欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

深入了解Python中yield?from語法的使用

 更新時間:2023年05月16日 11:34:05   作者:不想賴床  
yield?from?是在Python3.3才出現(xiàn)的語法,這篇文章主要為大家介紹了yield?from語法的具體使用,文中的示例代碼簡潔易懂,感興趣的小伙伴可以收藏一下

1. 為什么要使用協(xié)程

在上一篇中,我們從生成器的基本認識與使用,成功過渡到了協(xié)程。

但一定有許多人,只知道協(xié)程是個什么東西,但并不知道為什么要用協(xié)程?換句話來說,并不知道在什么情況下用協(xié)程? 它相比多線程來說,有哪些過人之處呢?
在開始講yield from 之前,我想先解決一下這個給很多人帶來困惑的問題。

舉個例子。 假如我們做一個爬蟲。我們要爬取多個網(wǎng)頁,這里簡單舉例兩個網(wǎng)頁(兩個spider函數(shù)),獲取HTML(耗IO耗時),然后再對HTML對行解析取得我們感興趣的數(shù)據(jù)。

我們的代碼結(jié)構(gòu)精簡如下:

def spider_01(url):
    html = get_html(url)
    ...
    data = parse_html(html)

def spider_02(url):
    html = get_html(url)
    ...
    data = parse_html(html)

我們都知道,get_html()等待返回網(wǎng)頁是非常耗IO的,一個網(wǎng)頁還好,如果我們爬取的網(wǎng)頁數(shù)據(jù)極其龐大,這個等待時間就非常驚人,是極大的浪費。

聰明的程序員,當然會想如果能在get_html()這里暫停一下,不用傻乎乎地去等待網(wǎng)頁返回,而是去做別的事。等過段時間再回過頭來到剛剛暫停的地方,接收返回的html內(nèi)容,然后還可以接下去解析parse_html(html)。

利用常規(guī)的方法,幾乎是沒辦法實現(xiàn)如上我們想要的效果的。所以Python想得很周到,從語言本身給我們實現(xiàn)了這樣的功能,這就是yield語法。可以實現(xiàn)在某一函數(shù)中暫停的效果。

試著思考一下,假如沒有協(xié)程,我們要寫一個并發(fā)程序??赡苡幸韵聠栴}

1. 使用最常規(guī)的同步編程要實現(xiàn)異步并發(fā)效果并不理想,或者難度極高。

2. 由于GIL鎖的存在,多線程的運行需要頻繁的加鎖解鎖,切換線程,這極大地降低了并發(fā)性能;

而協(xié)程的出現(xiàn),剛好可以解決以上的問題。它的特點有

1. 協(xié)程是在單線程里實現(xiàn)任務(wù)的切換的

2. 利用同步的方式去實現(xiàn)異步

3. 不再需要鎖,提高了并發(fā)性能

2. yield from的用法詳解

yield from 是在Python3.3才出現(xiàn)的語法。所以這個特性在Python2中是沒有的。

yield from 后面需要加的是可迭代對象,它可以是普通的可迭代對象,也可以是迭代器,甚至是生成器。

2.1 簡單應(yīng)用:拼接可迭代對象

我們可以用一個使用yield和一個使用yield from的例子來對比看下。

使用yield

# 字符串
astr='ABC'
# 列表
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
    for item in args:
        for i in item:
            yield i
new_list=gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]

使用yield from

# 字符串
astr='ABC'
# 列表
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
    for item in args:
        yield from item
new_list=gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]

由上面兩種方式對比,可以看出,yield from后面加上可迭代對象,他可以把可迭代對象里的每個元素一個一個的yield出來,對比yield來說代碼更加簡潔,結(jié)構(gòu)更加清晰。

2.2 復(fù)雜應(yīng)用:生成器的嵌套

如果你認為只是 yield from 僅僅只有上述的功能的話,那你就太小瞧了它,它的更強大的功能還在后面。

yield from 后面加上一個生成器后,就實現(xiàn)了生成的嵌套。

當然實現(xiàn)生成器的嵌套,并不是一定必須要使用yield from,而是使用yield from可以讓我們避免讓我們自己處理各種料想不到的異常,而讓我們專注于業(yè)務(wù)代碼的實現(xiàn)。

如果自己用yield去實現(xiàn),那只會加大代碼的編寫難度,降低開發(fā)效率,降低代碼的可讀性。既然Python已經(jīng)想得這么周到,我們當然要好好利用起來。

講解它之前,首先要知道這個幾個概念 >1、調(diào)用方:調(diào)用委派生成器的客戶端(調(diào)用方)代碼 >2、委托生成器:包含yield from表達式的生成器函數(shù) >3、子生成器:yield from后面加的生成器函數(shù)

你可能不知道他們都是什么意思,沒關(guān)系,來看下這個例子。

這個例子,是實現(xiàn)實時計算平均值的。 比如,第一次傳入10,那返回平均數(shù)自然是10. 第二次傳入20,那返回平均數(shù)是(10+20)/2=15 第三次傳入30,那返回平均數(shù)(10+20+30)/3=20

# 子生成器
def average_gen():
    total = 0
    count = 0
    average = 0
    while True:
        new_num = yield average
        count += 1
        total += new_num
        average = total/count

# 委托生成器
def proxy_gen():
    while True:
        yield from average_gen()

# 調(diào)用方
def main():
    calc_average = proxy_gen()
    next(calc_average)            # 預(yù)激下生成器
    print(calc_average.send(10))  # 打印:10.0
    print(calc_average.send(20))  # 打?。?5.0
    print(calc_average.send(30))  # 打印:20.0

if __name__ == '__main__':
    main()

認真閱讀以上代碼,你應(yīng)該很容易能理解,調(diào)用方、委托生成器、子生成器之間的關(guān)系。我就不多說了

委托生成器的作用是:在調(diào)用方與子生成器之間建立一個雙向通道

所謂的雙向通道是什么意思呢? 調(diào)用方可以通過send()直接發(fā)送消息給子生成器,而子生成器yield的值,也是直接返回給調(diào)用方。

你可能會經(jīng)??吹接行┐a,還可以在yield from前面看到可以賦值。這是什么用法?

你可能會以為,子生成器yield回來的值,被委托生成器給攔截了。你可以親自寫個demo運行試驗一下,并不是你想的那樣。 因為我們之前說了,委托生成器,只起一個橋梁作用,它建立的是一個雙向通道,它并沒有權(quán)利也沒有辦法,對子生成器yield回來的內(nèi)容做攔截。

為了解釋這個用法,我還是用上述的例子,并對其進行了一些改造。添加了一些注釋,希望你能看得明白。

按照慣例,我們還是舉個例子。

# 子生成器
def average_gen():
    total = 0
    count = 0
    average = 0
    while True:
        new_num = yield average
        if new_num is None:
            break
        count += 1
        total += new_num
        average = total/count
    # 每一次return,都意味著當前協(xié)程結(jié)束。
    return total,count,average
# 委托生成器
def proxy_gen():
    while True:
        # 只有子生成器要結(jié)束(return)了,yield from左邊的變量才會被賦值,后面的代碼才會執(zhí)行。
        total, count, average = yield from average_gen()
        print("計算完畢??!\n總共傳入 {} 個數(shù)值, 總和:{},平均數(shù):{}".format(count, total, average))
# 調(diào)用方
def main():
    calc_average = proxy_gen()
    next(calc_average)            # 預(yù)激協(xié)程
    print(calc_average.send(10))  # 打?。?0.0
    print(calc_average.send(20))  # 打印:15.0
    print(calc_average.send(30))  # 打?。?0.0
    calc_average.send(None)      # 結(jié)束協(xié)程
    # 如果此處再調(diào)用calc_average.send(10),由于上一協(xié)程已經(jīng)結(jié)束,將重開一協(xié)程
if __name__ == '__main__':
    main()

運行后,輸出

10.0
15.0
20.0
計算完畢??!
總共傳入 3 個數(shù)值, 總和:60,平均數(shù):20.0

3. 為什么要使用yield from

學(xué)到這里,我相信你肯定要問,既然委托生成器,起到的只是一個雙向通道的作用,我還需要委托生成器做什么?我調(diào)用方直接調(diào)用子生成器不就好啦?

高能預(yù)警~~~

下面我們來一起探討一下,到底yield from 有什么過人之處,讓我們非要用它不可。

3.1 因為它可以幫我們處理異常

如果我們?nèi)サ粑猩善?,而直接調(diào)用子生成器。那我們就需要把代碼改成像下面這樣,我們需要自己捕獲異常并處理。而不像使yield from那樣省心。

# 子生成器
# 子生成器
def average_gen():
    total = 0
    count = 0
    average = 0
    while True:
        new_num = yield average
        if new_num is None:
            break
        count += 1
        total += new_num
        average = total/count
    return total,count,average
# 調(diào)用方
def main():
    calc_average = average_gen()
    next(calc_average)            # 預(yù)激協(xié)程
    print(calc_average.send(10))  # 打?。?0.0
    print(calc_average.send(20))  # 打?。?5.0
    print(calc_average.send(30))  # 打印:20.0
    # ----------------注意-----------------
    try:
        calc_average.send(None)
    except StopIteration as e:
        total, count, average = e.value
        print("計算完畢??!\n總共傳入 {} 個數(shù)值, 總和:{},平均數(shù):{}".format(count, total, average))
    # ----------------注意-----------------
if __name__ == '__main__':
    main()

此時的你,可能會說,不就一個StopIteration的異常嗎?自己捕獲也沒什么大不了的。

你要是知道yield from在背后為我們默默無聞地做了哪些事,你就不會這樣說了。

具體yield from為我們做了哪些事,可以參考如下這段代碼。

#一些說明
"""
_i:子生成器,同時也是一個迭代器
_y:子生成器生產(chǎn)的值
_r:yield from 表達式最終的值
_s:調(diào)用方通過send()發(fā)送的值
_e:異常對象
"""
_i = iter(EXPR)
try:
    _y = next(_i)
except StopIteration as _e:
    _r = _e.value
else:
    while 1:
        try:
            _s = yield _y
        except GeneratorExit as _e:
            try:
                _m = _i.close
            except AttributeError:
                pass
            else:
                _m()
            raise _e
        except BaseException as _e:
            _x = sys.exc_info()
            try:
                _m = _i.throw
            except AttributeError:
                raise _e
            else:
                try:
                    _y = _m(*_x)
                except StopIteration as _e:
                    _r = _e.value
                    break
        else:
            try:
                if _s is None:
                    _y = next(_i)
                else:
                    _y = _i.send(_s)
            except StopIteration as _e:
                _r = _e.value
                break
RESULT = _r

以上的代碼,稍微有點復(fù)雜,有興趣的同學(xué)可以結(jié)合以下說明去研究看看。

  • 迭代器(即可指子生成器)產(chǎn)生的值直接返還給調(diào)用者
  • 任何使用send()方法發(fā)給委派生產(chǎn)器(即外部生產(chǎn)器)的值被直接傳遞給迭代器。如果send值是None,則調(diào)用迭代器next()方法;如果不為None,則調(diào)用迭代器的send()方法。如果對迭代器的調(diào)用產(chǎn)生StopIteration異常,委派生產(chǎn)器恢復(fù)繼續(xù)執(zhí)行yield from后面的語句;若迭代器產(chǎn)生其他任何異常,則都傳遞給委派生產(chǎn)器。
  • 子生成器可能只是一個迭代器,并不是一個作為協(xié)程的生成器,所以它不支持.throw()和.close()方法,即可能會產(chǎn)生AttributeError 異常。
  • 除了GeneratorExit 異常外的其他拋給委派生產(chǎn)器的異常,將會被傳遞到迭代器的throw()方法。如果迭代器throw()調(diào)用產(chǎn)生了StopIteration異常,委派生產(chǎn)器恢復(fù)并繼續(xù)執(zhí)行,其他異常則傳遞給委派生產(chǎn)器。
  • 如果GeneratorExit異常被拋給委派生產(chǎn)器,或者委派生產(chǎn)器的close()方法被調(diào)用,如果迭代器有close()的話也將被調(diào)用。如果close()調(diào)用產(chǎn)生異常,異常將傳遞給委派生產(chǎn)器。否則,委派生產(chǎn)器將拋出GeneratorExit 異常。
  • 當?shù)鹘Y(jié)束并拋出異常時,yield from表達式的值是其StopIteration 異常中的第一個參數(shù)。
  • 一個生成器中的return expr語句將會從生成器退出并拋出 StopIteration(expr)異常。

沒興趣看的同學(xué),只要知道,yield from幫我們做了很多的異常處理,而且全面,而這些如果我們要自己去實現(xiàn)的話,一個是編寫代碼難度增加,寫出來的代碼可讀性極差,這些我們就不說了,最主要的是很可能有遺漏,只要哪個異常沒考慮到,都有可能導(dǎo)致程序崩潰什么的

到此這篇關(guān)于深入了解Python中yield from語法的使用的文章就介紹到這了,更多相關(guān)Python yield from語法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

最新評論