這篇文章主要由淺入深講解了python中yield與generator的相關資料，文中介紹的非常詳細，對大家具有一定的參考價值，需要的朋友們下面來一起看看吧。
前言
本文將由淺入深詳細介紹yield以及generator，包含以下內容：什麼generator，產生generator的方法，generator的特點，generator基礎及進階應用場景，generator使用中的注意事項。本文不包括enhanced generator即pep342相關內容，這部分內容在後面介紹。
generator基礎
在python的函數（function）定義中，只要出現了yield表達式（Yield expression），那麼事實上定義的是一個generator function， 呼叫這個generator function回傳值是一個generator。這根普通的函數呼叫有所區別，For example：
def gen_generator(): yield 1 def gen_value(): return 1 if __name__ == '__main__': ret = gen_generator() print ret, type(ret) #<generator object gen_generator at 0x02645648> <type 'generator'> ret = gen_value() print ret, type(ret) # 1 <type 'int'>
從上面的程式碼可以看出，gen_generator函數傳回的是一個generator實例
#generator有以下特別：
•遵循迭代器（iterator）協議，迭代器協定需要實作__iter__ 、next介面
# •能過多次進入、多次返回，能夠暫停函數體中程式碼的執行
下面看一下測試程式碼：
>>> 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 "<stdin>", line 1, in <module> StopIteratio
呼叫gen example方法並沒有輸出任何內容，說明函數體的程式碼尚未開始執行。當呼叫generator的next方法，generator會執行到yield 表達式處，返回yield表達式的內容，然後暫停（掛起）在這個地方，所以第一次調用next打印第一句並返回“first yield”。 暫停意味著方法的局部變量，指標訊息，運行環境都保存起來，直到下一次呼叫next方法恢復。第二次呼叫next之後就暫停在最後一個yield，再次呼叫next()方法，則會拋出StopIteration異常。
因為for語句能自動捕獲StopIteration異常，所以generator（本質上是任何iterator）較為常用的方法是在循環中使用：
def generator_example(): yield 1 yield 2 if __name__ == '__main__': for e in generator_example(): print e # output 1 2
#generator function產生的generator與普通的function有什麼差別呢
（1）function每次都是從第一行開始運行，而generator從上一次yield開始的地方運行
# （2） function調用一次返回一個（一組）值，而generator可以多次返回
（3）function可以被無數次重複調用，而一個generator實例在yield最後一個值或者return之後就不能繼續調用了
在函數中使用Yield，然後呼叫該函數是產生generator的一種方式。另一種常見的方式是使用generator expression，For example：
>>> gen = (x * x for x in xrange(5)) >>> print gen <generator object <genexpr> at 0x02655710>
generator應用
## generator基礎應用
為什麼使用generator呢，最重要的原因是可以按需生成並“返回”結果，而不是一次性產生所有的返回值，況且有時根本就不知道“所有的返回值」。
例如對於下面的程式碼
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
在上面的程式碼中，兩個for語句輸出是一樣的，程式碼字面上看來也就是中括號與小括號的區別。但這點差異差異是很大的，第一種方法回傳值是一個列表，第二個方法回傳的是一個generator物件。隨著RANGE_NUM的變大，第一種方法傳回的清單也越大，佔用的記憶體也越大；但是對於第二種方法沒有任何差異。 我們再來看一個可以「返回」無窮多次的例子：def fib(): a, b = 1, 1 while True: yield a a, b = b, a+b
generator進階應用 ################使用場景一： #########Generator可用於產生資料流，generator不是立刻產生回傳值，而是等到被需要的時候才會產生回傳值，相當於一個主動拉取的過程(pull)，例如現在有一個日誌文件，每行產生一筆記錄，對於每一筆記錄，不同部門的人可能處理方式不同，但是我們可以提供一個公用的、按需產生的資料流。 ###
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')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
总结
以上是詳細介紹python中的yield與generator的詳細內容。更多資訊請關注PHP中文網其他相關文章！
