run(threads):
    for t in threads:
        try:
            print t.next()
        except StopIteration:
            pass
        else:
            threads.append(t)

参考

1. Python函数式编程指南（四）：生成器
2. Python之美[从菜鸟到高手]--生成器之全景分析