python之generator详解 |
您所在的位置：网站首页 › player maker什么意思 › python之generator详解 |
|
generator使用场景： 1 当我们需要一个公用的，按需生成的数据 2 某个事情执行一部分，另一部分在某个事件发生后再执行下一部分，实现异步。 注意事项： 1 yield from generator_obj 本质上类似于 for item in generator_obj: yield item 2 generator函数中允许使用return，但是return 后不允许有返回值
本文将由浅入深详细介绍yield以及generator，包括以下内容：什么generator，生成generator的方法，generator的特点，generator基础及高级应用场景，generator使用中的注意事项。本文不包括enhanced generator即pep342相关内容，这部分内容在之后的博文介绍。 generator基础
在python的函数（function）定义中，只要出现了yield表达式（Yield expression），那么事实上定义的是一个generator function， 调用这个generator function返回值是一个generator。这根普通的函数调用有所区别，For example： def gen_generator(): yield 1 def gen_value(): return 1 if __name__ == '__main__': ret = gen_generator() print (ret, type(ret)) # ret = gen_value() print (ret, type(ret)) # 1从上面的代码可以看出，gen_generator函数返回的是一个generator实例，generator有以下特别： 遵循迭代器（iterator）协议，迭代器协议需要实现__iter__、next接口能过多次进入、多次返回，能够暂停函数体中代码的执行下面看一下测试代码： def gen_example(): print ('before any yield') yield 'first yield' print ('between yields') yield 'second yield' print ('no yield anymore') gen = gen_example() gen.next() ＃ 第一次调用next #before any yield #'first yield' gen.next() ＃ 第二次调用next #between yields #'second yield' gen.next() ＃ 第三次调用next #no yield anymore #Traceback (most recent call last): #File "", line 1, in #StopIteratio调用gen example方法并没有输出任何内容，说明函数体的代码尚未开始执行。当调用generator的next方法，generator会执行到yield 表达式处，返回yield表达式的内容，然后暂停（挂起）在这个地方，所以第一次调用next打印第一句并返回“first yield”。 暂停意味着方法的局部变量，指针信息，运行环境都保存起来，直到下一次调用next方法恢复。第二次调用next之后就暂停在最后一个yield，再次调用next()方法，则会抛出StopIteration异常。 因为for语句能自动捕获StopIteration异常，所以generator（本质上是任何iterator）较为常用的方法是在循环中使用： def generator_example(): yield 1 yield 2 if __name__ == '__main__': for e in generator_example(): print (e) # output 1 2generator function产生的generator与普通的function有什么区别呢 （1）function每次都是从第一行开始运行，而generator从上一次yield开始的地方运行 （2）function调用一次返回一个（一组）值，而generator可以多次返回 （3）function可以被无数次重复调用，而一个generator实例在yield最后一个值 或者return之后就不能继续调用了
在函数中使用Yield，然后调用该函数是生成generator的一种方式。另一种常见的方式是使用generator expression，For example： gen = (x * x for x in xrange(5)) print (gen) #generator应用 generator基础应用 为什么使用generator呢，最重要的原因是可以按需生成并“返回”结果，而不是一次性产生所有的返回值，况且有时候根本就不知道“所有的返回值”。比如对于下面的代码 RANGE_NUM = 100 for i in [x*x for x in range(RANGE_NUM)]: # 第一种方法：对列表进行迭代 # do sth for example print(i) for i in (x*x for x in range(RANGE_NUM)): # 第二种方法：对generator进行迭代 # do sth for example print (i)在上面的代码中，两个for语句输出是一样的，代码字面上看来也就是中括号与小括号的区别。但这点区别差异是很大的，第一种方法返回值是一个列表，第二个方法返回的是一个generator对象。随着RANGE_NUM的变大，第一种方法返回的列表也越大，占用的内存也越大；但是对于第二种方法没有任何区别。 我们再来看一个可以“返回”无穷多次的例子： def fib(): a, b = 1, 1 while True: yield a a, b = b, a+b这个generator拥有生成无数多“返回值”的能力，使用者可以自己决定什么时候停止迭代 generator高级应用 使用场景一： Generator可用于产生数据流， generator并不立刻产生返回值，而是等到被需要的时候才会产生返回值，相当于一个主动拉取的过程(pull)，比如现在有一个日志文件，每行产生一条记录，对于每一条记录，不同部门的人可能处理方式不同，但是我们可以提供一个公用的、按需生成的数据流。 def gen_data_from_file(file_name): for line in file(file_name): yield line def gen_words(line): for word in (w for w in line.split() if w.strip()): yield word def count_words(file_name): word_map = {} for line in gen_data_from_file(file_name): for word in gen_words(line): if word not in word_map: word_map[word] = 0 word_map[word] += 1 return word_map def count_total_chars(file_name): total = 0 for line in gen_data_from_file(file_name): total += len(line) return total if __name__ == '__main__': print count_words('test.txt'), count_total_chars('test.txt')上面的例子来自08年的PyCon一个讲座。gen_words gen_data_from_file是数据生产者，而count_words count_total_chars是数据的消费者。可以看到，数据只有在需要的时候去拉取的，而不是提前准备好。另外gen_words中 (w for w in line.split() if w.strip()) 也是产生了一个generator
使用场景二： 一些编程场景中，一件事情可能需要执行一部分逻辑，然后等待一段时间、或者等待某个异步的结果、或者等待某个状态，然后继续执行另一部分逻辑。比如微服务架构中，服务A执行了一段逻辑之后，去服务B请求一些数据，然后在服务A上继续执行。或者在游戏编程中，一个技能分成分多段，先执行一部分动作（效果），然后等待一段时间，然后再继续。对于这种需要等待、而又不希望阻塞的情况，我们一般使用回调（callback）的方式。下面举一个简单的例子： def do(a): print ('do', a) CallBackMgr.callback(5, lambda a = a: post_do(a)) def post_do(a): print ('post_do', a)这里的CallBackMgr注册了一个5s后的时间，5s之后再调用lambda函数，可见一段逻辑被分裂到两个函数，而且还需要上下文的传递（如这里的参数a）。我们用yield来修改一下这个例子，yield返回值代表等待的时间。 @yield_dec def do(a): print ('do', a) yield 5 print ('post_do', a)这里需要实现一个YieldManager， 通过yield_dec这个decrator将do这个generator注册到YieldManager，并在5s后调用next方法。Yield版本实现了和回调一样的功能，但是看起来要清晰许多。下面给出一个简单的实现以供参考： # -*- coding:utf-8 -*- import sys # import Timer import types import time class YieldManager(object): def __init__(self, tick_delta = 0.01): self.generator_dict = {} # self._tick_timer = Timer.addRepeatTimer(tick_delta, lambda: self.tick()) def tick(self): cur = time.time() for gene, t in self.generator_dict.items(): if cur >= t: self._do_resume_genetator(gene,cur) def _do_resume_genetator(self,gene, cur ): try: self.on_generator_excute(gene, cur) except StopIteration,e: self.remove_generator(gene) except Exception, e: print 'unexcepet error', type(e) self.remove_generator(gene) def add_generator(self, gen, deadline): self.generator_dict[gen] = deadline def remove_generator(self, gene): del self.generator_dict[gene] def on_generator_excute(self, gen, cur_time = None): t = gen.next() cur_time = cur_time or time.time() self.add_generator(gen, t + cur_time) g_yield_mgr = YieldManager() def yield_dec(func): def _inner_func(*args, **kwargs): gen = func(*args, **kwargs) if type(gen) is types.GeneratorType: g_yield_mgr.on_generator_excute(gen) return gen return _inner_func @yield_dec def do(a): print 'do', a yield 2.5 print 'post_do', a yield 3 print 'post_do again', a if __name__ == '__main__': do(1) for i in range(1, 10): print 'simulate a timer, %s seconds passed' % i time.sleep(1) g_yield_mgr.tick() 注意事项： （1）Yield是不能嵌套的！ def visit(data): for elem in data: if isinstance(elem, tuple) or isinstance(elem, list): visit(elem) # here value retuened is generator else: yield elem if __name__ == '__main__': for e in visit([1, 2, (3, 4), 5]): print e上面的代码访问嵌套序列里面的每一个元素，我们期望的输出是1 2 3 4 5，而实际输出是1 2 5 。为什么呢，如注释所示，visit是一个generator function，所以第4行返回的是generator object，而代码也没这个generator实例迭代。那么改改代码，对这个临时的generator 进行迭代就行了。 def visit(data): for elem in data: if isinstance(elem, tuple) or isinstance(elem, list): for e in visit(elem): yield e else: yield elem或者在python3.3中 可以使用yield from，这个语法是在pep380加入的 def visit(data): for elem in data: if isinstance(elem, tuple) or isinstance(elem, list): yield from visit(elem) else: yield elem
（2）generator function中使用return 在python doc中，明确提到是可以使用return的，当generator执行到这里的时候抛出StopIteration异常。 def gen_with_return(range_num): if range_num < 0: return else: for i in xrange(range_num): yield i if __name__ == '__main__': print list(gen_with_return(-1)) print list(gen_with_return(1))但是，generator function中的return是不能带任何返回值的 def gen_with_return(range_num): if range_num < 0: return 0 else: for i in xrange(range_num): yield i上面的代码会报错：SyntaxError: 'return' with argument inside generator
References： http://www.dabeaz.com/generators-uk/ https://www.python.org/dev/peps/pep-0380/ http://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do http://stackoverflow.com/questions/15809296/python-syntaxerror-return-with-argument-inside-generator |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |