小白学 Python（21）：生成器基础

人生苦短，我选Python

前文传送门

小白学 Python（1）：开篇

小白学 Python（2）：基础数据类型（上）

小白学 Python（3）：基础数据类型（下）

小白学 Python（4）：变量基础操做

小白学 Python（5）：基础运算符（上）

小白学 Python（6）：基础运算符（下）

小白学 Python（7）：基础流程控制（上）

小白学 Python（8）：基础流程控制（下）

小白学 Python（9）：基础数据结构（列表）（上）

小白学 Python（10）：基础数据结构（列表）（下）

小白学 Python（11）：基础数据结构（元组）

小白学 Python（12）：基础数据结构（字典）（上）

小白学 Python（13）：基础数据结构（字典）（下）

小白学 Python（14）：基础数据结构（集合）（上）

小白学 Python（15）：基础数据结构（集合）（下）

小白学 Python（16）：基础数据类型（函数）（上）

小白学 Python（17）：基础数据类型（函数）（下）

小白学 Python（18）：基础文件操做

小白学 Python（18）：基础文件操做

小白学 Python（19）：基础异常处理

小白学 Python（20）：迭代器基础

生成器

咱们前面聊过了为何要使用迭代器，各位同窗应该还有印象吧（说没有的就太过度了）。

列表太大的话会占用过大的内存，可使用迭代器，只拿出须要使用的部分。

生成器的设计原则和迭代器是类似的，若是须要一个很是大的集合，不会将元素所有都放在这个集合中，而是将元素保存成生成器的状态，每次迭代的时候返回一个值。

好比咱们要生成一个列表，能够采用以下方式：

list1 = [x*x for x in range(10)]
print(list1)

结果以下：

[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

若是咱们生成的列表很是的巨大，好比：

list2 = [x*x for x in range(1000000000000000000000000)]

结果以下：

Traceback (most recent call last):
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <module>
    list2 = [x*x for x in range(1000000000000000000000000)]
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <listcomp>
    list2 = [x*x for x in range(1000000000000000000000000)]
MemoryError

报错了，报错信息提示咱们存储异常，而且整个程序运行了至关长一段时间。友情提醒，这么大的列表建立请慎重，若是电脑配置不够颇有可能会将电脑卡死。

若是咱们使用生成器就会很是方便了，并且执行速度嗖嗖的。

generator1 = (x*x for x in range(1000000000000000000000000))
print(generator1)
print(type(generator1))

结果以下：

<generator object <genexpr> at 0x0000014383E85B48>
<class 'generator'>

那么，咱们使用了生成器之后，怎么读取生成器生成的数据呢？

固然是和以前的迭代器同样的拉，使用 next() 函数：

generator2 = (x*x for x in range(3))
print(next(generator2))
print(next(generator2))
print(next(generator2))
print(next(generator2))

结果以下：

Traceback (most recent call last):
  File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 14, in <module>
    print(next(generator2))
StopIteration

直到最后，抛出 StopIteration 异常。

可是，这种使用方法咱们并不知道何时会迭代结束，因此咱们可使用 for 循环来获取每生成器生成的具体的元素，而且使用 for 循环同时也无需关心最后的 StopIteration 异常。

generator3 = (x*x for x in range(5))
for index in generator3:
    print(index)

结果以下：

0
1
4
9
16

generator 很是的强大，本质上， generator 并不会取存储咱们的具体元素，它存储是推算的算法，经过算法来推算出下一个值。

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

好比咱们定义一个函数，emmmmmm，仍是简单点吧，你们领会精神：

def print_a(max):
    i = 0
    while i < max:
        i += 1
        yield i

a = print_a(10)
print(a)
print(type(a))

结果以下：

<generator object print_a at 0x00000278C6AA5CC8>
<class 'generator'>

这里使用到了关键字 yield ， yield 和 return 很是的类似，均可以返回值，可是不一样的是 yield 不会结束函数。

咱们调用几回这个用函数建立的生成器：

print(next(a))
print(next(a))
print(next(a))
print(next(a))

结果以下：

1
2
3
4

能够看到，当咱们使用 next() 对生成器进行一次操做的时候，会返回一次循环的值，在 yield 这里结束本次的运行。可是在下一次执行 next() 的时候，会接着上次的断点接着运行。直到下一个 yield ，而且不停的循环往复，直到运行至生成器的最后。

还有一种与 next() 等价的方式，直接看示例代码吧：

print(a.__next__())
print(a.__next__())

结果以下：

5
6

接下来要介绍的这个方法就更厉害了，不只能迭代，还能给函数再传一个值回去：

def print_b(max):
    i = 0
    while i < max:
        i += 1
        args = yield i
        print('传入参数为：' + args)

b = print_b(20)
print(next(b))
print(b.send('Python'))

结果以下：

1
传入参数为：Python
2

上面讲了这么多，可能各位还没想到生成器能有什么具体的做用吧，这里我来提一个——协程。

在介绍什么是协程以前先介绍下什么是多线程，就是在同一个时间内能够执行多个程序，简单理解就是你平时可能很常常的一边玩手机一边听音乐（毫无违和感）。

协程更贴切的解释是流水线，好比某件事情必须 A 先作一步， B 再作一步，而且这两件事情看起来要是同时进行的。

def print_c():
    while True:
        print('执行 A ')
        yield None
def print_d():
    while True:
        print('执行 B ')
        yield None

c = print_c()
d = print_d()
while True:
    c.__next__()
    d.__next__()

结果以下：

...
执行 A 
执行 B 
执行 A 
执行 B 
执行 A 
执行 B 
执行 A 
执行 B 
执行 A 
执行 B 
...

由于 while 条件设置的是永真，因此这个循环是不会停下来的。

这里咱们定义了两个生成器，而且在一个循环中往复的调用这两个生成器，这样看起来就是两个任务在同时执行。

最后的协程可能理解起来稍有难度，有问题能够在公众号后台问我哦~~~

示例代码

本系列的全部代码小编都会放在代码管理仓库 Github 和 Gitee 上，方便你们取用。

示例代码-Github

示例代码-Gitee

原文出处：https://www.cnblogs.com/babycomeon/p/11854666.html