yield

为了理解什么是 yield,你必须理解什么是生成器。在理解生成器之前，让我们先知道什么是迭代。

可迭代对象

当你建立了一个列表，你可以逐项地读取这个列表，这叫做一个可迭代对象:

>>> mylist = [1, 2, 3]
>>> for i in mylist :
...    print(i)
1
2
3

mylist 是一个可迭代的对象。当你使用一个列表生成式来建立一个列表的时候，就建立了一个可迭代的对象:

>>> mylist = [x*x for x in range(3)]
>>> for i in mylist :
...    print(i)
0
1
4

使用迭代器会把所有的值都存储到了内存中，如果你有大量数据的话这个方式并不是你想要的。

生成器

生成器是可以迭代的，但是你 只可以读取它一次 ，因为它并不把所有的值放在内存中，它是实时地生成数据

def get_yield(limit):for i in range(limit):yield it = get_yield(5)
print(t)
# t输出为 <generator object get_yield at 0x000001C69833CEB8>
for num in t:print(num)
# 下面这一段不会输出
for num in t:print(num)

yield和return很相似，都起到返回值的作用，但是yield所在的函数返回的是一个生成器，return则直接将某个变量返回，并退出函数。要知道，上面的get_yield函数并不是一被调用就马上执行，可以观看下段代码来更好地了解这一点。

import time
def oneByone(limit):for i in range(limit):print('oneByone里面i的值是：', i)yield it = oneByone(5)
for j in range(5):i = next(t)print(print('main函数里面i的值是：' , i)time.sleep(1)print(time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))

输出结果：

oneByone里面i的值是： 0
main函数里面i的值是： 0
2018-07-30 12:40:54
oneByone里面i的值是： 1
main函数里面i的值是： 1
2018-07-30 12:40:55
oneByone里面i的值是： 2
main函数里面i的值是： 2
2018-07-30 12:40:56
oneByone里面i的值是： 3
main函数里面i的值是： 3
2018-07-30 12:40:57
oneByone里面i的值是： 4
main函数里面i的值是： 4
2018-07-30 12:40:58

具体理解可以参见高级用法部分的next方法

高级用法：

1.控制生成器的穷尽（摘自该文章）

>>> class Bank(): # let's create a bank, building ATMs
...    crisis = False
...    def create_atm(self) :
...        while not self.crisis :
...            yield "$100"
>>> hsbc = Bank() # when everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(next(corner_street_atm))
$100
>>> print(next(corner_street_atm))
$100
>>> print([next(corner_street_atm) for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # crisis is coming, no more money!
>>> print(next(corner_street_atm))
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # it's even true for new ATMs
>>> print(next(wall_street_atm))
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # trouble is, even post-crisis the ATM remains empty
>>> print(next(corner_street_atm))
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # build a new one to get back in business
>>> for cash in brand_new_atm :
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
...

这里面的逻辑是这么一回事：首先实现了一个Bank类，然后定义了类的所有实例共享的成员变量crisis，当crisis为False时，生成器create_atm()可迭代，反之不行。创建一个hsbc实例，首先创建corner_street_atm这个生成器，可以一直使用next(corner_street_atm)来迭代，但是一旦将crisis设为True，且再次调用next(corner_street_atm)时，该生成器就不可迭代了

（注意，将crisis设置为True之后，一定要再次调用生成器该生成器才会不可迭代

这里的逻辑其实很好懂，为什么需要再次调用才会不可迭代呢？因为上面的函数并不会一次性执行完，而是使用next则执行一次，所以当你将crisis设置为True时，如果不使用next方法，则一直不会跳出while循环）。

2.send和next方法

python生成器有两个主要方法，一个是send一个是next。

在每段代码中，第一个next调用，相当于启动生成器，会从生成器函数的第一行代码开始执行，直到第一次执行完yield语句（第4行）后，跳出生成器函数。然后第二个next调用，进入生成器函数后，从yield语句的下一句语句（第5行）开始执行，然后重新运行到yield语句，执行后，跳出生成器函数后面再次调用next，依此类推。即执行一次next则调用一次生成器函数，直至抛出不可迭代的错误。

1 def consumer():
2     r = 0
3     for i in xrange(3):
4         yield r
5         r = '200 OK'+ str(i)
6
7 c = consumer()
8 n1 = c.next()
9 n2 = c.next()
10 n3 = c.next()

（该段代码摘自该文章）

send方法和next方法其实很相似，唯一的区别在于send方法可以传入值，而next方法不能传值，可以这样说，next(c) = c.send(None)

第一次调用时不能使用send发送一个非None的值，否则会出错的，因为没有Python yield语句来接收这个值。

def consumer():r = ''while True:n = yield r # Aif not n:returnprint('[CONSUMER] Consuming %s...' % n)r = '200 OK'def produce(c):c.send(None) # B n = 0while n < 5:n = n + 1print('[PRODUCER] Producing %s...' % n)r = c.send(n) # Cprint('[PRODUCER] Consumer return: %s' % r)c.close()c = consumer()
produce(c)

运行结果：

[PRODUCER] Producing 1...
[CONSUMER] Consuming 1...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 2...
[CONSUMER] Consuming 2...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 3...
[CONSUMER] Consuming 3...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 4...
[CONSUMER] Consuming 4...
[PRODUCER] Consumer return: 200 OK
[PRODUCER] Producing 5...
[CONSUMER] Consuming 5...
[PRODUCER] Consumer return: 200 OK

在该段代码里面，首先是创建了生成器c，然后将c传入produce里面。下面开始讲解produce和consume函数的交互：

首先执行c.send(None)，然后进入生成器函数里面，执行到A处（注意，此处没有执行赋值操作，遇见yield就跳回B了），然后从B的末尾继续执行，在C处执行r = c.send(1)，然后又跳回到生成器函数的A处，那么send是怎么赋值的呢？？？这里是将(yield r)当做一个整体，然后将该值赋给n，也就是n=1了，继续执行A后面的语句，直至再次到A处，重复前面的步骤至循环结束。

另外，C处的语句r都会接受到生成器函数返回的r值。

3.yield from

https://www.cnblogs.com/cdma/p/6839640.html

https://blog.csdn.net/chenbin520/article/details/78111399?locationNum=7&fps=1

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001432090954004980bd351f2cd4cc18c9e6c06d855c498000

python的yield和yield from相关推荐

Python中yield和yield from的用法
yield 后面接的是 future 对象调用方委托生成器 yield from 直接给出循环后的结果 yield from 委托者和子生成器直接通信 yield from 直接处理stopIte ...
python yield from yield_python yield和yield from用法总结详解 python yield和yield from用法总结...
#!/usr/bin/env python # -*- coding: utf-8 -*-from inspect import isgeneratorfunction def fab(max): n ...
Python生成器实现及yield关键字
Python生成器实现及yield关键字我在另一篇文章中介绍了Python迭代器,https://blog.csdn.net/weixin_43790276/article/details/9034 ...
python yield from_简述 yield 和 yield from
yield 函数可以看成是一堆指令的集合.在函数中加入yield可以把一个函数变成一个generator,虽然调用的方式不一样了,但是其实现的功能和原来的函数基本是一样的. 而yield在这其中的作用 ...
python协程--yield和yield from
字典为动词"to yield"给出了两个释义:产出和让步.对于 Python 生成器中的 yield 来说,这两个含义都成立.yield item 这行代码会产出一个值,提供给 n ...
从yield 到yield from再到python协程
yield 关键字 def fib():a, b = 0, 1while 1:yield ba, b = b, a+b yield 是在:PEP 255 -- Simple Generators 这个 ...
python进阶：yield与yield from
目录 yield与生成器 send close throw yield from yield与生成器前面我们介绍过生成器:迭代器.可迭代对象.生成器的区别和联系使用了 yield 的函数被称为生成 ...
python学习——yield和yield from
一.先来看看yield返回的是什么东东 yield关键字只能在函数中使用,否则会抛出语法异常咱们知道只要在函数中存在yield关键字,那么这个在调用这个函数的时候,其返回值就是一个生成器对象,下图咱 ...
从yield到yield from
yield 带有 yield 的函数不再是一个普通函数,而是一个生成器generator 把生成器当作管道 def add_A(seq):for item in seq:yield item + '- ...
yield 和 yield*
yield yield 关键字用来暂停和恢复一个生成器函数(function*) 举例: function* gen(index) {while (index < 2) {yield index ...

python的yield和yield from

yield

可迭代对象

生成器

高级用法：

python的yield和yield from相关推荐

最新文章

热门文章