生成器

如果在一個(gè)方法內(nèi)，包含了 yield 關(guān)鍵字，那么這個(gè)函數(shù)就是一個(gè)「生成器」。

生成器其實(shí)就是一個(gè)特殊的迭代器，它可以像迭代器那樣，迭代輸出方法內(nèi)的每個(gè)元素。

我們來看一個(gè)包含 yield 關(guān)鍵字的方法：

#coding:utf8
#生成器
defgen(n):
foriinrange(n):
yieldi
g=gen(5)#創(chuàng)建一個(gè)生成器
print(g)#<generatorobjectgenat0x10bb46f50>
print(type(g))#<type'generator'>
#迭代生成器中的數(shù)據(jù)
foriing:
print(i)
#Output:
#01234

注意，在這個(gè)例子中，當(dāng)我們執(zhí)行 g = gen(5) 時(shí)，gen 中的代碼其實(shí)并沒有執(zhí)行，此時(shí)我們只是創(chuàng)建了一個(gè)「生成器對(duì)象」，它的類型是 generator。

然后，當(dāng)我們執(zhí)行 for i in g，每執(zhí)行一次循環(huán)，就會(huì)執(zhí)行到 yield 處，返回一次 yield 后面的值。

這個(gè)迭代過程是和迭代器最大的區(qū)別。

換句話說，如果我們想輸出 5 個(gè)元素，在創(chuàng)建生成器時(shí)，這個(gè) 5 個(gè)元素其實(shí)還并沒有產(chǎn)生，什么時(shí)候產(chǎn)生呢？只有在執(zhí)行 for 循環(huán)遇到 yield 時(shí)，才會(huì)依次生成每個(gè)元素。

此外，生成器除了和迭代器一樣實(shí)現(xiàn)迭代數(shù)據(jù)之外，還包含了其他方法：

• generator.__next__()：執(zhí)行 for 時(shí)調(diào)用此方法，每次執(zhí)行到 yield 就會(huì)停止，然后返回 yield 后面的值，如果沒有數(shù)據(jù)可迭代，拋出 StopIterator 異常，for 循環(huán)結(jié)束
• generator.send(value)：外部傳入一個(gè)值到生成器內(nèi)部，改變 yield 前面的值
• generator.throw(type[, value[, traceback]])：外部向生成器拋出一個(gè)異常
• generator.close()：關(guān)閉生成器
  

通過使用生成器的這些方法，我們可以完成很多有意思的功能。

next

先來看生成器的 __next__ 方法，我們看下面這個(gè)例子。

#coding:utf8
defgen(n):
foriinrange(n):
print('yieldbefore')
yieldi
print('yieldafter')
g=gen(3)#創(chuàng)建一個(gè)生成器
print(g.__next__())#0
print('----')
print(g.__next__())#1
print('----')
print(g.__next__())#2
print('----')
print(g.__next__())#StopIteration
#Output:
#yieldbefore
#0
#----
#yieldafter
#yieldbefore
#1
#----
#yieldafter
#yieldbefore
#2
#----
#yieldafter
#Traceback(mostrecentcalllast):
#File"gen.py",line16,in<module>
#print(g.__next__())#StopIteration
#StopIteration

在這個(gè)例子中，我們定義了 gen 方法，這個(gè)方法包含了 yield 關(guān)鍵字。然后我們執(zhí)行 g = gen(3) 創(chuàng)建一個(gè)生成器，但是這次沒有執(zhí)行 for 去迭代它，而是多次調(diào)用 g.__next__() 去輸出生成器中的元素。

我們看到，當(dāng)執(zhí)行 g.__next__()時(shí)，代碼就會(huì)執(zhí)行到 yield 處，然后返回 yield 后面的值，如果繼續(xù)調(diào)用 g.__next__()，注意，你會(huì)發(fā)現(xiàn)，這次執(zhí)行的開始位置，是上次 yield 結(jié)束的地方，并且它還保留了上一次執(zhí)行的上下文，繼續(xù)向后迭代。

這就是使用 yield 的作用，在迭代生成器時(shí)，每一次執(zhí)行都可以保留上一次的狀態(tài)，而不是像普通方法那樣，遇到 return 就返回結(jié)果，下一次執(zhí)行只能再次重復(fù)上一次的流程。

生成器除了能保存狀態(tài)之外，我們還可以通過其他方式，改變其內(nèi)部的狀態(tài)，這就是下面要講的 send 和 throw 方法。

send

上面的例子中，我們只展示了在 yield 后有值的情況，其實(shí)還可以使用 j = yield i 這種語法，我們看下面的代碼：

#coding:utf8
defgen():
i=1
whileTrue:
j=yieldi
i*=2
ifj==-1:
break

此時(shí)如果我們執(zhí)行下面的代碼：

foriingen():
print(i)
time.sleep(1)

輸出結(jié)果會(huì)是 1 2 4 8 16 32 64 ... 一直循環(huán)下去， 直到我們殺死這個(gè)進(jìn)程才能停止。

這段代碼一直循環(huán)的原因在于，它無法執(zhí)行到 j == -1 這個(gè)分支里 break 出來，如果我們想讓代碼執(zhí)行到這個(gè)地方，如何做呢？

這里就要用到生成器的 send 方法了，send 方法可以把外部的值傳入生成器內(nèi)部，從而改變生成器的狀態(tài)。

代碼可以像下面這樣寫：

g=gen()#創(chuàng)建一個(gè)生成器
print(g.__next__())#1
print(g.__next__())#2
print(g.__next__())#4
#send把-1傳入生成器內(nèi)部走到了j=-1這個(gè)分支
print(g.send(-1))#StopIteration迭代停止

當(dāng)我們執(zhí)行 g.send(-1) 時(shí)，相當(dāng)于把 -1 傳入到了生成器內(nèi)部，然后賦值給了 yield 前面的 j，此時(shí) j = -1，然后這個(gè)方法就會(huì) break 出來，不會(huì)繼續(xù)迭代下去。

throw

外部除了可以向生成器內(nèi)部傳入一個(gè)值外，還可以傳入一個(gè)異常，也就是調(diào)用 throw 方法：

#coding:utf8
defgen():
try:
yield1
exceptValueError:
yield'ValueError'
finally:
print('finally')
g=gen()#創(chuàng)建一個(gè)生成器
print(g.__next__())#1
#向生成器內(nèi)部傳入異常返回ValueError
print(g.throw(ValueError))
#Output：
#1
#ValueError
#finally

這個(gè)例子創(chuàng)建好生成器后，使用 g.throw(ValueError) 的方式，向生成器內(nèi)部傳入了一個(gè)異常，走到了生成器異常處理的分支邏輯。

close

生成器的 close 方法也比較簡單，就是手動(dòng)關(guān)閉這個(gè)生成器，關(guān)閉后的生成器無法再進(jìn)行操作。

>>>g=gen()
>>>g.close()#關(guān)閉生成器
>>>g.__next__()#無法迭代數(shù)據(jù)
Traceback(mostrecentcalllast):
File"<stdin>",line1,in<module>
StopIteration

使用場景

了解了 yield 和生成器的使用方式，那么 yield 和生成器一般用在哪些業(yè)務(wù)場景中呢？

下面我介紹幾個(gè)例子，分別是大集合的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā)，你可以參考這些使用場景來使用 yield。

大集合的生成

如果你想生成一個(gè)非常大的集合，如果使用 list 創(chuàng)建一個(gè)集合，這會(huì)導(dǎo)致在內(nèi)存中申請(qǐng)一個(gè)很大的存儲(chǔ)空間，例如想下面這樣：

#coding:utf8
defbig_list():
result=[]
foriinrange(10000000000):
result.append(i)
returnresult
#一次性在內(nèi)存中生成大集合內(nèi)存占用非常大
foriinbig_list():
print(i)

這種場景，我們使用生成器就能很好地解決這個(gè)問題。

因?yàn)樯善髦挥性趫?zhí)行到 yield 時(shí)才會(huì)迭代數(shù)據(jù)，這時(shí)只會(huì)申請(qǐng)需要返回元素的內(nèi)存空間，代碼可以這樣寫：

#coding:utf8
defbig_list():
foriinrange(10000000000):
yieldi
#只有在迭代時(shí)才依次生成元素減少內(nèi)存占用
foriinbig_list():
print(i)

簡化代碼結(jié)構(gòu)

我們在開發(fā)時(shí)還經(jīng)常遇到這樣一種場景，如果一個(gè)方法要返回一個(gè) list，但這個(gè) list 是多個(gè)邏輯塊組合后才能產(chǎn)生的，這就會(huì)導(dǎo)致我們的代碼結(jié)構(gòu)變得很復(fù)雜：

#coding:utf8
defgen_list():
#多個(gè)邏輯塊組成生成一個(gè)列表
result=[]
foriinrange(10):
result.append(i)
forjinrange(5):
result.append(j*j)
forkin[100,200,300]:
result.append(k)
returnresult
foritemingen_list():
print(item)

這種情況下，我們只能在每個(gè)邏輯塊內(nèi)使用 append 向 list 中追加元素，代碼寫起來比較啰嗦。

此時(shí)如果使用 yield 來生成這個(gè) list，代碼就簡潔很多：

#coding:utf8
defgen_list():
#多個(gè)邏輯塊使用yield生成一個(gè)列表
foriinrange(10):
yieldi
forjinrange(5):
yieldj*j
forkin[100,200,300]:
yieldk
foritemingen_list():
print(i)

使用 yield 后，就不再需要定義 list 類型的變量，只需在每個(gè)邏輯塊直接 yield 返回元素即可，可以達(dá)到和前面例子一樣的功能。

我們看到，使用 yield 的代碼更加簡潔，結(jié)構(gòu)也更清晰，另外的好處是只有在迭代元素時(shí)才申請(qǐng)內(nèi)存空間，降低了內(nèi)存資源的消耗。

協(xié)程與并發(fā)

還有一種場景是 yield 使用非常多的，那就是「協(xié)程與并發(fā)」。

如果我們想提高程序的執(zhí)行效率，通常會(huì)使用多進(jìn)程、多線程的方式編寫程序代碼，最常用的編程模型就是「生產(chǎn)者-消費(fèi)者」模型，即一個(gè)進(jìn)程 / 線程生產(chǎn)數(shù)據(jù)，其他進(jìn)程 / 線程消費(fèi)數(shù)據(jù)。

在開發(fā)多進(jìn)程、多線程程序時(shí)，為了防止共享資源被篡改，我們通常還需要加鎖進(jìn)行保護(hù)，這樣就增加了編程的復(fù)雜度。

在 Python 中，除了使用進(jìn)程和線程之外，我們還可以使用「協(xié)程」來提高代碼的運(yùn)行效率。

什么是協(xié)程？

簡單來說，由多個(gè)程序塊組合協(xié)作執(zhí)行的程序，稱之為「協(xié)程」。

而在 Python 中使用「協(xié)程」，就需要用到 yield 關(guān)鍵字來配合。

可能這么說還是太好理解，我們用 yield 實(shí)現(xiàn)一個(gè)協(xié)程生產(chǎn)者、消費(fèi)者的例子：

#coding:utf8
defconsumer():
i=None
whileTrue:
#拿到producer發(fā)來的數(shù)據(jù)
j=yieldi
print('consume%s'%j)
defproducer(c):
c.__next__()
foriinrange(5):
print('produce%s'%i)
#發(fā)數(shù)據(jù)給consumer
c.send(i)
c.close()
c=consumer()
producer(c)
#Output:
#produce0
#consume0
#produce1
#consume1
#produce2
#consume2
#produce3
#consume3
...

這個(gè)程序的執(zhí)行流程如下：

• c = consumer() 創(chuàng)建一個(gè)生成器對(duì)象
• producer(c) 開始執(zhí)行，c.__next()__ 會(huì)啟動(dòng)生成器 consumer 直到代碼運(yùn)行到 j = yield i 處，此時(shí) consumer 第一次執(zhí)行完畢，返回
• producer 函數(shù)繼續(xù)向下執(zhí)行，直到 c.send(i) 處，這里利用生成器的 send 方法，向 consumer 發(fā)送數(shù)據(jù)
• consumer 函數(shù)被喚醒，從 j = yield i 處繼續(xù)開始執(zhí)行，并且接收到 producer 傳來的數(shù)據(jù)賦值給 j，然后打印輸出，直到再次執(zhí)行到 yield 處，返回
• producer 繼續(xù)循環(huán)執(zhí)行上面的過程，依次發(fā)送數(shù)據(jù)給 cosnumer，直到循環(huán)結(jié)束
• 最終 c.close() 關(guān)閉 consumer 生成器，程序退出
  

在這個(gè)例子中我們發(fā)現(xiàn)，程序在 producer 和 consumer 這 2 個(gè)函數(shù)之間來回切換執(zhí)行，相互協(xié)作，完成了生產(chǎn)任務(wù)、消費(fèi)任務(wù)的業(yè)務(wù)場景，最重要的是，整個(gè)程序是在單進(jìn)程單線程下完成的。

這個(gè)例子用到了上面講到的 yield、生成器的 __next__、send、close 方法。如果不好理解，你可以多看幾遍這個(gè)例子，最好自己測試一下。

我們使用協(xié)程編寫生產(chǎn)者、消費(fèi)者的程序時(shí)，它的好處是：

整個(gè)程序運(yùn)行過程中無鎖，不用考慮共享變量的保護(hù)問題，降低了編程復(fù)雜度
程序在函數(shù)之間來回切換，這個(gè)過程是用戶態(tài)下進(jìn)行的，不像進(jìn)程 / 線程那樣，會(huì)陷入到內(nèi)核態(tài)，這就減少了內(nèi)核態(tài)上下文切換的消耗，執(zhí)行效率更高
所以，Python 的 yield 和生成器實(shí)現(xiàn)了協(xié)程的編程方式，為程序的并發(fā)執(zhí)行提供了編程基礎(chǔ)。

Python 中的很多第三方庫，都是基于這一特性進(jìn)行封裝的，例如 gevent、tornado，它們都大大提高了程序的運(yùn)行效率。

總結(jié)

總結(jié)一下，這篇文章我們主要講了 yield 的使用方式，以及生成器的各種特性。

生成器是一種特殊的迭代器，它除了可以迭代數(shù)據(jù)之外，在執(zhí)行時(shí)還可以保存方法中的狀態(tài)，除此之外，它還提供了外部改變內(nèi)部狀態(tài)的方式，把外部的值傳入到生成器內(nèi)部。

利用 yield 和生成器的特性，我們在開發(fā)中可以用在大集成的生成、簡化代碼結(jié)構(gòu)、協(xié)程與并發(fā)的業(yè)務(wù)場景中。

Python 的 yield 也是實(shí)現(xiàn)協(xié)程和并發(fā)的基礎(chǔ)，它提供了協(xié)程這種用戶態(tài)的編程模式，提高了程序運(yùn)行的效率。

以上就是python如何正確使用yield的詳細(xì)內(nèi)容，更多關(guān)于python 使用yield的資料請(qǐng)關(guān)注本站其它相關(guān)文章！

美國穩(wěn)定服務(wù)器

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。