生成器理解

genorator python理解

完全理解可迭代类型,迭代器,生成器
谈谈python的生成器
[Python高级编程(第二版)]
python Standard Library

前面讨论了迭代器,这里继续讨论genorator(生成器),这两种python语法都是一种有用的方式.这两种方式生成元素,序列在其调用的时候,这样不用在内存中存储容器(这个特点在容器很大的时候比较有用)
我们来讨论这两种方式:

• Iterator:

class Iterat:
    def __init__(self.step):
        self.step = step
    def __iter__(self):
        return self
    #def __next__(self): #for python3.x
    def next(self): #for python2.x
        if self.step <= 0:
            raise StopIteration
        self.step -= 1
        return self.step

ITER = Iterat(3)

for element in ITER:
    print(element)

• Genorator:

def genorate(n):
    while True:
        if n <= 0:
            raise StopIteration
        yield n 
        n -= 1

gen = genorate(n)

for i in gen:
    print(i)

这两种方式都会得到同样的结果.但是生成器明显在代码复杂度上面要小于迭代器,对比,我们可以发现要使用迭代器,我们必须创建一个可迭代的类,类中要包含__iter__(),next()(或者for python2.x,next()方法),而在产生生成器的时候,只用改动很少的一点代码,使用yield关键字.

yield 关键字

每次执行迭代器next()方法并返回后,该方法的上下文环境即消失了,而对于生成器,每次执行next()方法后,代码会执行到yield关键字处,将yield后的参数值返回,同时保存当前生成器函数的上下文.也就是1)保存了该函数中当时所有的变量状态,同时2)函数代码执行到的位置也被保留.就像是函数被暂停.当下一次调用或者next()的时候,代码会从yield关键字的下一行开始执行,如果执行next()没有遇到yield关键字就会退出,并抛出StopIteration异常.

同时我们需要提到的生成器方法除了next(),还有

1. close()方法,可关闭生成器:

gen = (x for x in range(5))
gen.close()
gen.next() #StopIteration

2. send()方法
   可以向生成器内部传递参数.

def count(n):
    x = 0
    while x < n:
        value = yield x
        if value is not None:
            print 'Received value: %s' %value
        x += 1
gen = count(5)
print gen.next() #print 0
print gen.send('Hello') #Received Value: Hello, then print 1

3. throw()方法
   我们可以向生成器函数内部传递参数,还可以传递异常