python生成器及关键字yield

生成器是什么

生成器继承于迭代器，故生成器有迭代器的特性，是一个可以通过循环获取数据的对象

但生成器保存的是生成数据的算法，不保存数据，迭代器是一组数据。

python已有的列表生成器 list(range(1,11))无法解决内存限制的问题，所有产生的数据都在内存里，如果数据很大就会有内存溢出的问题

生成器是保存了生成数据的算法，不保存数据，同时也会保存游标的位置，记录当前取到哪个数据，下次继续从游标位置获取新数据

可以通过next()方法，一直通过生成器生成新数据，而不占用内存

生成器用到的关键字yield

yield用于给生成器函数返回数据，遇到yield后，函数暂停执行，将yield的值返回给调用方，下一次遇到next()时，再继续接着上一次执行的位置继续执行

def testfib():
    a = 0
    b = 1
    while True:
        yield b
print('b={}'.format(b))
        a,b = b,a+b
    return "done"
if __name__ == '__main__':
    a = testfib()
    print(next(a))
    print(next(a))
    print(next(a))
----------------
结果
1
b=1
1
b=1
2

testfib生成器保存了生成斐波那契数列数据的算法，
a= testfib() 定义了生成器a对象

main方法中调用了3次next(a)，第一次next(a)，程序返回b的值1，并暂停执行
第二次next(a)，继续接着上一次的游标位置执行，先打印b=1,接着a,b= 1,1,下一次循环，遇到yield，返回当前b的值1
第三次next(a),继续接着上一次的游标位置执行，先打印b=1,接着a,b= 1,2,下一次循环，遇到yield，返回当前b的值2

* print(a)会打印<generator object testfib at 0x0000000002341DE0>，而不会打印done
只要在函数中有yield关键字，那么当前这个函数是属于生成器中保存的算法，算法实现的功能就是生成b

【说明】
遇到yield后，函数暂停执行，有一个例外：当直接把生成器转化为list、元祖时，会一直持续执行yield下面的语句，并不断产生数据

def testfib(num):
    a = 0
    b = 1
    n = 0
    while n<num:
        yield b
        a,b = b,a+b
        n +=1
    return "done"
if __name__ == '__main__':
    print(list(testfib(10)))
-------------
结果 [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

main函数中直接将生成器转化为list，那么遇到yield，将数据返回后，也会继续执行下面的内容

 但是，如果生成器中循环没有结束条件，是while True ,那么使用(list(testfib(10))会无限循环打印列表数据，进入死循环

生成器用到的函数

• next({generate})利用next让生成器 产生一个数据
• {generate}.colse()遇到close,生成器终止产生数据，close后再次使用next()获取数据，会报错StopIteration
• {generate}.seed(param) seed同next一样，也会让生成器 产生一个数据，不同的是，通过seed可以传递参数给生成器，且使用seed前需要先使用next 启动生成器

def testfib():
    a = 0
    b = 1
    n = 0
    num = yield
    while n< num:
        yield b
        print('n={}'.format(n))
        a,b = b,a+b
        n+=1
    return "done"
if __name__ == '__main__':
    a = testfib()
    next(a)
    print(a.send(3))
    print(a.send(3))
    print(a.send(3))
    print(a.send(3))
----------
返回：
1
n=0
1
n=1
2
n=2
Traceback (most recent call last):
  File "D:/python-workspace/pythontest/base/test1.py", line 983, in <module>
    print(a.send(3))
StopIteration: done

举例中通过seed传递参数3给生成器，生成器中判断当n<3时，允许产生数据
1.首先在seed传参前，调用next(a)启动生成器，代码执行到生成器的 num = yield这暂停，yield后没有跟数据，故本次next()不会产生数据
2.首次用a.seed(3)让生成器产生数据，程序接着num =yield执行，num被赋值为3，函数继续向下执行，n=0,n<num,yield 返回b
3.继续使用a.seed(3)再次成功产生2个数据，此时n=2
4.第4次使用a.seed(3)让生成器产生数据，接着上面一步继续执行，打印完n=2后，a,b进行复制，n+1,n=3,再去判断n<num不满足，终止生成数据，报错StopIteration

使用seed传参时，生成器及调用方有固定写法

def generator():
n= yield
while True:
{code with n}#这里是用到seed传递的n的代码
{code with return num}#这里是生成数据算法的部分，改变每次生成数据的值 如num= random()
yield num
return
if __name__ == '__main__':
#调用时先定义生成器对象
obj= generator()
next(obj)#启动生成器
a=obj.seed(5)#传递参数给生成器