17.8 生成器

生成器

GENERATOR - A convenient method to build iterators

带有 yield 的函数在 Python 中被称之为 Generator（生成器）， 生成器函数有以下特点：

• 使用def定义
• 当该函数被调用时，返回生成器对象
• 使用yield代替return来返回值
• yield使函数执行暂停

一个简单的程序来说明生成器的基本概念

def gen():
    yield 1
    yield 2
    yield 3

for i in gen():
   print(i)

执行结果

1
2
3

每次碰到yield函数返回对应值并暂停，下次调用时从该语句之后开始执行

下面，举几个例子说明下（还是用生成斐波那契数列说明，接上一章“迭代器”）
在迭代器章节里，可以看出代码3远没有代码1简洁，使用生成器（yield）既可以保持代码1的简洁性，又可以保持代码3的效果

代码4

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

执行

>>> for n in fab(5):
    print n

1
1
2
3
5

简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 fab(5) 不会执行 fab 函数，而是返回一个 iterable 对象！
在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

也可以手动调用 fab(5) 的 next() 方法（因为 fab(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 fab 的执行流程：

>>> f = fab(3)
>>> f.next()
1
>>> f.next()
1
>>> f.next()
2
>>> f.next()

Traceback (most recent call last):
  File "<pyshell#62>", line 1, in <module>
    f.next()
StopIteration

return作用

在一个生成器中，如果没有return，则默认执行到函数完毕；如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。例如

>>> s = fab(5)
>>> s.next()
1
>>> s.next()

Traceback (most recent call last):
  File "<pyshell#66>", line 1, in <module>
    s.next()
StopIteration

代码5 文件读取

def read_file(fpath): 
    BLOCK_SIZE = 1024 
    with open(fpath, 'rb') as f: 
        while True: 
            block = f.read(BLOCK_SIZE) 
            if block: 
                yield block 
            else: 
                return

如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。

练习

Write a program that implement functions that return containers of numbers from 1 to 100. Then sum them. You need implement the function by using 3 different forms, they are list, iterator and generator.