Python中生成器详解

爱被打了一巴掌 2022-11-27 10:13 241阅读 0赞

前言：在前面的博文里，已经介绍了生成器：[Python迭代器与生成器总结【建议收藏】][Python]，本博文将系统介绍Python中的生成器。

### 文章目录 ###

*   *  一、生成器简介
     *  二、使用()创建生成器
     *  三、使用yield创建生成器
     *  四、使用send唤醒

## 一、生成器简介 ##

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。

## 二、使用()创建生成器 ##

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 ( )，如下：

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]: <generator object <genexpr> at 0x7f626c132db0>

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。

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)
    <ipython-input-24-380e167d6934> in <module>()
    ----> 1 next(G)
    
    StopIteration:

In [25]: G = ( x*2 for x in range(5))
    
    In [26]: for x in G:
       ....:     print(x)
       ....:     
    0
    2
    4
    6
    8

## 三、使用yield创建生成器 ##

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。

我们仍然用上一节提到的斐波那契数列来举例，回想我们在上一节用迭代器的实现方式：

class FibIterator(object):
        """斐波那契数列迭代器"""
        def __init__(self, n):
            """ :param n: int, 指明生成数列的前n个数 """
            self.n = n
            # current用来保存当前生成到数列中的第几个数了
            self.current = 0
            # num1用来保存前前一个数，初始值为数列中的第一个数0
            self.num1 = 0
            # num2用来保存前一个数，初始值为数列中的第二个数1
            self.num2 = 1
    
        def __next__(self):
            """被next()函数调用来获取下一个数"""
            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__返回自身即可"""
            return self

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。

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)
    <ipython-input-37-8c2b02b4361a> in <module>()
    ----> 1 next(F)
    
    StopIteration: done

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。

In [38]: for n in fib(5):
       ....:     print(n)
       ....:     
    1
    1
    2
    3
    5

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：

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

**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：
    
    1.  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。
    2.  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）。

## 四、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)

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函数

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)
    <ipython-input-17-468f0afdf1b9> in <module>()
    ----> 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)
    <ipython-input-24-39ec527346a9> in <module>()
    ----> 1 f.__next__()
    
    StopIteration:

[Python]: https://luckylifes.blog.csdn.net/article/details/107305811