Python生成器

　　生成器

　　1. 生成器

　　利用迭代器，咱們能夠在每次迭代獲取數據(經過next()方法)時按照特定的規律進行生成。可是咱們在實現一個迭代器時，關於當前迭代到的狀態須要咱們本身記錄，進而才能根據當前狀態生成下一個數據。爲了達到記錄當前狀態，並配合next()函數進行迭代使用，咱們能夠採用更簡便的語法，即生成器(generator)。生成器是一類特殊的迭代器。

　　2. 建立生成器方法1

　　要建立一個生成器，有不少種方法。第一種方法很簡單，只要把一個列表生成式的 [ ]改爲 ( )

　　In [15]: L = [ x*2 for x in range(5)]

　　In [16]: L

　　Out[16]: [0, 2, 4, 6, 8]

　　In [17]: G = ( x*2 for x in range(5))

　　In [18]: G

　　Out[18]: at 0x7f626c132db0>

　　In [19]:

　　建立 L 和 G 的區別僅在於最外層的 [ ] 和 ( ) ， L 是一個列表，而 G

　　是一個生成器。咱們能夠直接打印出列表L的每個元素，而對於生成器G，咱們能夠按照迭代器的使用方法來使用，便可以經過next()函數、for循環、list()等方法使用。

　　In [19]: next(G)

　　Out[19]: 0

　　In [20]: next(G)

　　Out[20]: 2

　　In [21]: next(G)

　　Out[21]: 4

　　In [22]: next(G)

　　Out[22]: 6

　　In [23]: next(G)

　　Out[23]: 8

　　In [24]: next(G)

　　---------------------------------------------------------------------------

　　StopIteration Traceback (most recent call last)

　　in ()

　　----> 1 next(G)

　　StopIteration:

　　In [25]:

　　In [26]: G = ( x*2 for x in range(5))

　　In [27]: for x in G:

　　....: print(x)

　　....:

　　0

　　2

　　4

　　6

　　8

　　3. 建立生成器方法2

　　generator很是強大。若是推算的算法比較複雜，用相似列表生成式的 for

　　循環沒法實現的時候，還能夠用函數來實現。

　　咱們仍然用上一節提到的斐波那契數列來舉例，回想咱們在上一節用迭代器的實現方式：

　　class FibIterator(object):

　　"""斐波那契數列迭代器"""

　　def __init__(self, n):

　　"""

　　:param n: int, 指明生成數列的前n個數

　　"""

　　self.n = n

　　# current用來保存當前生成到數列中的第幾個數了

　　self.current = 0

　　# num1用來保存前前一個數，初始值爲數列中的第一個數0

　　self.num1 = 0

　　# num2用來保存前一個數，初始值爲數列中的第二個數1

　　self.num2 = 1

　　def __next__(self):

　　"""被next()函數調用來獲取下一個數"""

　　if self.current < self.n:

　　num = self.num1

　　self.num1, self.num2 = self.num2, self.num1+self.num2

　　self.current += 1

　　return num

　　else:

　　raise StopIteration

　　def __iter__(self):

　　"""迭代器的__iter__返回自身便可"""

　　return self

　　注意，在用迭代器實現的方式中，咱們要藉助幾個變量(n、current、num一、num2)來保存迭代的狀態。如今咱們用生成器來實現一下。

　　In [30]: def fib(n):

　　....: current = 0

　　....: num1, num2 = 0, 1

　　....: while current < n:

　　....: num = num1

　　....: num1, num2 = num2, num1+num2

　　....: current += 1

　　....: yield num

　　....: return 'done'

　　....:

　　In [31]: F = fib(5)

　　In [32]: next(F)

　　Out[32]: 1

　　In [33]: next(F)

　　Out[33]: 1

　　In [34]: next(F)

　　Out[34]: 2

　　In [35]: next(F)

　　Out[35]: 3

　　In [36]: next(F)

　　Out[36]: 5

　　In [37]: next(F)

　　---------------------------------------------------------------------------

　　StopIteration Traceback (most recent call last)

　　in ()

　　----> 1 next(F)

　　StopIteration: done

　　在使用生成器實現的方式中，咱們將本來在迭代器__next__方法中實現的基本邏輯放到一個函數中來實現，可是將每次迭代返回數值的return換成了yield，此時新定義的函數便再也不是函數，而是一個生成器了。

　　簡單來講：只要在def中有yield關鍵字的就稱爲 生成器

　　此時按照調用函數的方式( 案例中爲F = fib(5))使用生成器就再也不是執行函數體了，而是會返回一個生成器對象(案例中爲F)，而後就能夠按照使用迭代器的方式來使用生成器了。

　　In [38]: for n in fib(5):

　　....: print(n)

　　....:

　　1

　　1

　　2

　　3

　　5

　　可是用for循環調用generator時，發現拿不到generator的return語句的返回值。若是想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：

　　In [39]: g = fib(5)

　　In [40]: while True:

　　....: try:

　　....: x = next(g)

　　..... print("value:%d"%x)

　　....: except StopIteration as e:

　　....: print("生成器返回值:%s"%e.value)

　　....: break

　　....:

　　value:1

　　value:1

　　value:2

　　value:3

　　value:5

　　生成器返回值:done

　　In [41]:

　　總結

　　使用了yield關鍵字的函數再也不是函數，而是生成器。(使用了yield的函數就是生成器)

　　yield關鍵字有兩點做用：

　　保存當前運行狀態(斷點)，而後暫停執行，即將生成器(函數)掛起

　　將yield關鍵字後面表達式的值做爲返回值返回，此時能夠理解爲起到了return的做用

　　可使用next()函數讓生成器從斷點處繼續執行，即喚醒生成器(函數)

　　Python3中的生成器可使用return返回最終運行的返回值，而Python2中的生成器不容許使用return返回一個返回值(便可以使用return從生成器中退出，但return後不能有任何表達式)。鄭州婦科醫院 http://www.zykdfkyy.com/

　　4. 使用send喚醒

　　咱們除了可使用next()函數來喚醒生成器繼續執行外，還可使用send()函數來喚醒執行。使用send()函數的一個好處是能夠在喚醒的同時向斷點處傳入一個附加數據。

　　例子：執行到yield時，gen函數做用暫時保存，返回i的值;

　　temp接收下次c.send("python")，send發送過來的值，c.next()等價c.send(None)

　　In [10]: def gen():

　　....: i = 0

　　....: while i<5:

　　....: temp = yield i

　　....: print(temp)

　　....: i+=1

　　....:

　　使用send

　　In [43]: f = gen()

　　In [44]: next(f)

　　Out[44]: 0

　　In [45]: f.send('haha')

　　haha

　　Out[45]: 1

　　In [46]: next(f)

　　None

　　Out[46]: 2

　　In [47]: f.send('haha')

　　haha

　　Out[47]: 3

　　使用next函數

　　In [11]: f = gen()

　　In [12]: next(f)

　　Out[12]: 0

　　In [13]: next(f)

　　None

　　Out[13]: 1

　　In [14]: next(f)

　　None

　　Out[14]: 2

　　In [15]: next(f)

　　None

　　Out[15]: 3

　　In [16]: next(f)

　　None

　　Out[16]: 4

　　In [17]: next(f)

　　None

　　---------------------------------------------------------------------------

　　StopIteration Traceback (most recent call last)

　　in ()

　　----> 1 next(f)

　　StopIteration:

　　使用__next__()方法(不常使用)

　　In [18]: f = gen()

　　In [19]: f.__next__()

　　Out[19]: 0

　　In [20]: f.__next__()

　　None

　　Out[20]: 1

　　In [21]: f.__next__()

　　None

　　Out[21]: 2

　　In [22]: f.__next__()

　　None

　　Out[22]: 3

　　In [23]: f.__next__()

　　None

　　Out[23]: 4

　　In [24]: f.__next__()

　　None

　　---------------------------------------------------------------------------

　　StopIteration Traceback (most recent call last)

　　in ()

　　----> 1 f.__next__()