python中yield用法

最新推荐文章于 2024-08-29 09:57:41 发布
最新推荐文章于 2024-08-29 09:57:41 发布
阅读量1.1k 收藏 3
点赞数 2
分类专栏： python 文章标签： python

参考：http://blog.163.com/l_greatsea/blog/static/2049860442013220113640476/
　　　http://www.cnblogs.com/fangyuan1004/p/4571304.html
　　　http://www.cnblogs.com/tqsummer/archive/2010/12/27/1917927.html
　　　http://blog.csdn.net/alvine008/article/details/43410079

迭代器

　 在Python中，for循环可以用于Python中的任何类型，包括列表、元祖等等，实际上，for循环可用于任何“可迭代对象”，这其实就是迭代器。

　　迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发StopIteration。任何这类的对象在Python中都可以用for循环或其他遍历工具迭代，迭代工具内部会在每次迭代时调用next方法，并且捕捉StopIteration异常来确定何时离开。

　　使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。

　　比如要逐行读取一个文件的内容，利用readlines()方法，我们可以这么写：

　　for line in open("test.txt").readlines():
    print line

　　这样虽然可以工作，但不是最好的方法。因为他实际上是把文件一次加载到内存中，然后逐行打印。当文件很大时，这个方法的内存开销就很大了。
　　利用file的迭代器，我们可以这样写：

　　for line in open("test.txt"):   #use file iterators
    print line

这是最简单也是运行速度最快的写法，他并没显式的读取文件，而是利用迭代器每次读取下一行。

生成器(constructor)

　　生成器函数在Python中与迭代器协议的概念联系在一起。简而言之，包含yield语句的函数会被特地编译成生成器。当函数被调用时，他们返回一个生成器对象，这个对象支持迭代器接口。函数也许会有个return语句，但它的作用是用来yield产生值的。
　　不像一般的函数会生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行和状态，他的本地变量将保存状态信息，这些信息在函数恢复时将再度有效。

>>> def g(n):
...     for i in range(n):
...             yield i **2
...
>>> for i in g(5):
...     print i,":",
...
0 : 1 : 4 : 9 : 16 :

要了解他的运行原理，可用next方法看看。

　　yield关键字用来定义生成器（Generator），其具体功能是可以当return使用，从函数里返回一个值，不同之处是用yield返回之后，可以让函数从上回yield返回的地点继续执行。也就是说，yield返回函数，交给调用者一个返回值，然后再“瞬移”回去，让函数继续运行， 直到吓一条yield语句再返回一个新的值。
　　使用yield返回后，调用者实际得到的是一个迭代器对象，迭代器的值就是返回值，而调用该迭代器的next()方法会导致该函数恢复yield语句的执行环境继续往下跑，直到遇到下一个yield为止，如果遇不到yield，就会抛出异常表示迭代结束。
例子：

>>> def test_yield():
...     yield 1
...     yield 2
...     yield (1,2)
...
>>> a = test_yield()
>>> a.next()
1
>>> a.next()
2
>>> a.next()
(1, 2)
>>> a.next()
Traceback (most recent call last):
  File "<stdin>", line 1, in ?
StopIteration

在运行完全部next之后，生成器抛出了一个StopIteration异常，迭代终止。

yield基本用法

典型的例子：

　　斐波那契（Fibonacci）數列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。1 2 3 5 8……

def fab(max): 
    n, a, b = 0, 0, 1 
    while n < max: 
        yield b 
        # print b 
        a, b = b, a + b 
        n = n + 1

　　yield 的作用就是把一个函数变成一个generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个生成器，如调用fab函数， 不会执行该函数，而是返回一个iterable迭代对象！

　　在for循环执行时，每次循环都会相当于执行生成器的next函数，才开始执行fab函数的内部代码，执行到yield b时，fab函数就返回一个迭代值，然后挂起。

　　下次迭代时，代码从yield b的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到yield。
更多的yield例子：

#!/usr/bin/python
def a():
    print ("do a() will not print out")
    yield 5
a()
print ("===============test a()")

def b():
    print ("list generator will in def , print here...")
    yield 5
g_obj = b()
print ("===============g_obj test b: %s" % g_obj)
print ("just generator obj, not in b def")
print ("list_g: %s" % list(g_obj))

def c():
    print ("next() will here... test generator next(), next attrbute not in python3, python2.6 is exist")
    yield 5
    print ("test generator next2")
g_obj = c()
print ("===============g_obj test c: %s" % g_obj)
#g_obj.next()
#print ("dir g_obj: %s " % dir(g_obj))


def d():
    global m
    global n
    print ("send() will here... test generator send()")
    m = yield 5
    print ("send input is m : %s" % m)
    n = yield 6
    print ("test generator send2")

g_obj = d()
print ("===============g_obj test d: %s" % g_obj)
s_return1 = g_obj.send(None)
s_return2 = g_obj.send("send twice")
print ("the next send input will be the result of last yield, just like m is : %s, s_return1 is : %s, s_return2 is : %s" % (m, s_return1, s_return2))
print ("not next send so n is undefind, n is : %s" % n)

运行结果：

===============test a()
===============g_obj test b: <generator object b at 0x7f740b7fc750>
just generator obj, not in b def
list generator will in def , print here...
list_g: [5]
===============g_obj test c: <generator object c at 0x7f740b7fc7e0>
===============g_obj test d: <generator object d at 0x7f740b7fc750>
send() will here... test generator send()
send input is m : send twice
the next send input will be the result of last yield, just like m is : send twice, s_return1 is : 5, s_return2 is : 6
Traceback (most recent call last):
  File "./yield0.py", line 40, in <module>
    print ("not next send so n is undefind, n is : %s" % n)
NameError: name 'n' is not defined

send用法说明：

关于输入：send的输入是本次遇到yield时，先赋值给yield表达式的结果。有点难懂，详细说明。

  1. 如m = yield 5，这个表达式，是分两次yield完成的，第一次执行后一半，即返回5，下次send时，才执行前一半，即把后一次send的输入赋值给m。

  2. 所以，第一次使用send，输入必须是None，开启生成器，因为本次遇到yield后，yield返回后，就完结了，并没有一个执行到赋值给m的过程。m的初值是第二个send()输入参数。

  3. 最后一个最后一个send，把输入给了上一次yield表达式，所以最后一个n=yield 6，语句执行后，n是未定义的。

关于输出：比较简单，就是yield的结果。如s_return = send(None)，由于yield 5，所以s_return= 5

send(msg) 与 next()

　　了解了next()如何让包含yield的函数执行后，我们再来看另外一个非常重要的函数send(msg)。其实next()和send()在一定意义上作用是相似的，区别是send()可以传递yield表达式的值进去，而next()不能传递特定的值，只能传递None进去。因此，我们可以看做c.next() 和 c.send(None) 作用是一样的。来看这个例子：

def h():  
print 'Wen Chuan',  
m = yield 5 # Fighting!  
print m  
d = yield 12  
print 'We are together!'  
c = h()  
c.next() #相当于c.send(None)  
c.send('Fighting!') #(yield 5)表达式被赋予了'Fighting!'

输出的结果为：  
Wen Chuan Fighting!

　　需要提醒的是，第一次调用时，请使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有Python yield语句来接收这个值。

send(msg) 与 next()的返回值

def h():  
print 'Wen Chuan',  
m = yield 5 # Fighting!  
print m  
d = yield 12  
print 'We are together!'  
c = h()  
m = c.next() #m 获取了yield 5 的参数值 5  
d = c.send('Fighting!') #d 获取了yield 12 的参数值12  
print 'We will never forget the date', m, '.', d

输出结果：  
Wen Chuan Fighting!  
We will never forget the date 5 . 12

throw() 与 close()中断 Generator

中断Generator是一个非常灵活的技巧，可以通过throw抛出一个GeneratorExit异常来终止Generator。Close()方法作用是一样的，其实内部它是调用了throw(GeneratorExit)的。我们看：

def close(self):  
try:  
self.throw(GeneratorExit)  
except (GeneratorExit, StopIteration):  
pass  
else:  
raise RuntimeError("generator ignored GeneratorExit")  
# Other exceptions are not caught

因此，当我们调用了close()方法后，再调用next()或是send(msg)的话会抛出一个异常：

Traceback (most recent call last):  
File "/home/evergreen/Codes/yidld.py", line 14, in <module> 
d = c.send('Fighting!') #d 获取了yield 12 的参数值12  
StopIteration

使用yield实现协程

举例：生产者生产消息后，直接通过yield跳转到消费者开始执行，待消费者执行完毕后，切换回生产者继续生产。

#!/usr/bin/python

def consumer():
    r = ''
    while True:
        n = yield r
        if not n:
            print("not n...")
            return
        print('[CONSUMER] Consuming %s...' % n)
        r = '200 OK'

def produce(c):
    f = c.send(None)
    print('[PRODUCER] Consumer first return: %s' % f)
    n = 0
    while n < 2:
        n = n + 1
        print('[PRODUCER] Producing %s...' % n)
        r = c.send(n)
        print('[PRODUCER] Consumer return: %s' % r)
    c.close()

c = consumer()
produce(c)

运行结果：

[PRODUCER] Consumer first return: 
[PRODUCER] Producing 1...
[CONSUMER] Consuming 1...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 2...
[CONSUMER] Consuming 2...
[PRODUCER] Consumer return: 200 OK

协程的说明：

注意到consumer函数是一个generator，把一个consumer传入produce后：

  1. 首先调用c.send(None)启动生成器；
  2. 然后，一旦生产了东西，通过c.send(n)切换到consumer执行；
  3. consumer通过yield拿到消息，处理，又通过yield把结果传回；
  4. produce拿到consumer处理的结果，继续生产下一条消息；
    5 .produce决定不生产了，通过c.close()关闭consumer，整个过程结束。

整个流程无锁，由一个线程执行，produce和consumer协作完成任务，所以称为“协程”，而非线程的抢占式多任务。

yield from基本用法

从python3.3新增语法yield from，在python3.4中asyncio的微线程的实现依赖此语法。

先从generator中套generator的需求入手。

举例：生成器调用子生成器，父生成器输入什么，调用完子生成器后，同样返回什么。

def i_yield_whatever_input_is():
    input = 0
    while True:
        print("1: before gi yield input=%s" % input)
        input = yield input
        print("2: after gi yield input=%s" % input)

def wrap_generator1():
    for i in i_yield_whatever_input_is():
        print("3: before g1 yield i=%s" % i)
        yield i

g = wrap_generator1()
print("4: after send None return: %s" % g.send(None))
print("4: after send 1 return: %s" % g.send(1))
print("4: after send 2 return: %s" % g.send(2))

未到达预期的运行结果：

1: before gi yield input=0
3: before g1 yield i=0
4: after send None return: 0
2: after gi yield input=None
1: before gi yield input=None
3: before g1 yield i=None
4: after send 1 return: None
2: after gi yield input=None
1: before gi yield input=None
3: before g1 yield i=None
4: after send 2 return: None

显然不是预期“输入什么，返回什么”。由于send的输入到wrap_generator后，无法输入给子生成器，因此，子生成器i_yield_whatever_input_is的输入是None，只能yield None。

　　使用yield from，可以将send的输入，传递给子生成器，父生成器代码修改如下：

def wrap_generator2():
    yield from i_yield_whatever_input_is()

g = wrap_generator2()
print("4: after send None return: %s" % g.send(None))
print("4: after send 1 return: %s" % g.send(1))
print("4: after send 2 return: %s" % g.send(2))

达到预期的运行结果：

1: before gi yield input=0
4: after send None return: 0
2: after gi yield input=1
1: before gi yield input=1
4: after send 1 return: 1
2: after gi yield input=2
1: before gi yield input=2
4: after send 2 return: 2

使用yield from实现asyncio

简单的例子（两个函数并发执行，函数内部的sleep不互相阻塞其它函数）：

#!/usr/bin/python
import asyncio
import threading

@asyncio.coroutine
def hello():
    print("2.1 befor yield from asyncio sleep")
    r = yield from asyncio.sleep(2)
    print("2.1 after yield from asyncio sleep")

def hello2():
    print("2.2 befor yield from asyncio sleep")
    r = yield from asyncio.sleep(5)
    print("2.2 after yield from asyncio sleep")

loop = asyncio.get_event_loop()
print ("1. after get event loop")

#loop.run_until_complete(hello())

tasks = [hello2(), hello()]
loop.run_until_complete(asyncio.wait(tasks))
print ("2. after run")

loop.close()
print ("3. after close")

运行结果：

1. after get event loop
2.2 befor yield from asyncio sleep
2.1 befor yield from asyncio sleep
===等待两个函数sleep返回===
2.1 after yield from asyncio sleep
2.2 after yield from asyncio sleep
2. after run
3. after close

复杂的例子(并发同时访问多个WEB服务器)：

#!/usr/bin/python
import asyncio

@asyncio.coroutine
def wget(host):
    print("wget %s..." % host)
    connect = asyncio.open_connection(host, 80)
    reader, writer = yield from connect
    header = 'GET / HTTP/1.0\r\nHost: %s\r\n\r\n' % host
    writer.write(header.encode('utf-8')) #向服务器发送请求
    yield from writer.drain()
    while True:
        line = yield from reader.readline() #读取服务器返回的数据
        if line == b'\r\n':
            break
        print('%s header > %s' % (host, line.decode('utf-8').rstrip()))
    writer.close()

loop = asyncio.get_event_loop()
tasks = [wget(host) for host in ['www.baidu.com', 'www.sina.com'，'www.taobao.com']]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()

运行结果：并发访问，服务器一旦返回，立即打印到屏幕。

wget www.baidu.com...
wget www.taobao.com...
wget www.sina.com...
www.baidu.com header > HTTP/1.1 200 OK
www.baidu.com header > Date: Fri, 12 Jun 2015 03:17:20 GMT
www.baidu.com header > Content-Type: text/html
www.baidu.com header > Content-Length: 14613
www.baidu.com header > Last-Modified: Wed, 03 Sep 2014 02:48:32 GMT
www.baidu.com header > Connection: Close
www.baidu.com header > Vary: Accept-Encoding
www.baidu.com header > Set-Cookie: BAIDUID=052DF57419E7322485FE496F7CFD60DF:FG=1; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com
www.baidu.com header > Set-Cookie: BIDUPSID=052DF57419E7322485FE496F7CFD60DF; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com
www.baidu.com header > Set-Cookie: PSTM=1434079040; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com
www.baidu.com header > Set-Cookie: BDSVRTM=0; path=/
www.baidu.com header > P3P: CP=" OTI DSP COR IVA OUR IND COM "
www.baidu.com header > Server: BWS/1.1
www.baidu.com header > X-UA-Compatible: IE=Edge,chrome=1
www.baidu.com header > Pragma: no-cache
www.baidu.com header > Cache-control: no-cache
www.baidu.com header > BDPAGETYPE: 1
www.baidu.com header > BDQID: 0x82714a2100005cd6
www.baidu.com header > BDUSERID: 0
www.baidu.com header > Accept-Ranges: bytes
www.sina.com header > HTTP/1.1 301 Moved Permanently
www.sina.com header > Server: nginx
www.sina.com header > Date: Fri, 12 Jun 2015 03:15:36 GMT
www.sina.com header > Content-Type: text/html
www.sina.com header > Location: http://www.sina.com.cn/
www.sina.com header > Expires: Fri, 12 Jun 2015 03:17:36 GMT
www.sina.com header > Cache-Control: max-age=120
www.sina.com header > Age: 104
www.sina.com header > Content-Length: 178
www.sina.com header > X-Cache: HIT from ja180-186.sina.com.cn
www.sina.com header > Connection: close
www.taobao.com header > HTTP/1.1 200 OK
www.taobao.com header > Server: Tengine
www.taobao.com header > Date: Fri, 12 Jun 2015 03:17:20 GMT
www.taobao.com header > Content-Type: text/html; charset=gbk
www.taobao.com header > Connection: close
www.taobao.com header > Vary: Accept-Encoding
www.taobao.com header > Set-Cookie: CAT=deleted; expires=Thu, 01-Jan-1970 00:00:01 GMT; Max-Age=0
www.taobao.com header > Set-Cookie: thw=cn; Path=/; Domain=.taobao.com; Expires=Sat, 11-Jun-16 03:17:20 GMT;
vickyleexy
关注
专栏目录
初步解析Python中的yield函数的用法
09-22
在Python中，`yield`函数是生成器（generator）的核心组成部分，它允许函数成为一个可迭代的对象，而不是一次性返回所有结果。生成器是一种特殊的迭代器，它们不会立即计算所有的值，而是根据需要在运行时逐个生成。...
Python中Yield的基本用法
12-16
Python中的`yield`关键字是用来创建生成器（generator）的关键，生成器是一种特殊的迭代器，它在执行过程中可以记住上次离开的状态，以便下次迭代时能够接着上次的状态继续执行。这种特性使得生成器在处理大量数据...
python中的yield使用方法
12-25
今天在看其他同事的代码时，发现一个没使用过的python关键字 ：yield       先问了一下同事，听他说了几句，有个模糊的印象，仅仅是模糊而已。于是自己去搜搜资料看。看了半天，逐渐清晰了。不过在工作机制以及应用上还是有点迷茫。嗯，先把初始接触的印象记下来吧。       yield 简单说来就是一个生成器（Generator）。生成器是这样一个函数：它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。       你看到某个函数包含了yield，这意味着这个函数已经是一个Generator，它的执行会和其他普
python中yield的用法
weixin_47727407的博客
01-30 840
当调用fib()函数时，生成器实例化并返回，这时并不会执行任何代码，生成器处于空闲状态，注意这里prev, curr = 0, 1并未执行。然后这个生成器被包含在list()中，list会根据传进来的参数生成一个列表，所以它对fib()对象(一切皆对象，函数也是对象)调用__next__方法。产生（收益、效益等），产生（结果）；出产（天然产品，农产品，工业产品）；（受压）活动，弯曲，折断；yield的函数则返回一个可迭代的 generator（生成器）对象。收益，利润，红利（或股息）率。
python进阶（8）：yield函数
最新发布
u013938578的博客
08-29 997
带有yield的函数在Python中被称之为generator(生成器)，也就是说，当你调用这个函数的时候，函数内部的代码并不立即执行 ，这个函数只是返回一个生成器(Generator Iterator)。
Python中的yield的用法
qq_43566675的博客
07-29 149
转载一篇自己认为讲得很好的博客 python中yield的用法详解——最简单，最清晰的解释
Python 中yield 用法
m0_37896011的博客
12-05 124
阅读别人的python源码时碰到了这个yield这个关键字，各种搜索终于搞懂了，在此做一下总结： 通常的for...in...循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。它可以是mylist = [1, 2, 3]，也可以是mylist = [x*x for x in range(3)]。 它的缺陷是所有数据都在内存中，如果有海量数据的话将会非常耗内存...
python-yield用法详解.pdf
02-06
总之，在Python中使用`yield`创建生成器是一种非常有效的方法来处理大量数据或需要按需生成数据的情况。通过理解`yield`的工作机制以及如何使用`next()`和`send()`方法，你可以充分利用生成器的优势来提高程序性能。
Python中yield使用方法
qq_35699473的博客
10-22 6523
Python中yield使用方法，最简单的解释 yield可以理解为一个return操作，但是和return又有很大的区别，执行完return，当前函数就终止了，函数内部的所有数据，所占的内存空间，全部都没有了。而yield在返回数据的同时，还保存了当前的执行内容，当你再一次调用这个函数时，他会找到你在此函数中的yield关键字，然后从yield的下一句开始执行。下边上代码。 对于yield，最简单的验证程序可以写成这样 def num_print(): print('yield_1') y
Python yield的用法
细心程度决定你的成败
03-29 2554
yield yield当用在函数中时，将函数变为一个generator function。意思是，如果def的函数内存在yield 则函数被调用时，是不进行执行的，除非使用next yield 可以被用作表达式（Expression)。作用是将其返回的至赋值给某个变量。 yield 被用在函数中def h(): print("你好") yield 5 print("再见")当
python中的yield使用详解
keybord_dancer的专栏
12-15 837
目录1 生成器2 contextlib中使用3 coroutines中使用 1 生成器 2 contextlib中使用 3 coroutines中使用
python中 yield的用法
rocking_struggling的博客
03-19 83
相当于一个暂停的return ,可以被next或者for循环唤醒，具体理解看下面这篇博客： 原文链接：https://blog.csdn.net/mieleizhi0522/article/details/82142856/ 首先我要吐槽一下，看程序的过程中遇见了yield这个关键字，然后百度的时候，发现没有...
python中的yield用法
weixin_52947687的博客
04-26 80
先大致说一下send函数的概念：此时你应该注意到上面那个的紫色的字，还有上面那个res的值为什么是None，这个变成了7，到底为什么，这是因为，send是发送一个参数给res的，因为上面讲到，return的时候，并没有把4赋值给res，下次执行的时候只好继续执行赋值操作，只好赋值为None了，而如果用send的话，开始执行的时候，先接着上一次（return 4之后）执行，先把7赋值给了res,然后执行next的作用，遇见下一回的yield，return出结果后结束。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值