Python Yield Generator 详解
来源:互联网 发布:在线考试数据库设计 编辑:程序博客网 时间:2024/04/25 22:23
本文将由浅入深详细介绍yield 以及 generator ,包括以下内容:什么 generator ,生成 generator 的方法,generator 的特点, generator 基础及高级应用场景, generator 使用中的注意事项等等,一起来看看吧,希望对大家 学习python有所帮助 。
generator基础
在python 的函数( function )定义中,只要出现了 yield 表达式( Yield expression ),那么事实上定义的是一个 generator function , 调用这个 generator function 返回值是一个 generator 。这根普通的函数调用有所区别, For example :
def gen_generator():
yield 1
def gen_value():
return 1
if __name__ == '__main__':
ret = gen_generator()
print ret, type(ret) #
ret = gen_value()
print ret, type(ret) # 1
从上面的代码可以看出,gen_generator 函数返回的是一个 generator 实例, generator 有以下特别:
· 遵循迭代器( iterator )协议,迭代器协议需要实现 __iter__ 、 next 接口
· 能过多次进入、多次返回,能够暂停函数体中代码的执行
下面看一下测试代码:
>>> def gen_example():
... print 'before any yield'
... yield 'first yield'
... print 'between yields'
... yield 'second yield'
... print 'no yield anymore'... >>> gen = gen_example()>>> gen.next()
# 第一次调用next
before any yield'first yield'>>> gen.next()
# 第二次调用next
between yields'second yield'>>> gen.next()
# 第三次调用next
no yield anymore
Traceback (most recent call last):
File "", line 1, in
StopIteratio
调用gen example 方法并没有输出任何内容,说明函数体的代码尚未开始执行。当调用 generator 的next 方法, generator 会执行到 yield 表达式处,返回 yield 表达式的内容,然后暂停(挂起)在这个地方,所以第一次调用 next 打印第一句并返回 “first yield” 。 暂停 意味着方法的局部变量,指针信息,运行环境都保存起来,直到下一次调用next 方法恢复。第二次调用 next 之后就暂停在最后一个 yield ,再次调用 next()方法,则会抛出 StopIteration 异常。
因为for 语句能自动捕获 StopIteration 异常,所以 generator (本质上是任何 iterator )较为常用的方法是在循环中使用:
def generator_example():
yield 1
yield 2
if __name__ == '__main__':
for e in generator_example():
print e
# output 1 2
generator function 产生的 generator 与普通的 function 有什么区别呢?
(1 ) function 每次都是从第一行开始运行,而 generator 从上一次 yield 开始的地方运行
(2 ) function 调用一次返回一个(一组)值,而 generator 可以多次返回
(3 ) function 可以被无数次重复调用,而一个 generator 实例在 yield 最后一个值 或者 return 之后就不能继续调用了
在函数中使用Yield ,然后调用该函数是生成 generator 的一种方式。另一种常见的方式是使用generator expression , For example :
>>> gen = (x * x for x in xrange(5))>>> print gen
<generator objectat 0x02655710>
generator应用
generator基础应用
为什么使用generator 呢,最重要的原因是可以 按需生成并“返回”结果 ,而不是一次性产生所有的返回值,况且有时候根本就不知道“ 所有的返回值 ” 。比如对于下面的代码:
RANGE_NUM = 100
for i in [x*x for x in range(RANGE_NUM)]: # 第一种方法:对列表进行迭代
# do sth for example
print i
for i in (x*x for x in range(RANGE_NUM)): # 第二种方法:对 generator 进行迭代
# do sth for example
print i
在上面的代码中,两个for 语句输出是一样的,代码字面上看来也就是中括号与小括号的区别。但这点区别差异是很大的,第一种方法返回值是一个列表,第二个方法返回的是一个 generator 对象。随着RANGE_NUM 的变大,第一种方法返回的列表也越大,占用的内存也越大;但是对于第二种方法没有任何区别。
我们再来看一个可以“ 返回 ” 无穷多次的例子:
def fib():
a, b = 1, 1
while True:
yield a
a, b = b, a+b
这个generator 拥有生成无数多 “ 返回值 ” 的能力,使用者可以自己决定什么时候停止迭代。
generator高级应用
使用场景一:
Generator 可用于产生数据流, generator 并不立刻产生返回值,而是等到被需要的时候才会产生返回值,相当于一个主动拉取的过程 (pull) ,比如现在有一个日志文件,每行产生一条记录,对于每一条记录,不同部门的人可能处理方式不同,但是我们可以提供一个公用的、按需生成的数据流。
def gen_data_from_file(file_name):
for line in file(file_name):
yield line
def gen_words(line):
for word in (w for w in line.split() if w.strip()):
yield word
def count_words(file_name):
word_map = {}
for line in gen_data_from_file(file_name):
for word in gen_words(line):
if word not in word_map:
word_map[word] = 0
word_map[word] += 1
return word_map
def count_total_chars(file_name):
total = 0
for line in gen_data_from_file(file_name):
total += len(line)
return total
if __name__ == '__main__':
print count_words('test.txt'), count_total_chars('test.txt')
上面的例子来自08 年的 PyCon 一个讲座。 gen_words gen_data_from_file 是数据生产者,而count_words count_total_chars 是数据的消费者。可以看到, 数据只有在需要的时候去拉取的,而不是提前准备好 。另外gen_words 中 (w for w in line.split() if w.strip()) 也是产生了一个 generator 。
使用场景二:
一些编程场景中,一件事情可能需要执行一部分逻辑,然后等待一段时间、或者等待某个异步的结果、或者等待某个状态,然后继续执行另一部分逻辑。比如微服务架构中,服务A 执行了一段逻辑之后,去服务B 请求一些数据,然后在服务 A 上继续执行。或者在游戏编程中,一个技能分成分多段,先执行一部分动作(效果),然后等待一段时间,然后再继续。对于这种需要等待、而又不希望阻塞的情况,我们一般使用回调( callback )的方式。下面举一个简单的例子:
def do(a):
print 'do', a
CallBackMgr.callback(5, lambda a = a: post_do(a))
def post_do(a):
print 'post_do', a
这里的CallBackMgr 注册了一个 5s 后的时间, 5s 之后再调用 lambda 函数,可见 一段逻辑被分裂到两个函数,而且还需要上下文的传递 (如这里的参数a )。我们用 yield 来修改一下这个例子, yield 返回值代表等待的时间。
@yield_dec
def do(a):
print 'do', a
yield 5
print 'post_do', a
这里需要实现一个YieldManager , 通过 yield_dec 这个 decrator 将 do 这个 generator 注册到YieldManager ,并在 5s 后调用 next 方法。 Yield 版本实现了和回调一样的功能,但是看起来要清晰许多。下面给出一个简单的实现以供参考:
# -*- coding:utf-8 -*- import sys# import Timer import types import time
class YieldManager(object):
def __init__(self, tick_delta = 0.01):
self.generator_dict = {}
# self._tick_timer = Timer.addRepeatTimer(tick_delta, lambda: self.tick())
def tick(self):
cur = time.time()
for gene, t in self.generator_dict.items():
if cur >= t:
self._do_resume_genetator(gene,cur)
def _do_resume_genetator(self,gene, cur ):
try:
self.on_generator_excute(gene, cur)
except StopIteration,e:
self.remove_generator(gene)
except Exception, e:
print 'unexcepet error', type(e)
self.remove_generator(gene)
def add_generator(self, gen, deadline):
self.generator_dict[gen] = deadline
def remove_generator(self, gene):
del self.generator_dict[gene]
def on_generator_excute(self, gen, cur_time = None):
t = gen.next()
cur_time = cur_time or time.time()
self.add_generator(gen, t + cur_time)
g_yield_mgr = YieldManager()
def yield_dec(func):
def _inner_func(*args, **kwargs):
gen = func(*args, **kwargs)
if type(gen) is types.GeneratorType:
g_yield_mgr.on_generator_excute(gen)
return gen
return _inner_func
@yield_dec def do(a):
print 'do', a
yield 2.5
print 'post_do', a
yield 3
print 'post_do again', a
if __name__ == '__main__':
do(1)
for i in range(1, 10):
print 'simulate a timer, %s seconds passed' % i
time.sleep(1)
g_yield_mgr.tick()
注意事项:
(1 ) Yield 是不能嵌套的!
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
visit(elem) # here value retuened is generator
else:
yield elem
if __name__ == '__main__':
for e in visit([1, 2, (3, 4), 5]):
print e
上面的代码访问嵌套序列里面的每一个元素,我们期望的输出是1 2 3 4 5 ,而实际输出是 1 2 5 。为什么呢,如注释所示, visit 是一个 generator function ,所以第 4 行返回的是 generator object ,而代码也没这个 generator 实例迭代。那么改改代码,对这个临时的 generator 进行迭代就行了。
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
for e in visit(elem):
yield e
else:
yield elem
或者在python3.3 中 可以使用 yield from ,这个语法是在 pep380 加入的:
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
yield from visit(elem)
else:
yield elem
(2 ) generator function 中使用 return
在python doc 中,明确提到是可以使用 return 的,当 generator 执行到这里的时候抛出 StopIteration 异常。
def gen_with_return(range_num):
if range_num < 0:
return
else:
for i in xrange(range_num):
yield i
if __name__ == '__main__':
print list(gen_with_return(-1))
print list(gen_with_return(1))
但是,generator function 中的 return 是不能带任何返回值的。
def gen_with_return(range_num):
if range_num < 0:
return 0
else:
for i in xrange(range_num):
yield i
上面的代码会报错: SyntaxError: ‘return’ with argument inside generator
来源: 伯乐在线
阅读全文
0 0
- python yield generator 详解
- python yield generator 详解
- python yield generator 详解
- python yield generator 详解
- Python Yield Generator 详解
- python generator / yield statement
- Python yield expression (generator)
- python中yield generator
- python iterator generator yield
- Python yield and generator
- python yield和generator
- python yield generator
- generator yield超详解
- Python生成器详解(从Iterable,Iterator知Generator,Yield)
- python 关于yield, generator, iterable
- python的yield和generator
- python generator yield 协程 coroutine
- python中的生成器 generator yield
- c++单例模式
- 快速Android开发系列网络篇之Android-Async-Http
- CSS盒子模型
- F
- UVALive
- Python Yield Generator 详解
- OAUS自动更新
- 网络相关笔记和资料目录连接
- 重载(overload)和重写(overied,有的书也叫作“覆盖”)的区别?
- Action 动作
- 解决文件嵌套太深无法删除问题。
- 随机生成中文姓名,性别,Email,手机号,住址
- Android开发初级(二)——开发环境搭建
- 时间选择器