生成器是python一个比较高级的特性,理解也比较抽象
产生生成器的方法有几种:
第一种
a=(i for i in range(10))
print(a) # ----- generator object <genexpr> at 0x0000022BD830E410
print(type(a)) # ---- generator
这时候a变成了一个生成器
(注:使用a=[i for i in range(10)]会产生一个列表,注意区分[]和()的区别)
第二种:使用yield关键字
def foo():
yield 1
a=foo()
使用关键字yield,也可以将函数变成生成器
生成器有next(python2为next()方法)和send()方法
可以看到,每次我们调用next()方法时,都会返回下一个值
然后下次调用再从上次结束的地方继续调用
这样做的好处是不用返回一整个列表,非常节省字符空间
比如在python2环境中,有range和xrange两个方法(在python3中取消了xrange,直接使用range,相当于python3的rangge就是python2的xrange方法)
xrange就是一个迭代器
在python2的环境中运行
sum(x for x in range(100000000))
可以观察电脑资源使用情况,我这CPU直接100%,内存%100,直接重启了
因为range是一次生成1-100000000的列表
而sum(x for x in xrange(100000000))可以看到系统资源基本没有什么占用
因为xrange是一次次地调用值,所以资源占用少
生成器函数send
next其实就是send(None)
def count(n):
for i in range(n):
yield i
a=yield i
print(a)
gen=count(5)
gen.send(“test”)则会打印出test
可以看到gen.next()和gen.send(None)效果是一样的
其实next源码就是send(None)的实现
另外gen.close()方法即为关闭生成器,再调用next会抛出StopIteration异常
既然 send里面的值可以传给(yield),那么我们可以用这个来实现简单的简单的生产消费者,也是简单协程的实现
def consumer():
i = 0
while True:
tmp = yield i
if tmp is not None:
print("我是消费者: {}".format(tmp))
def producer(gen, n):
gen.__next__()
for i in range(n):
print("我是生产者: {}".format(i))
gen.send(i)
gen = consumer()
producer(gen, 5)