生成器学习

1、生成器
迭代器每次使用next()可以获取到按照规律生成的数据，但是在构造迭代器时需要自己记录状态，很麻烦，于是我们用更简便构造语法——即生成器(generator)。生成器是一类特殊的迭代器。

2、创建生成器的方法1
把一个列表生成式的[ ]改成 ( )

In [0]: L = [ x*2 for x in range(5)]
In [1]: G = ( x*2 for x in range(5))
In [2]: G
Out[2]: <generator object <genexpr> at 0x7f626c132db0>

G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

3、创建生成器的方法2
只要在def中有yield关键字的 就称为 生成器

def gen(s):
    for i in range(s):yield s-i

a=gen(5)
print(next(a))
print(next(a))
b=gen(6)
print(next(b))
print(next(b))

此时按照调用函数的方式a = gen(5)使用生成器就不再是执行函数体了，而是会返回一个生成器对象a，然后就可以按照使用迭代器的方式来使用生成器了。

4、解释

• yield的作用：保存当前运行状态（断点），然后暂停执行，将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用。
• 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）。
• Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。

def gen(s):
    for i in range(s):
        yield s-i
    return "ok..."

a=gen(5)
while True:
    try:print(next(a))
    except StopIteration as e:
        print(e.value)
        break

4、使用send唤醒
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

例子：
执行到yield时，gen函数作用暂时保存，返回i的值;
temp接收下次a.send("python") send()发送过来的值，a.__next__()等价a.send(None)

def gen():
    i = 0
    while i<5:
        temp = yield i
        print(temp)
        i+=1

a=gen()
next(a)
print(a.send("你好"))

5、个人总结

• 函数只要有 yield 就算是生成器的模板
• yield 相当于挂起该函数【将对象实例化保存值】
• 创建生成器对象后，生成器并不会立即运行，当通过next(对象名)或对象名.__next__()启动首次运行，运行到yield暂停。
• 对象名.send(数据)可以传递一个数据到暂停的生成器中，需要注意，send函数不能用来启动生成器。
• 生成器暂停后，对象名.send(None) 等价于 next(对象名) 等价于 对象名.__next__()