Python学习笔记16：生成器

Python学习笔记16：生成器

在前文Python学习笔记15：推导式的结尾我们已经引出了Python中的另一项特性：生成器。

要说明的是生成器和推导式在写法上是极为相似的，除了生成器是用()来包裹以外。但实际上，他们有很大不同。

基本概念

我们现在看一个简单的例子：

import requests
urls = ("https://www.liaoxuefeng.com/wiki/1016959663602400/1183249464292448",
        "https://www.runoob.com/w3cnote/python-spider-intro.html",
        "https://www.runoob.com/w3cnote/secure-wordpress-nginx.html",
        "https://cn.python-requests.org/zh_CN/latest/")
resps = []
for url in urls:
    resp = requests.get(url)
    resps.append(resp)
for resp in resps:
    print(len(resp.text))

在这个例子中，我们读取一个url列表，然后用requests模块获取其内容，然后输出内容的长度。

我们现在改写为推导式：

import requests
urls = ("https://www.liaoxuefeng.com/wiki/1016959663602400/1183249464292448",
        "https://www.runoob.com/w3cnote/python-spider-intro.html",
        "https://www.runoob.com/w3cnote/secure-wordpress-nginx.html",
        "https://cn.python-requests.org/zh_CN/latest/")
resps = [requests.get(url) for url in urls]
for resp in resps:
    print(len(resp.text))

如果你注意输出的话，就不难发现，程序需要等待一会，然后才会一股脑输出所有结果。

这也不难理解，因为输出是要等到推导式处理完所有url后才会开始，那如果我们把推导式换成生成器呢？

import requests
urls = ("https://www.liaoxuefeng.com/wiki/1016959663602400/1183249464292448",
        "https://www.runoob.com/w3cnote/python-spider-intro.html",
        "https://www.runoob.com/w3cnote/secure-wordpress-nginx.html",
        "https://cn.python-requests.org/zh_CN/latest/")
for resp in (requests.get(url) for url in urls):
    print(len(resp.text))

注意，生成器必须放在一个循环语句中，所以这里并没有采用复制给resps变量的做法。

我们可以注意到，此时结果输出是依次进行，中间会有或长或短的间隔，这是因为生成器的特性与推导式大为不同。

优缺点

如果你接触过安卓开发，可能会知道安卓开发中的gallery组件，也就是我们日常使用手机中很常见的预览图片时候左右滑动的那个，这个组件的实现其实和Python中的生成器异曲同工。

要知道，在很多时候我们的程序依然要考虑硬件性能，比如加载巨量数据或者图片等很占用资源的内容。而安卓平台的gallery组件就是如此，因为图片加载是很浪费内存的，你不可能把一组图片全部都加载入内存，一来浪费内存，二来也没有必要，毕竟用户一次只能看到一张图片。所以安卓给gallery加入了这样的特性：一次只会把当前图片和前后两张图片加载入内存，这样用户在左右滑动的时候几乎不会感觉到加载延迟，但又极大节省了不必要的资源消耗。

而Python的生成器和gallery的理念完全一致，可以把它看成一个Python版的gallery，当我们用循环或别的方式获取这个生成器的某一个元素时，生成器才会实时生成这个元素，当你不再访问这个元素的时候，它会立即抛弃。

所以在上边这个例子中，我们是一边获取url一边读取网络内容，然后进入以此往复。

我们可以看到生成器具有以下优点：

• 节约系统资源。
• 可以将集中性的耗时操作切分为小段，避免长时间没有响应。

但显然也不是没有缺点的，如果我们需要一次性获取多个元素并依照这多个元素来进行处理，就显得很不方便了。

生成器函数

除了直接把生成器作为表达式使用，我们还可以将其包装成函数。

import requests
urls = ("https://www.liaoxuefeng.com/wiki/1016959663602400/1183249464292448",
        "https://www.runoob.com/w3cnote/python-spider-intro.html",
        "https://www.runoob.com/w3cnote/secure-wordpress-nginx.html",
        "https://cn.python-requests.org/zh_CN/latest/")


def getUrlRes(urls: tuple):
    for url in urls:
        yield requests.get(url)

for resp in getUrlRes(urls):
    print(len(resp.text))

在上边这个例子中，我们把生成器包装成了一个函数getUrlRes，这很有用，我们屏蔽了生成器的实现细节，其它人只要使用就可以了。

应该注意到，我们在生成器里返回值的时候使用的是yield而非return。这不难理解，如果使用return，程序会立即返回，getUrlRes也不会再次执行，而yield将告诉解释器，这里是一个生成器，在外部程序获取一个值的同时，生成器函数会挂起，直到外部程序进入下一次循环/遍历，此时生成器会从挂起的地方再次运行，并返回下一个值。

好了，关于生成器的话题就到这里了，接下来的一段时间我会探究一下Python中面向对象的部分，比照其它语言，挖掘一下前边没有深入的部分。在这部分梳理完毕后，我会重新阅读一遍《Head First 设计模式》，并用Python和类图的形式整理一遍设计模式的内容。

谢谢阅读。