生成器

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

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

我們來看一個包含 yield 關(guān)鍵字的方法：

# coding: utf8

# 生成器
def gen(n):
    for i in range(n):
        yield i

g = gen(5)      # 創(chuàng)建一個生成器
print(g)        # <generator object gen at 0x10bb46f50>
print(type(g))  # <type 'generator'>

# 迭代生成器中的數(shù)據(jù)
for i in g:
    print(i)
    
# Output:
# 0 1 2 3 4

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

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

這個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 個元素，在創(chuàng)建生成器時，這個 5 個元素其實還并沒有產(chǎn)生，什么時候產(chǎn)生呢？只有在執(zhí)行 for 循環(huán)遇到 yield 時，才會依次生成每個元素。

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

• generator.__next__()：執(zhí)行 for 時調(diào)用此方法，每次執(zhí)行到 yield 就會停止，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，我們看下面這個例子。

# coding: utf8

def gen(n):
    for i in range(n):
        print('yield before')
        yield i
        print('yield after')

g = gen(3)      # 創(chuàng)建一個生成器
print(g.__next__())  # 0
print('----')
print(g.__next__())  # 1
print('----')
print(g.__next__())  # 2
print('----')
print(g.__next__())  # StopIteration

# Output:
# yield before
# 0
# ----
# yield after
# yield before
# 1
# ----
# yield after
# yield before
# 2
# ----
# yield after
# Traceback (most recent call last):
#   File "gen.py", line 16, in <module>
#     print(g.__next__())  # StopIteration
# StopIteration

在這個例子中，我們定義了 gen 方法，這個方法包含了 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，當執(zhí)行 g.__next__()時，代碼就會執(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，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，其實還可以使用 j = yield i 這種語法，我們看下面的代碼：

# coding: utf8

def gen():
    i = 1
    while True:
        j = yield i
        i *= 2
        if j == -1:
            break

此時如果我們執(zhí)行下面的代碼：

for i in gen():
    print(i)
    time.sleep(1)

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

這段代碼一直循環(huán)的原因在于，它無法執(zhí)行到 j == -1 這個分支里 break 出來，如果我們想讓代碼執(zhí)行到這個地方，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 這個分支
print(g.send(-1))   # StopIteration 迭代停止

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

throw

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

# coding: utf8

def gen():
    try:
        yield 1
    except ValueError:
        yield 'ValueError'
    finally:
        print('finally')

g = gen()   # 創(chuàng)建一個生成器
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，就是手動關(guān)閉這個生成器，關(guān)閉后的生成器無法再進行操作。

>>> g = gen()
>>> g.close() # 關(guān)閉生成器
>>> g.__next__() # 無法迭代數(shù)據(jù)
Traceback (most recent call last):
  File "<stdin>", line 1, 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

如果你想生成一個非常大的集合，如果使用 list 創(chuàng)建一個集合，這會導致在內(nèi)存中申請一個很大的存儲空間，例如想下面這樣：

# coding: utf8

def big_list():
    result = []
    for i in range(10000000000):
        result.append(i)
    return result

# 一次性在內(nèi)存中生成大集合 內(nèi)存占用非常大
for i in big_list():
    print(i)

這種場景，我們使用生成器就能很好地解決這個問題。

因為生成器只有在執(zhí)行到 yield 時才會迭代數(shù)據(jù)，這時只會申請需要返回元素的內(nèi)存空間，代碼可以這樣寫：

# coding: utf8

def big_list():
    for i in range(10000000000):
        yield i

# 只有在迭代時 才依次生成元素 減少內(nèi)存占用
for i in big_list():
    print(i)

簡化代碼結(jié)構(gòu)

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

# coding: utf8

def gen_list():
    # 多個邏輯塊 組成生成一個列表
    result = []
    for i in range(10):
        result.append(i)
    for j in range(5):
        result.append(j * j)
    for k in [100, 200, 300]:
        result.append(k)
    return result
    
for item in gen_list():
    print(item)

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

此時如果使用 yield 來生成這個 list，代碼就簡潔很多：

# coding: utf8

def gen_list():
    # 多個邏輯塊 使用yield 生成一個列表
    for i in range(10):
        yield i
    for j in range(5):
        yield j * j
    for k in [100, 200, 300]:
        yield k
        
for item in gen_list():
    print(i)

使用 yield 后，就不再需要定義 list 類型的變量，只需在每個邏輯塊直接 yield 返回元素即可，可以達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才申請內(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，通常會使用多進程、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-消費者」模型，即一個進程 / 線程生產(chǎn)數(shù)據(jù)，其他進程 / 線程消費數(shù)據(jù)。

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

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

什么是協(xié)程？

簡單來說，由多個程序塊組合協(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 實現(xiàn)一個協(xié)程生產(chǎn)者、消費者的例子：

# coding: utf8

def consumer():
    i = None
    while True:
        # 拿到 producer 發(fā)來的數(shù)據(jù)
        j = yield i 
        print('consume %s' % j)

def producer(c):
    c.__next__()
    for i in range(5):
        print('produce %s' % i)
        # 發(fā)數(shù)據(jù)給 consumer
        c.send(i)
    c.close()

c = consumer()
producer(c)

# Output:
# produce 0
# consume 0
# produce 1
# consume 1
# produce 2
# consume 2
# produce 3
# consume 3
...

這個程序的執(zhí)行流程如下：

• c = consumer() 創(chuàng)建一個生成器對象
• producer(c) 開始執(zhí)行，c.__next()__ 會啟動生成器 consumer 直到代碼運行到 j = yield i 處，此時 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
  

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

這個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、消費者的程序時，它的好處是：

整個程序運行過程中無鎖，不用考慮共享變量的保護問題，降低了編程復(fù)雜度
程序在函數(shù)之間來回切換，這個過程是用戶態(tài)下進行的，不像進程 / 線程那樣，會陷入到內(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行封裝的，例如 gevent、tornado，它們都大大提高了程序的運行效率。

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，提高了程序運行的效率。

以上就是python如何正確使用yield的詳細內(nèi)容，更多關(guān)于python 使用yield的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論