Python生成器

生成器

创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：网站设计制作、成都网站建设、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的肇东网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

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]: 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]: 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)

....:

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)

in ()

----> 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)

....:

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:2

value:3

value:5

生成器返回值:done

In [41]:

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)。郑州妇科医院 http://www.zykdfkyy.com/

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)

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)

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__()

本文题目：Python生成器
新闻来源：http://6mz.cn/article/iidjss.html

网站建设知识

Python生成器

其他资讯