有关生成器的实际案例

通过几个生成器的案例，可以对生成器有更加深刻的了解。

案例1 简单聊天机器人的实现

案例代码如下：

def chat_robot():
    """
    聊天机器人
    """
    # 这个变量存储的是机器人给用户的响应信息;
    response = ''
    # 死循环
    while True:
        # receive: 接收用户给机器人传过来的消息
        # response: 机器人给用户的响应信息;
        receive = yield response
        if '年龄' in receive:
            response = "年龄保密"
        elif '姓名' in receive:
            response = "我是聊天机器人Siri"
        elif receive.endswith('吗？'):
            response = receive.rstrip('吗？')
        else:
            response = '我听的不是很懂， 请换种说法'

# Robot是生成器(函数中包含yield关键字)
Robot = chat_robot()
# 调用next方法, 遇到yield停止
next(Robot)
# 用户可以一直给机器人发消息， 使用死循环
while True:
    send_data = input("[用户]>>: ")
    if send_data == 'q' or send_data== 'quit':
        print("机器人累了， 需要休息......下次再聊")
        break
    response = Robot.send(send_data)
    print('[机器人]>>: ', response)

案例运行结果示例：

---

 案例2 生产者-消费者模型

生产者消费者模型当中有两大类重要的角色，一个是生产者（负责造数据的任务），另一个是消费者（接收造出来的数据进行进一步的操作）。

1. 为什么要使用生产者消费者模型？     

在并发编程中，如果生产者处理速度很快，而消费者处理速度比较慢，那么生产者就必须等待消费者处理完，才能继续生产数据。同样的道理，如果消费者的处理能力大于生产者，那么消费者就必须等待生产者。为了解决这个等待的问题，就引入了生产者与消费者模型。让它们之间可以不停的生产和消费。

2. 实现生产者消费者模型三要素：     

1. 生产者     
2. 消费者     
3. 队列（或其他的容器，但队列不用考虑锁的问题）

3. 什么时候用这个模型？

程序中出现明显的两类任务，一类任务是负责生产，另外一类任务是负责处理生产的数据的（如爬虫）

4. 用该模型的好处？

• 实现了生产者与消费者的解耦和
• 平衡了生产力与消费力，就是生产者一直不停的生产，消费者可以不停的消费，因为二者不再是直接沟通的，而是跟队列沟通的。

该模型的原理图如下：

案例代码如下：

import  time
import  random
# 缓冲区列表， 存放生产的所有内容， 工作方式是先进先出(FIFO-first in first out)
"""
先进: list.append(element)
先出: element = list.pop(0)
"""
cacheList = []
# # 设置缓冲区的最大长度, 当缓冲区到达最大长度， 那么生产者就不能再生产了
cacheListLen = 5

def is_full():
    """
    判断缓冲区队列是否已经满了
    """
    return  len(cacheList) == cacheListLen

def Producer(name):
    """
    生产者, 主要用于生产数据
    """
    while True:
        if not is_full():
            print("生产者[%s]正在生产游戏机....." %(name))
            # 模拟生产者生产数据需要的时间, 随机休眠0～1秒,
            time.sleep(random.random())
            print("[%s] 已经生产游戏机完成" %(name))
            # 将生产的游戏机放入缓冲区
            cacheList.append('游戏机')
        else:
            print("生产足够多了.....")
            yield

def Consumer(name):
    """
    消费者， 用于处理/消费数据
    """
    print("【%s】正在准备购买游戏机" %(name))
    while True:
        item = yield
        print("【%s】正在准备购买游戏机成功" %(name))

# producer是一个生成器
producer = Producer("Kevin")
next(producer)

# 列表生成式, 生成消费者
consumers = [Consumer("消费者%s" %(i+1)) for i in range(10)]

# 依次遍历所有的消费者， 给提供游戏机
for consumer in consumers:
    if not cacheList:
        print("目前商店没有游戏机库存.....")
    else:
        #
        if not is_full():
            next(producer)
        else:
            item = cacheList.pop(0)
            next(consumer)
            consumer.send(item)

运行结果如下：

---

案例3 基于yield计算平均值

案例代码如下：

def averager():
    # 所有数的和, 默认为0；
    total = 0.0
    # 数值的个数;
    count = 0
    # 平均值结果;
    average = None
    # 所有数值存储的容器(List);
    all_items = []
    while True:
        # 函数包含yield关键字
        new_item = yield average, all_items
        all_items.append(int(new_item))
        total += new_item
        count += 1
        average = total / count

def main():
    # AVERAGER是个生成器;
    AVERAGER = averager()
    # 第一次调用next方法， 遇到yield停止，
    next(AVERAGER)

    # 死循环， 依次求解平均值;
    while True:
        new_num = input("请输入求平均值的数: ")
        if new_num == 'q':
            print("程序执行结束.....")
            break
        # 1). 通过send方法将求平均值的数值传到yield所在位置;
        # 2). send方法的返回值是求平均值的列表和平均值结果。
        average, all_items = AVERAGER.send(int(new_num))
        print(all_items, "的平均值为:", average)

main()

程序运行结果示例：