Python之生成器详解

短命女 2021-09-14 00:00 310阅读 0赞

## 迭代 ##

维基百科对迭代的定义如下

> 迭代是重复反馈过程的活动，其目的通常是为了接近并到达所需的目标或结果。每一次对过程的重复被称为一次“迭代”，而每一次迭代得到的结果会被用来作为下一次迭代的初始值。

--------------------

## 可迭代对象(iterable) 与 迭代器(iterator) ##

关系如下图：

![这里写图片描述][SouthEast]

**可迭代对象（ iterable ）** 是实现了`__iter__()`方法的对象  
**迭代器（ iterator）**是实现了`__iter__()`和`__next__()`方法的对象  
**可迭代对象（ iterable ）**通过调用 `iter()` 方法得到一个 **迭代器（ iterator）**

可迭代对象的特点：能够使⽤for…in…的循环语法的对象，即 list、tuple、str 等类型的对象  
迭代器对象的特点：该对象是消耗型的,即对该对象每遍历一次，就消失一个值，遍历完后，就变成了一个空的容器，但不等于 None。

通过如下代码，可以很清楚的认识`可迭代对象`与`迭代器`的特点与联系

>>> from collections import Iterable, Iterator
    >>> a = [1,2,3]   # 众所周知,list是一个iterable
    >>> b = iter(a)   # 通过iter()方法,得到iterator,iter()实际上调用了__iter__(),此后不再多说
    >>> isinstance(a, Iterable)
    True
    >>> isinstance(a, Iterator)
    False
    >>> isinstance(b, Iterable)
    True
    >>> isinstance(b, Iterator)
    True
    # 可见,itertor一定是iterable,但iterable不一定是itertor
    
    # iterator是消耗型的,用一次少一次.对iterator进行变量,iterator就空了!
    >>> c = list(b)
    >>> c
    [1, 2, 3]
    >>> d = list(b)
    >>> d
    []
    
    
    # 空的iterator并不等于None.
    >>> if b:
    ...   print(1)
    ...
    1
    >>> if b == None:
    ...   print(1)
    ...
    
    # 再来感受一下next()
    >>> e = iter(a)
    >>> next(e)     #next()实际调用了__next__()方法,此后不再多说
    1
    >>> next(e)
    2

然提到了for … in …语句,我们再来简单讲下其工作原理吧,或许能帮助理解以上所讲的内容

>>> x = [1, 2, 3]
    >>> for i in x:
    ...     ...

我们对一个iterable用for … in …进行迭代时，实际是先通过调用iter()方法得到一个iterator，假设叫做X.然后循环地调用X的next()方法取得每一次的值，直到iterator为空，返回的StopIteration作为循环结束的标志 for … in … 会自动处理StopIteration异常，从而避免了抛出异常而使程序中断。如图所示  
![这里写图片描述][SouthEast]

--------------------

## 生成器 ##

> **迭代器与生成器的区别：**  
> 1、生成器是一种特殊的迭代器，所以迭代器的用法可以用于生成器  
> 2、要定义一个迭代器，需要分别实现`__iter__()`方法和`__next__()`方法  
> 3、要定义生成器，只需要一个 yield

**生成器**，即带有yield的函数，是一种特殊的迭代器，包含生成器函数和生成器表达式（形如(elem for elem in \[1, 2, 3\])的表达式）

**示例代码如下：**

>>> a = (elem for elem in [1, 2, 3])
    >>> a
    <generator object <genexpr> at 0x7f0d23888048>
    >>> def fib():
    ...     a, b = 0, 1
    ...     while True:
    ...         yield b
    ...         a, b = b, a + b
    ...
    >>> b = fib()
    <generator object fib at 0x7f0d20bbfea0>

**生成器的调用方法：**  
示例代码：

>>> def gen():
    ...     while True:
    ...         s = yield
    ...         print(s)
    ...
    >>> g = gen()
    >>> g.send("kissg")
    Traceback (most recent call last):
      File "<stdin>", line 1, in <module>
    TypeError: can't send non-None value to a just-started generator >>> next(g) >>> g.send("kissg") kissg

**问题所在：**调用 send(value) 时要注意，要确保 generator 是在yield 处被暂停了，如此才能向 yield 表达式传值，否则将会报错(如上所示)，可通过 next() 方法或send(None) 使generator执行到yield。

**再来看一段yield更复杂的用法，或许能加深你对generator的next()与send(value)的理解。**

>>> def echo():
    ...     for row in range(5):
    ...         s = yield row   #若此处 yield 后面无参数，则默认值为 None。通过send(value)方法将value作为yield表达式的当前值
    ...         print("This value is: ", value)
    ...
    >>> g = echo()
    >>> g.send(None)  # 或者换成 next(g)
    0
    >>> g.send("hello")
    This value is: hello
    1
    >>>
    >>> g.send("world")    # 获取 s = yield row 中的 s 值
    This value is: world
    2
    >>>
    >>> next(g)            # 获取 echo() 对象的值
    This value is: None
    3
    >>>
    >>> next(g)
    This value is: None
    4

使用生成器实现生产者消费者模式，代码如下：

import threading
    import time
    
    # 消费者
    def consumer():
        data = ''
        while True:
            r = yield data
            data = '生产的'+r+'还不错'
            time.sleep(1)
    
    # 生产者
    def produce(con):
        con.send(None)   #可通过 next() 方法或send(None) 使生成器执行到yield，才能进行下一步生产消费操作
        for i in range(5):
            print('生产者生产了%d' % i)
            r = con.send(str(i))
            print(r)
    if __name__ == '__main__':
        m = consumer()
        produce(m)

综上，yield 作为一个暂停恢复的点,代码从yield处恢复，又在下一个yield处暂停。可见，在一次 next() (非首次)或 send(value) 调用过程中，实际上存在2个 yield，一个作为恢复点的 yield 与一个作为暂停点的 yield。因此，也就有2个yield表达式。send(value) 方法是将值传给恢复点yield，调用next()表达式的值时，其恢复点yield的值总是为None，而将暂停点的yield表达式的值返回。

**使用yield实现协程**

#!/usr/bin/python
    
    def consumer():
        r = ''
        while True:
            n = yield r
            if not n:
                print("not n...")
                return
            print('[CONSUMER] Consuming %s...' % n)
            r = '200 OK'
    
    def produce(c):
        f = c.send(None)
        print('[PRODUCER] Consumer first return: %s' % f)
        n = 0
        while n < 2:
            n = n + 1
            print('[PRODUCER] Producing %s...' % n)
            r = c.send(n)
            print('[PRODUCER] Consumer return: %s' % r)
        c.close()
    
    c = consumer()
    produce(c)

运行结果：

[PRODUCER] Consumer first return: 
    [PRODUCER] Producing 1...
    [CONSUMER] Consuming 1...
    [PRODUCER] Consumer return: 200 OK
    [PRODUCER] Producing 2...
    [CONSUMER] Consuming 2...
    [PRODUCER] Consumer return: 200 OK

**协程的说明：**

注意到consumer函数是一个generator，把一个consumer传入produce后：

1.  首先调用c.send(None)启动生成器；
2.  然后，一旦生产了东西，通过c.send(n)切换到consumer执行；
3.  consumer通过yield拿到消息，处理，又通过yield把结果传回；
4.  produce拿到consumer处理的结果，继续生产下一条消息；
5.  produce决定不生产了，通过c.close()关闭consumer，整个过程结束。

整个流程无锁，由一个线程执行，produce和consumer协作完成任务，所以称为“协程”，而非线程的抢占式多任务。

参考文档：  
[http://kissg.me/2016/04/09/python-generator-yield/][http_kissg.me_2016_04_09_python-generator-yield]  
[https://www.cnblogs.com/fangyuan1004/p/4571304.html][https_www.cnblogs.com_fangyuan1004_p_4571304.html]

[SouthEast]: /images/20210913/576d6aa39dd64fb39a5300bdb87f3c09.png
[http_kissg.me_2016_04_09_python-generator-yield]: http://kissg.me/2016/04/09/python-generator-yield/
[https_www.cnblogs.com_fangyuan1004_p_4571304.html]: https://www.cnblogs.com/fangyuan1004/p/4571304.html