【Python】深入浅出学习Python的yield和generator

背景

之前走马观花接触过Python协程的概念，这两天和一个同事聊到了协程，死活想不起来曾经看过的东西，就记得一个yield，概念不清；

所以想捋一捋相关的东西，此篇作为学习的记录。

Generator

generator（生成器）保存的是算法，可以理解为一个特殊的函数，有迭代的属性（可迭代的对象都有一个__next()__成员方法）
可以被用作控制循环的迭代行为，做到一边循环一边计算；特点是只有被调用的的时候才会生成，能做到不多占用系统的资源。

在我们日常工作过程中接触最多的generator可能就是Python3.X中的range函数，我们来看一下它和Python2.x中range的用法区别：

# python2
>>> range(10)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> type(range(10))
<type 'list'>

# python3
>>> range(10)
range(0, 10)
>>> type(range(10))
<class 'range'>

>>> list(range(10))
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

如示例，Python2 是直接生成的列表list，而Python3中调用range(10)实际上是生成了一个range类，需要转换才能生成list。

Python2这样直接生成列表的机制，在实际使用中容量可能会受到内存的限制。而且如果创建一个包含100万个元素的列表，而我们又仅仅只需要访问前面几个元素，那绝大多数的内存占用就会白白浪费。所以Python3的开发者们才会在这一个小小的函数上花精力。

Generator的使用

创建generator：列表生成式

创建generator方法有很多，最直接最简单的方法就是使用 列表生成式：

>>> L = [x * 2 for x in range(5)]
>>> L
[0, 2, 4, 6, 8]
>>> G = (x * 2 for x in range(5))
>>> G
<generator object <genexpr> at 0x000000000309DD58>

如上例，只要把一个列表生成式的[]改成()，就创建了一个generator

我们可以通过next()函数获得generator的返回值

>>> next(G)
0
>>> next(G)
2
>>> next(G)
4
>>> next(G)
6
>>> next(G)
8
>>> next(G)
Traceback (most recent call last):
  File "<pyshell#16>", line 1, in <module>
    next(G)
StopIteration

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。

当然，这个只是测试，正确的使用方式是使用for循环，在for循环中，会自动遵循迭代规则，每次调用next()函数，而且不需要关心StopIteration的错误。

>>> for i in G:
    print(i)
0
2
4
6
8

创建generator：直接定义生成器函数

# 普通函数
def commom_func(max):
    print("create counter")
    counter = 0
    while counter < max:
        print(counter)
        print('counter increase')
        counter += 1

# 生成器函数
def yield_func(max):
    print("create counter")
    counter = 0
    while counter < max:
        yield counter
        print('counter increase')
        counter += 1

# 生成器函数调用
if __name__ == '__main__':
    num = yield_func(5)
    print(next(num))
    print(next(num))
    print(next(num))

---
# 生成器函数调用输出
create counter
0
counter increase
1
counter increase
2

从上面这个例子可以看出以下几点：

在yield_func函数中出现了关键字yield，这个函数返回一个生成器（通过第一行输出可以看出来），用来产生连续的n值，生成器每次只产生一个结果值
在创造生成器实例的时候，只需要像普通函数一样调用就可以，但是这个调用却不会执行这个函数
next()函数将生成器对象作为自己的参数，在第一次调用的时候，他执行了yield_func函数到yield语句，返回产生的值0
我们重复的调用next（）函数，每次他都会从上次被挂起的地方开始执行，直到再次遇到了yield关键字
这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator

下面是一个更直观的例子

def step_test():
    print('step 1')
    yield 1
    print('step 2')
    yield 2
    print('step 3')
    yield 3

调用该generator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：

>>> test = step_test()
>>> next(test)
step 1
1
>>> next(test)
step 2
2
>>> next(test)
step 3
3

总结

generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator
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。
普通函数调用直接返回结果，generator函数的“调用”实际返回一个generator对象：

>>> step_test()
<generator object step_test at 0x0000000001DE5B48>