生成器(generator)概念
生成器不會把結果保存在一個系列中，而是保存生成器的狀態，在每次進行迭代時返回一個值，直到遇到StopIteration異常結束。
生成器語法
生成器表達式： 通列表解析語法，只不過把列表解析的[]換成()
生成器表達式能做的事情列表解析基本都能處理，只不過在需要處理的序列比較大時，列表解析比較費內存。
>>> gen = (x**2 for x in range(5))
>>> gen
at 0x0000000002FB7B40>
>>> for g in gen:
... print(g, end='-')
...
0-1-4-9-16-
>>> for x in [0,1,2,3,4,5]:
... print(x, end='-')
...
0-1-2-3-4-5-
生成器函數： 在函數中如果出現了yield關鍵字，那么該函數就不再是普通函數，而是生成器函數。
但是生成器函數可以生產一個無線的序列，這樣列表根本沒有辦法進行處理。
yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator。
下面為一個可以無窮生產奇數的生成器函數。
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
當然通過手動編寫迭代器可以實現類似的效果，只不過生成器更加直觀易懂
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))
題外話： 生成器是包含有__iter()和next__()方法的，所以可以直接使用for來迭代，而沒有包含StopIteration的自編Iter來只能通過手動循環來迭代
>>>
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).
......
到上面的結果，現在你可以很有信心的按照Iterator的方式進行循環了吧！
在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。
yield 與 return
在一個生成器中，如果沒有return，則默認執行到函數完畢時返回StopIteration；
>>> def g1():
... yield 1
...
>>> g=g1()
>>> next(g) #第一次調用next(g)時，會在執行完yield語句后掛起，所以此時程序并沒有執行結束。
1
>>> next(g) #程序試圖從yield語句的下一條語句開始執行，發現已經到了結尾，所以拋出StopIteration異常。
Traceback (most recent call last):
File "
", line 1, in
StopIteration
>>>
如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。
>>>
def
g2():
...
yield
'a'
...
return
...
yield
'b'
...
>>>
g=g2()
>>>
next(g) #程序停留在執行完yield
'a'語句后的位置。
'a'
>>>
next(g) #程序發現下一條語句是return，所以拋出StopIteration異常，這樣yield
'b'語句永遠也不會執行。
Traceback
(most
recent
call
last):
File
"
",
line
1,
in
StopIteration
如果在return后返回一個值，那么這個值為StopIteration異常的說明，不是程序的返回值。
生成器沒有辦法使用return來返回值。
>>> def g3():
... yield 'hello'
... return 'world'
...
>>> g=g3()
>>> next(g)
'hello'
>>> next(g)
Traceback (most recent call last):
File "
", line 1, in
StopIteration: world
生成器支持的方法
>>>
help(odd_num)
Help
on
generator
object:
odd
=
class
generator(object)
| Methods
defined
here:
......
| close(...)
| close()
->
raise
GeneratorExit
inside
generator.
|
| send(...)
| send(arg)
->
send
'arg'
into
generator,
| return
next
yielded
value
or
raise
StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]])
->
raise
exception
in
generator,
| return
next
yielded
value
or
raise
StopIteration.
......
close()
手動關閉生成器函數，后面的調用會直接返回StopIteration異常。
>>> def g4():
... yield 1
... yield 2
... yield 3
...
>>> g=g4()
>>> next(g)
1
>>> g.close()
>>> next(g) #關閉后，yield 2和yield 3語句將不再起作用
Traceback (most recent call last):
File "
", line 1, in
StopIteration
send()
生成器函數最大的特點是可以接受外部傳入的一個變量，并根據變量內容計算結果后返回。
這是生成器函數最難理解的地方，也是最重要的地方，實現后面我會講到的協程就全靠它了。
def
gen():
value=0
while
True:
receive=yield
value
if
receive=='e':
break
value
=
'got: %s'
%
receive
g=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))
執行流程：
通過g.send(None)或者next(g)可以啟動生成器函數，并執行到第一個yield語句結束的位置。此時，執行完了yield語句，但是沒有給receive賦值。yield value會輸出初始值0注意：在啟動生成器函數時只能send(None),如果試圖輸入其它的值都會得到錯誤提示信息。
通過g.send(‘aaa')，會傳入aaa，并賦值給receive，然后計算出value的值，并回到while頭部，執行yield value語句有停止。此時yield value會輸出”got: aaa”，然后掛起。
通過g.send(3)，會重復第2步，最后輸出結果為”got: 3″
當我們g.send(‘e')時，程序會執行break然后推出循環，最后整個函數執行完畢，所以會得到StopIteration異常。
最后的執行結果如下：
0
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in
print(g.send('e'))
StopIteration
throw()
用來向生成器函數送入一個異常，可以結束系統定義的異常，或者自定義的異常。
throw()后直接跑出異常并結束程序，或者消耗掉一個yield，或者在沒有下一個yield的時候直接進行到程序的結尾。
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))
輸出結果為：
normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):
File "h.py", line 15, in
print(g.throw(TypeError))
StopIteration
解釋：
print(next(g))：會輸出normal value，并停留在yield ‘normal value 2'之前。
由于執行了g.throw(ValueError)，所以會跳過所有后續的try語句，也就是說yield ‘normal value 2'不會被執行，然后進入到except語句，打印出we got ValueError here。然后再次進入到while語句部分，消耗一個yield，所以會輸出normal value。
print(next(g))，會執行yield ‘normal value 2'語句，并停留在執行完該語句后的位置。
g.throw(TypeError)：會跳出try語句，從而print(‘here')不會被執行，然后執行break語句，跳出while循環，然后到達程序結尾，所以跑出StopIteration異常。
下面給出一個綜合例子，用來把一個多維列表展開，或者說扁平化多維列表)
def
flatten(nested):
try:
#如果是字符串，那么手動拋出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)
如果理解起來有點困難，那么把print語句的注釋打開在進行查看就比較明了了。
總結
按照鴨子模型理論，生成器就是一種迭代器，可以使用for進行迭代。
第一次執行next(generator)時，會執行完yield語句后程序進行掛起，所有的參數和狀態會進行保存。再一次執行next(generator)時，會從掛起的狀態開始往后執行。在遇到程序的結尾或者遇到StopIteration時，循環結束。
可以通過generator.send(arg)來傳入參數，這是協程模型。
可以通過generator.throw(exception)來傳入一個異常。throw語句會消耗掉一個yield。可以通過generator.close()來手動關閉生成器。
next()等價于send(None)
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
