Python中的生成器怎么实现

魁首哥

作者

Python中的生成器怎么实现

本篇内容主要讲解“Python中的生成器怎么实现”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“Python中的生成器怎么实现”吧!

前言

生成器很容易实现，但却不容易理解。生成器也可用于创建迭代器，但生成器可以用于一次返回一个可迭代的集合中一个元素。现在来看一个例子：

defyrange(n):i=0whilei<n:yieldii+=1

每次执行 yield 语句时，函数都会生成一个新值。

“生成器”这个词被混淆地用来表示生成的函数和它生成的内容。

当调用生成器函数时，它甚至没有开始执行该函数就返回一个生成器对象。当第一次调用 next() 方法时，函数开始执行直到它到达 yield 语句。产生的值由下一次调用返回。

以下示例演示了 yield 和对生成器对象上的 next 方法的调用之间的相互作用。

>>>deffoo():...print("begin")...foriinrange(3):...print("beforeyield",i)...yieldi...print("afteryield",i)...print("end")...>>>f=foo()>>>next(f)beginbeforeyield00>>>next(f)afteryield0beforeyield11>>>next(f)afteryield1beforeyield22>>>next(f)afteryield2endTraceback(mostrecentcalllast):File"<pyshell#13>",line1,in<module>next(f)StopIteration>>>

生成器也是迭代器

生成器也是迭代器，支持使用 for 循环。当使用 for 语句开始对一组项目进行迭代时，即运行生成器。一旦生成器的函数代码到达 yield 语句，生成器就会将其执行交还给 for 循环，从集合中返回一个新值。生成器函数可以根据需要生成任意数量的值（可能是无限的），依次生成每个值。

f_2=foo()foriinf_2:print(i)beginbeforeyield00afteryield0endbeforeyield11afteryield1endbeforeyield22afteryield2end

当一个函数包含 yield 时，Python 会自动实现一个迭代器，为我们应用所有需要的方法，比如 __iter__() 和 __next__()，所以生成器也能和迭代器有相同的功能，如下所示：

defyrange():i=1whileTrue:yieldii=i+1defsquares():foriinyrange():yieldi*ideftake(n,seq):seq=iter(seq)result=[]try:foriinrange(n):result.append(next(seq))exceptStopIteration:passreturnresultprint(take(5,squares()))#[1,4,9,16,25]

接下来看一下如何使用生成器计算斐波那契数列：

deffib(n):ifn<=1:return1a,b=0,1for_inrange(n):a,b=b,a+byieldaforiinfib(10):print(i,end='')#Result：11235813213455

生成器推导式

生成器表达式是列表推导式的生成器版本。它们看起来像列表推导式，但返回的是一个生成器，而不是一个列表。生成器推导式的本质：

使用 yield 会产生一个生成器对象
用 return 将返回当前的第一个值。

generator_expressions=(xforxinrange(10))generator_expressions<generatorobject<genexpr>at0x0000023F8BC51AF0>sum(generator_expressions)45

无限生成器

生成器的另一个常见场景是无限序列生成。在 Python 中，当您使用有限序列时，您可以简单地调用 range() 并在列表中对其进行计数，例如：

a=range(5)print(list(a))[0,1,2,3,4]

也可以这样做，使用如下生成器生成无限序列：

definfinite_sequence():num=0whileTrue:yieldnumnum+=1

运行此代码时，可以看到其运行非常快，可以通过 CTRL+C 来使得程序结束，如下：

生成器实际用法

1. 读取文件行

生成器的一个常见用法是处理大型文件或数据流，例如 CSV 文件。假设我们需要计算文本文件中有多少行，我们的代码可能如下所示：

defcsv_reader(file_name):file=open(file_name)result=file.read().split("\n")returnresultcsv_gen=csv_reader("some_file.csv")row_count=0forrowincsv_gen:row_count+=1print(f"Rowcountis{row_count}")

我们的 csv_reader 函数将简单地将文件打开到内存中并读取所有行，然后它将行拆分并与文件数据形成一个数组。如果文件包含几千行，可能就会导致速度变慢，设置是内存被占满。

这里就可以通过生成器重构的 csv_reader 函数。

defcsv_reader(file_name):forrowinopen(file_name,"r"):yieldrow

2.读取文件内容

defreadfiles(filenames):forfinfilenames:forlineinopen(f):yieldlinedefgrep(pattern,lines):return(lineforlineinlinesifpatterninline)defprintlines(lines):forlineinlines:print(line,end="")defmain(pattern,filenames):lines=readfiles(filenames)lines=grep(pattern,lines)printlines(lines)

高级生成器用法

到目前为止，我们已经介绍了生成器最常见的用途和构造，但还有更多内容需要介绍。随着时间的推移，Python 为生成器添加了一些额外的方法：

send() 函数
throw() 函数
close() 函数

接下来，我们来看一下如何使用这三个函数。

首先，新建一个生成器将生成素数，其实现如下：

defisPrime(n):ifn<2orn%1>0:returnFalseelifn==2orn==3:returnTrueforxinrange(2,int(n**0.5)+1):ifn%x==0:returnFalsereturnTruedefgetPrimes():value=0whileTrue:ifisPrime(value):i=yieldvalueifiisnotNone:value=ivalue+=1

然后我们调用 send() 函数，这个函数会向生成器 prime_gen 传入一个值，然后从这个值开始计算下一个素数的值：

prime_gen=getPrimes()print(next(prime_gen))print(prime_gen.send(1000))print(next(prime_gen))

可以看到如下结果：