包含python函數式生成器的詞條

Python生成器簡介

Python 中的 yield 關鍵字鮮為人知，但是作用卻很大，正是因為有了yield，才有了Python生成器。

公司主營業務：網站設計制作、成都網站建設、移動網站開發等業務。幫助企業客戶真正實現互聯網宣傳，提高企業的競爭能力。創新互聯公司是一支青春激揚、勤奮敬業、活力青春激揚、勤奮敬業、活力澎湃、和諧高效的團隊。公司秉承以“開放、自由、嚴謹、自律”為核心的企業文化，感謝他們對我們的高要求，感謝他們從不同領域給我們帶來的挑戰，讓我們激情的團隊有機會用頭腦與智慧不斷的給客戶帶來驚喜。創新互聯公司推出贛榆免費做網站回饋大家。

yield 是 Python 的關鍵字，它用于從函數返回而不破壞其局部變量的狀態，并且在調用該函數時，從最后一個 yield 語句開始執行。任何包含 yield 關鍵字的函數都稱為生成器。

Python 中的 yield 關鍵字的作用類似于 Python 中的 return 語句，不同之處在于：

yield的優點

yield的缺點

Python 可以使用括號() 創建生成器

更多時候，我們使用 yield 關鍵字創建生成器

下面這個生成器，前4次調用它時，返回的是0-3這幾個特殊值，第5次調用它時返回一個10-20之間的隨機整數。

更多時候，生成器可以返回無限的值。

注意 generator() 函數返回的是一個生成器對象，要想獲取它的值，可以像上面那樣在迭代器中取出它的值，我們也可以顯式的調用next函數獲取值。

Python | yield Keyword - GeeksforGeeks：

Python中如何使生成器函數來用元組返回一個字符串大寫字母個數和小寫字母個數？

#如何使生成器函數來用元組返回一個字符串大寫字母個數和小寫字母個數

def getUorL(s):

# [A-Z]是匹配內容，str是待匹配的對象

rtn = f"大寫字母個數： {len(re.findall('[A-Z]',s))}"

yield rtn

# [a-z]是匹配內容，str_是待匹配的對象

rtn = f"小寫字母個數： {len(re.findall('[a-z]',s))}"

yield rtn

str = "10ABC23sD~45ffe67e;oo++"

#第一次返回大寫

g = getUorL(str)

print(next(g))

#第二次返回小寫

print(next(g))

Python 函數 - 返回生成器

如果函數要返回一系列結果，我們常見的方法就是將結果放到一份列表中，然后返回給調用者。比如下面的函數，返回字符串中每個單詞的首字母在真個字符串中的索引：

運行結果：

上述的結果完全符合我們的預期，但 get_word_index 函數不夠簡潔。下面我們嘗試使用生成器來實現：

運行結果：

改寫之后，不僅運行結果符合要求，由于不需要和 result 列表交互，函數也變得非常簡潔。下面我們就來詳細學習下生成器吧~

生成器是指使用 yield 表達式的函數，調用生成器函數時，它并不會真的運行，而是會返回迭代器。每次在這個迭代器上面調用內置的 next 函數時，迭代器就會把生成器推進到下一個 yield 表達式那里。生成器傳給 yield 的值均會由迭代器返回給調用者。

此外，如果輸入量非常大，使用列表作為返回值，那么程序就有可能耗盡內存并崩潰。相反，使用生成器之后，則可以應對任意長度的輸入數據。

例如，下面這個生成器函數可以獲取文件中單詞的索引，而不管文件內容多大，該函數執行時消耗的內存，只由單行的文本長度決定：

其中 test_generator.txt 中的內容如下：

運行結果：

下面這句話特別重要：生成器函數返回的迭代器，是由狀態的，及調用者不應該反復使用它。我們那 word_index_iter 來說明：

如果想重復調用，請將其封裝成容器：

運行結果：

關于上述自定義容器的實現原理，我的另外一篇文章做了詳細介紹，鏈接奉上：

python生成器是怎么使用的

生成器(generator)概念

生成器不會把結果保存在一個系列中，而是保存生成器的狀態，在每次進行迭代時返回一個值，直到遇到StopIteration異常結束。

生成器語法

生成器表達式：通列表解析語法，只不過把列表解析的[]換成()

生成器表達式能做的事情列表解析基本都能處理，只不過在需要處理的序列比較大時，列表解析比較費內存。

Python

gen = (x**2 for x in range(5))

gen

generator object genexpr at 0x0000000002FB7B40

for g in gen:

... print(g, end='-')

...

0-1-4-9-16-

for x in [0,1,2,3,4,5]:

... print(x, end='-')

...

0-1-2-3-4-5-

生成器函數：在函數中如果出現了yield關鍵字，那么該函數就不再是普通函數，而是生成器函數。

但是生成器函數可以生產一個無線的序列，這樣列表根本沒有辦法進行處理。

yield 的作用就是把一個函數變成一個 generator，帶有 yield 的函數不再是一個普通函數，Python 解釋器會將其視為一個 generator。

下面為一個可以無窮生產奇數的生成器函數。

Python

def odd():

n=1

while True:

yield n

n+=2

odd_num = odd()

count = 0

for o in odd_num:

if count =5: break

print(o)

count +=1

當然通過手動編寫迭代器可以實現類似的效果，只不過生成器更加直觀易懂

Python

class Iter:

def __init__(self):

self.start=-1

def __iter__(self):

return self

def __next__(self):

self.start +=2

return self.start

I = Iter()

for count in range(5):

print(next(I))

題外話：生成器是包含有__iter()和next__()方法的，所以可以直接使用for來迭代，而沒有包含StopIteration的自編Iter來只能通過手動循環來迭代。

Python

from collections import Iterable

from collections import Iterator

isinstance(odd_num, Iterable)

True

isinstance(odd_num, Iterator)

True

iter(odd_num) is odd_num

True

help(odd_num)

Help on generator object:

odd = class generator(object)

| Methods defined here:

| __iter__(self, /)

| Implement iter(self).

| __next__(self, /)

| Implement next(self).

......

看到上面的結果，現在你可以很有信心的按照Iterator的方式進行循環了吧！

在 for 循環執行時，每次循環都會執行 fab 函數內部的代碼，執行到 yield b 時，fab 函數就返回一個迭代值，下次迭代時，代碼從 yield b 的下一條語句繼續執行，而函數的本地變量看起來和上次中斷執行前是完全一樣的，于是函數繼續執行，直到再次遇到 yield。看起來就好像一個函數在正常執行的過程中被 yield 中斷了數次，每次中斷都會通過 yield 返回當前的迭代值。

yield 與 return

在一個生成器中，如果沒有return，則默認執行到函數完畢時返回StopIteration；

Python

def g1():

... yield 1

...

g=g1()

next(g) #第一次調用next(g)時，會在執行完yield語句后掛起，所以此時程序并沒有執行結束。

next(g) #程序試圖從yield語句的下一條語句開始執行，發現已經到了結尾，所以拋出StopIteration異常。

Traceback (most recent call last):

File "stdin", line 1, in module

StopIteration

如果遇到return,如果在執行過程中 return，則直接拋出 StopIteration 終止迭代。

Python

def g2():

... yield 'a'

... return

... yield 'b'

...

g=g2()

next(g) #程序停留在執行完yield 'a'語句后的位置。

'a'

next(g) #程序發現下一條語句是return，所以拋出StopIteration異常，這樣yield 'b'語句永遠也不會執行。

Traceback (most recent call last):

File "stdin", line 1, in module

StopIteration

如果在return后返回一個值，那么這個值為StopIteration異常的說明，不是程序的返回值。

生成器沒有辦法使用return來返回值。

Python

def g3():

... yield 'hello'

... return 'world'

...

g=g3()

next(g)

'hello'

next(g)

Traceback (most recent call last):

File "stdin", line 1, in module

StopIteration: world

生成器支持的方法

Python

help(odd_num)

Help on generator object:

odd = class generator(object)

| Methods defined here:

......

| close(...)

| close() - raise GeneratorExit inside generator.

| send(...)

| send(arg) - send 'arg' into generator,

| return next yielded value or raise StopIteration.

| throw(...)

| throw(typ[,val[,tb]]) - raise exception in generator,

| return next yielded value or raise StopIteration.

......

close()

手動關閉生成器函數，后面的調用會直接返回StopIteration異常。

Python

def g4():

... yield 1

... yield 2

... yield 3

...

g=g4()

next(g)

g.close()

next(g) #關閉后，yield 2和yield 3語句將不再起作用

Traceback (most recent call last):

File "stdin", line 1, in module

StopIteration

send()

生成器函數最大的特點是可以接受外部傳入的一個變量，并根據變量內容計算結果后返回。

這是生成器函數最難理解的地方，也是最重要的地方，實現后面我會講到的協程就全靠它了。

Python

def gen():

value=0

while True:

receive=yield value

if receive=='e':

break

value = 'got: %s' % receive

g=gen()

print(g.send(None))

print(g.send('aaa'))

print(g.send(3))

print(g.send('e'))

執行流程：

通過g.send(None)或者next(g)可以啟動生成器函數，并執行到第一個yield語句結束的位置。此時，執行完了yield語句，但是沒有給receive賦值。yield value會輸出初始值0注意：在啟動生成器函數時只能send(None),如果試圖輸入其它的值都會得到錯誤提示信息。

通過g.send(‘aaa’)，會傳入aaa，并賦值給receive，然后計算出value的值，并回到while頭部，執行yield value語句有停止。此時yield value會輸出”got: aaa”，然后掛起。

通過g.send(3)，會重復第2步，最后輸出結果為”got: 3″

當我們g.send(‘e’)時，程序會執行break然后推出循環，最后整個函數執行完畢，所以會得到StopIteration異常。

最后的執行結果如下：

Python

got: aaa

got: 3

Traceback (most recent call last):

File "h.py", line 14, in module

print(g.send('e'))

StopIteration

throw()

用來向生成器函數送入一個異常，可以結束系統定義的異常，或者自定義的異常。

throw()后直接跑出異常并結束程序，或者消耗掉一個yield，或者在沒有下一個yield的時候直接進行到程序的結尾。

Python

def gen():

while True:

try:

yield 'normal value'

yield 'normal value 2'

print('here')

except ValueError:

print('we got ValueError here')

except TypeError:

break

g=gen()

print(next(g))

print(g.throw(ValueError))

print(next(g))

print(g.throw(TypeError))

輸出結果為：

Python

normal value

we got ValueError here

normal value

normal value 2

Traceback (most recent call last):

File "h.py", line 15, in module

print(g.throw(TypeError))

StopIteration

解釋：

print(next(g))：會輸出normal value，并停留在yield ‘normal value 2’之前。

由于執行了g.throw(ValueError)，所以會跳過所有后續的try語句，也就是說yield ‘normal value 2’不會被執行，然后進入到except語句，打印出we got ValueError here。然后再次進入到while語句部分，消耗一個yield，所以會輸出normal value。

print(next(g))，會執行yield ‘normal value 2’語句，并停留在執行完該語句后的位置。

g.throw(TypeError)：會跳出try語句，從而print(‘here’)不會被執行，然后執行break語句，跳出while循環，然后到達程序結尾，所以跑出StopIteration異常。

下面給出一個綜合例子，用來把一個多維列表展開，或者說扁平化多維列表)

Python

def flatten(nested):

try:

#如果是字符串，那么手動拋出TypeError。

if isinstance(nested, str):

raise TypeError

for sublist in nested:

#yield flatten(sublist)

for element in flatten(sublist):

#yield element

print('got:', element)

except TypeError:

#print('here')

yield nested

L=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]

for num in flatten(L):

print(num)

如果理解起來有點困難，那么把print語句的注釋打開在進行查看就比較明了了。

總結

按照鴨子模型理論，生成器就是一種迭代器，可以使用for進行迭代。

第一次執行next(generator)時，會執行完yield語句后程序進行掛起，所有的參數和狀態會進行保存。再一次執行next(generator)時，會從掛起的狀態開始往后執行。在遇到程序的結尾或者遇到StopIteration時，循環結束。

可以通過generator.send(arg)來傳入參數，這是協程模型。

可以通過generator.throw(exception)來傳入一個異常。throw語句會消耗掉一個yield。可以通過generator.close()來手動關閉生成器。

next()等價于send(None)

當前題目：包含python函數式生成器的詞條
網頁地址：http://m.kartarina.com/article48/hgghep.html

成都網站建設公司_創新互聯，為您提供微信公眾號、建站公司、云服務器、自適應網站、響應式網站、

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源：創新互聯

猜你還喜歡下面的內容