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:
- 生产者
- 消费者
- 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: