黑马程序员技术交流社区

标题: python学习笔记--理解生成器 [打印本页]

---

作者: 易大帅    时间: 2017-3-13 10:12
标题: python学习笔记--理解生成器
python学习笔记--理解生成器(作者：lc013)
在学习python的时候，刚开始接触生成器（generator）这个概念的时候，其实还是不太能理解，感觉并没有完全掌握，今天看到这篇文章的时候，感觉对这个概念真的是有了进一步的了解，感觉生成器和列表解析的关系似乎有点类似于range和xrange函数的关系一样，列表解析是将要处理得到的序列都先生成了，而生成器是要通过多次迭代才会生成整个序列，否则每次执行就只是生成其中一个；此外，函数中出现了yield关键字，该函数就是生成器函数了。

这篇文章转载自深入理解Python中的生成器，另外也可以看看廖雪峰老师的教程。

生成器(generator)概念
生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。

生成器语法
1. 生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。

>>> gen = (x**2 for x in range(5))
>>> gen
<generator object <genexpr> 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-

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11

    生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。
    但是生成器函数可以生产一个无线的序列，这样列表根本没有办法进行处理。
    yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator。

下面为一个可以无穷生产奇数的生成器函数。

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

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11

当然通过手动编写迭代器可以实现类似的效果，只不过生成器更加直观易懂

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))

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11

题外话： 生成器是包含有iter()和next()方法的，所以可以直接使用for来迭代，而没有包含StopIteration的自编Iter来只能通过手动循环来迭代。

>>> 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).

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19

……
看到上面的结果，现在你可以很有信心的按照Iterator的方式进行循环了吧！

在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

yield 与 return
在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；

>>> def g1():
...     yield 1
...
>>> g=g1()
>>> next(g)    #第一次调用next(g)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。
1
>>> next(g)    #程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常。
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
>>>

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11

如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。

>>> def g2():
...     yield 'a'
...     return
...     yield 'b'
...
>>> g=g2()
>>> next(g)    #程序停留在执行完yield 'a'语句后的位置。
'a'
>>> next(g)    #程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行。
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12

如果在return后返回一个值，那么这个值为StopIteration异常的说明，不是程序的返回值。
生成器没有办法使用return来返回值。

>>> def g3():
...     yield 'hello'
...     return 'world'
...
>>> g=g3()
>>> next(g)
'hello'
>>> next(g)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration: world   

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11

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.

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16

close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。

>>> def g4():
...     yield 1
...     yield 2
...     yield 3
...
>>> g=g4()
>>> next(g)
1
>>> g.close()
>>> next(g)    #关闭后，yield 2和yield 3语句将不再起作用
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13

send()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方，也是最重要的地方，实现后面我会讲到的协程就全靠它了。

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'))

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13

执行流程：

    通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。
    此时，执行完了yield语句，但是没有给receive赋值。
    yield value会输出初始值0
    注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
    通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。
    此时yield value会输出”got: aaa”，然后挂起。

    通过g.send(3)，会重复第2步，最后输出结果为”got: 3”

    当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。
    最后的执行结果如下：

0
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in <module>
  print(g.send('e'))
StopIteration

    1
    2
    3
    4
    5
    6
    7

throw()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。

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))

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16

输出结果为：

normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):
  File "h.py", line 15, in <module>
    print(g.throw(TypeError))
StopIteration

    1
    2
    3
    4
    5
    6
    7
    8

解释：

    print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。
    由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。
    然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。
    print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。
    g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。
    下面给出一个综合例子，用来把一个多维列表展开，或者说扁平化多维列表)

def flatten(nested):

    try:
        #如果是字符串，那么手动抛出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)

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18

如果理解起来有点困难，那么把print语句的注释打开在进行查看就比较明了了。

总结

    按照鸭子模型理论，生成器就是一种迭代器，可以使用for进行迭代。
    第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存。 再一次执行next(generator)时，会从挂起的状态开始往后执行。
    在遇到程序的结尾或者遇到StopIteration时，循环结束。
    可以通过generator.send(arg)来传入参数，这是协程模型。
    可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。 可以通过generator.close()来手动关闭生成器。
    next()等价于send(None)

---

欢迎光临 黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2