python进阶（11）生成器

利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。
为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。
 

创建生成器方法1

要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

>>> L = [x**2 for x in range(5)] >>> L [0, 1, 4, 9, 16] >>> G = (x**2 for x in range(5)) >>> G <generator object <genexpr> at 0x7fb63d218750>

创建 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。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

>>> next(G) 0 >>> next(G) 1 >>> next(G) 4 >>> next(G) 9 >>> next(G) 16 >>> next(G) Traceback (most recent call last): File "<pyshell#39>", line 1, in <module> next(G) StopIteration >>> G = ( x**2 for x in range(5)) >>> for x in G: print(x)

 

创建生成器方法2

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。
就像之前提到的斐波那切数列
 

注意，在用迭代器实现的方式中，我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。

>>> def fib(n): current = 0 num1, num2 = 0, 1 while current < n: num = num1 num1, num2 = num2, num1 + num2 current += 1 yield num return '完成' >>> F = fib(5) >>> next(F) 0 >>> next(F) 1 >>> next(F) 1 >>> next(F) 2 >>> next(F) 3 >>> next(F) Traceback (most recent call last): File "<pyshell#80>", line 1, in <module> next(F) StopIteration: 完成

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。
简单来说：只要在def中有yield关键字的 就称为 生成器
 
此时按照调用函数的方式( 案例中为F = fib(5) )使用生成器就不再是执行函数体了，而是会返回一个生成器对象（ 案例中为F ），然后就可以按照使用迭代器的方式来使用生成器了。

>>> for n in fib(5): print(n) 0 1 1 2 3 >>>

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

>>> g = fib(5) >>> while True: try: x = next(g) print(f"value:{x}") except StopIteration as e: print(f"生成器返回值:{e.value}") break value:0 value:1 value:1 value:2 value:3 生成器返回值:完成

 

总结

使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）

yield关键字有两点作用：

保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起

将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用

可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）

Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。
 

使用send唤醒

我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
 
例子：执行到yield时，gen函数作用暂时保存，返回i的值; temp接收下次c.send("python")，send发送过来的值，c.next()等价c.send(None)

>>> def gen(): i = 0 while i < 5: temp = yield i print(temp) i += 1 使用send >>> f = gen() >>> next(f) 0 >>> f.send('haha') haha 1 >>> next(f) None 2 >>> f.send('haha') haha 3 >>>