由浅入深讲解python中的yield与generator(由浅入深易,由深入浅难)

编辑：rootadmin

推荐整理分享由浅入深讲解python中的yield与generator(由浅入深易,由深入浅难)，希望有所帮助，仅作参考，欢迎阅读内容。

文章相关热门搜索词:由浅入深吧,由浅入深讲解的成语,由浅入深讲解,由浅入深下一句,由浅入深,通俗易懂,由浅入深讲解的成语,由浅入深释义,由浅入深讲解,内容如对您有帮助，希望把文章链接给更多的朋友！

前言

本文将由浅入深详细介绍yield以及generator，包括以下内容：什么generator，生成generator的方法，generator的特点，generator基础及高级应用场景，generator使用中的注意事项。本文不包括enhanced generator即pep相关内容，这部分内容在之后介绍。

generator基础

在python的函数（function）定义中，只要出现了yield表达式（Yield expression），那么事实上定义的是一个generator function，调用这个generator function返回值是一个generator。这根普通的函数调用有所区别，For example：

从上面的代码可以看出，gen_generator函数返回的是一个generator实例

generator有以下特别：

&#;遵循迭代器（iterator）协议，迭代器协议需要实现__iter__ 、next接口

&#;能过多次进入、多次返回，能够暂停函数体中代码的执行

下面看一下测试代码：

调用gen example方法并没有输出任何内容，说明函数体的代码尚未开始执行。当调用generator的next方法，generator会执行到yield 表达式处，返回yield表达式的内容，然后暂停（挂起）在这个地方，所以第一次调用next打印第一句并返回“first yield”。暂停意味着方法的局部变量，指针信息，运行环境都保存起来，直到下一次调用next方法恢复。第二次调用next之后就暂停在最后一个yield，再次调用next()方法，则会抛出StopIteration异常。　

因为for语句能自动捕获StopIteration异常，所以generator（本质上是任何iterator）较为常用的方法是在循环中使用：　

generator function产生的generator与普通的function有什么区别呢

　　（1）function每次都是从第一行开始运行，而generator从上一次yield开始的地方运行

　　（2）function调用一次返回一个（一组）值，而generator可以多次返回

　　（3）function可以被无数次重复调用，而一个generator实例在yield最后一个值或者return之后就不能继续调用了

在函数中使用Yield，然后调用该函数是生成generator的一种方式。另一种常见的方式是使用generator expression，For example：

generator应用

generator基础应用　　

　　为什么使用generator呢，最重要的原因是可以按需生成并“返回”结果，而不是一次性产生所有的返回值，况且有时候根本就不知道“所有的返回值”。

由浅入深讲解python中的yield与generator(由浅入深易,由深入浅难)

比如对于下面的代码　　

在上面的代码中，两个for语句输出是一样的，代码字面上看来也就是中括号与小括号的区别。但这点区别差异是很大的，第一种方法返回值是一个列表，第二个方法返回的是一个generator对象。随着RANGE_NUM的变大，第一种方法返回的列表也越大，占用的内存也越大；但是对于第二种方法没有任何区别。

我们再来看一个可以“返回”无穷多次的例子：

这个generator拥有生成无数多“返回值”的能力，使用者可以自己决定什么时候停止迭代

generator高级应用

使用场景一：　　

Generator可用于产生数据流， generator并不立刻产生返回值，而是等到被需要的时候才会产生返回值，相当于一个主动拉取的过程(pull)，比如现在有一个日志文件，每行产生一条记录，对于每一条记录，不同部门的人可能处理方式不同，但是我们可以提供一个公用的、按需生成的数据流。

上面的例子来自年的PyCon一个讲座。gen_words gen_data_from_file是数据生产者，而count_words count_total_chars是数据的消费者。可以看到，数据只有在需要的时候去拉取的，而不是提前准备好。另外gen_words中 (w for w in line.split() if w.strip()) 也是产生了一个generator

使用场景二：

一些编程场景中，一件事情可能需要执行一部分逻辑，然后等待一段时间、或者等待某个异步的结果、或者等待某个状态，然后继续执行另一部分逻辑。比如微服务架构中，服务A执行了一段逻辑之后，去服务B请求一些数据，然后在服务A上继续执行。或者在游戏编程中，一个技能分成分多段，先执行一部分动作（效果），然后等待一段时间，然后再继续。对于这种需要等待、而又不希望阻塞的情况，我们一般使用回调（callback）的方式。下面举一个简单的例子：

这里的CallBackMgr注册了一个5s后的时间，5s之后再调用lambda函数，可见一段逻辑被分裂到两个函数，而且还需要上下文的传递（如这里的参数a）。我们用yield来修改一下这个例子，yield返回值代表等待的时间。

这里需要实现一个YieldManager，通过yield_dec这个decrator将do这个generator注册到YieldManager，并在5s后调用next方法。Yield版本实现了和回调一样的功能，但是看起来要清晰许多。

下面给出一个简单的实现以供参考：

注意事项：

（1）Yield是不能嵌套的！

上面的代码访问嵌套序列里面的每一个元素，我们期望的输出是1 2 3 4 5，而实际输出是1 2 5 。为什么呢，如注释所示，visit是一个generator function，所以第4行返回的是generator object，而代码也没这个generator实例迭代。那么改改代码，对这个临时的generator 进行迭代就行了。

或者在python3.3中可以使用yield from，这个语法是在pep加入的

（2）generator function中使用return

在python doc中，明确提到是可以使用return的，当generator执行到这里的时候抛出StopIteration异常。

但是，generator function中的return是不能带任何返回值的

上面的代码会报错：SyntaxError: 'return' with argument inside generator

总结

标签: 由浅入深易,由深入浅难

本文链接地址:https://www.jiuchutong.com/biancheng/377099.html 转载请保留说明！

上一篇：解析Python编程中的包结构(python 解析)

下一篇：Python使用迭代器捕获Generator返回值的方法(python里的迭代器)