python中的生成器

1. 生成器

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。

2. 创建生成器方法1

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 ( )

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>

In [19]:

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]: 0In [20]: next(G)
Out[20]: 2In [21]: next(G)
Out[21]: 4In [22]: next(G)
Out[22]: 6In [23]: next(G)
Out[23]: 8In [24]: next(G)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)

StopIteration:

In [25]:

In [26]: G = ( x*2 for x in range(5))

In [27]: for x in G:
   ....:     print(x)
   ....:     
02468In [28]:

3. 创建生成器方法2

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。

我们仍然用上一篇（python迭代器）提到的斐波那契数列来举例，回想我们在上一篇用迭代器的实现方式：

class Fabonacci(object):
        """斐波那契数列迭代器"""

        def __init__(self, num):
                self.num = num 
                self.index = 0 
                self.a = 0 
                self.b = 1 
    
        def __next__(self):
                if self.index < self.num:
                        v = self.a
                        self.b, self.a = self.a, self.a + self.b
                        self.index += 1
                        return v                else:                        raise StopIteration    
        def __iter__(self):
                return selfif __name__ == "__main__":
    
        fab = Fabonacci(15)        for i in fab:
                print(i)

注意，在用迭代器实现的方式中，我们要借助几个变量(num、index、a、b)来保存迭代的状态。现在我们用生成器来实现一下。

from collections import Iteratordef fabonacci(num):
        index = 0 
        a, b = 0, 1
        while index < num:
                val = a 
                b, a = a, a + b 
                index += 1
                yield val 
        return "done"fab = fabonacci(5)
print(isinstance(fab, Iterator))
print(next(fab))
print(next(fab))
print(next(fab))
print(next(fab))
print(next(fab))

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。

fab = fabonacci(5)for i in fab:
        print(i)

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：

fab = fabonacci(5)while True:        try:
                print(next(fab))        except StopIteration as e:
                print("生成器返回值为：", e.value)                break

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：

  • 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

  • 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）。

4. 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)
使用send：

def gen():
        i = 0 
        while i < 10: 
                temp = yield i
                print(temp)
                i += 1

g = gen()
print(next(g))

print(g.send("python"))

print(next(g))

print(g.send(None))

使用next：

g = gen()
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))

使用__next__方法（不常用）：

g = gen()
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())
print(g.__next__())

原文出处：https://www.cnblogs.com/zhangfengxian/p/10160872.html