生成器generator

看到生成器，最先想到yield关键字，generator object

 

1，用于协程，最近（2023/6/1）开始看到生成器用于协程这方面的内容，但还没接触，开始有所了解。

.send方法 

 

 

如果列表元素可以按照某种算法推算出来，那我们因此可以在循环的过程中不断推算出后续的元素，这样就不必创建完整的list，从而节省大量的空间。

在Python中，这种一边循环一边计算的机制，称为生成器：generator。

generator保存的是算法，每次调用next( g )，就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。

 创建生成器的2种方式：

1，把列表生成式中的中括号[ ] 改成小括号( )

2，生成器函数——yield关键字：如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

使用生成器：

我们创建了一个generator后，基本上永远不会调用next()，而是通过for循环来迭代它（因为如果生成器对象很多，使用next( )函数来获取每一个元素，会很麻烦），并且不需要关心StopIteration的错误。（是因为for循环内部会处理异常）

对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。

执行流程：

最难理解的就是generator和函数的执行流程不一样。

函数：是顺序执行，遇到return语句或者最后一行函数语句就返回。

generator函数：在每次调用next( )的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。

生成器拿不到return语句的返回值

用for循环调用generator时拿不到return语句的返回值。

如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中。

 

#定义一个生成器函数
def odd():
    print('step 1')
    yield 1
    print('step 2')
    yield(3)
    print('step 3')
    yield(5)
    
   
print("\n以下调用方式会创建多个独立的生成器：")
print(next(odd()))
print(next(odd()))
print(next(odd()))


print('\n正确的调用方式：')
g = odd()
print(next(g))
print(next(g))
print(next(g))
print(next(g))

 

调用该generator函数时，首先要生成一个generator对象，然后用next()函数不断获得下一个返回值，当迭代完再使用next()函数时会报错StopIteration。

调用generator函数会创建一个generator对象，多次调用generator函数会创建多个相互独立的generator。

 

 

 

 

 

另外一个小众的使用场景，是变相实现协程的效果，即在同一个线程内，实现不同任务交替执行。

下面这部分代码能快速理解为什么说不同任务交替执行。

def mytask1():
  print('task1 开始执行')
  '''
  task code
  '''
  yield

def mytask2():
  print('task2 开始执行')
  '''
  task code
  '''
  yield

gene1=mytask1()
gene2=mytask2()

for i in range(100):
  next(gene1)
  next(gene2)

 

 

 

 yield 在返回值以后，会交出 CPU 的使用权，代码段并没有直接结束，而是在此处中断，当调用 send() 或者 next() 方法之后，yield 可以从之前中断的地方继续执行。