蜜粉和散粉的区别,少年潘金莲,勇探实录主题曲
def fib(): a, b = 0, 1 while 1: yield b a, b = b, a+b
yield 是在:pep 255 -- simple generators 这个pep引入的
yield 只能在函数内部使用,包含yield语句的函数称为生成器函数
当调用生成器函数时,并不会执行函数体中的代码,而是返回一个生成器对象
每次调用生成器对象的next()方法时,才会执行生成器函数中的代码,直到遇到yield 或者return 语句。
如果遇到yield 语句, 怎会挂起函数的运行状态,并将yield 右边的表达式的值返回给next()的调用者, 挂起的时候会保存所有本地状态,包括局部变量,指令指针和内部堆栈信息,这样当下次再次调用next()时, 看起来yield 部分就像是调用了一个外部调用一样,可以接着往下执行
注意:try/ finnally 结构中的try子句中不允许使用yield语句, 问题是因为无法保证生成器被恢复,因此无法保证finally块将被执行
yield from关键字是在:pep 380 -- syntax for delegating to a subgenerator 中提出的
用于生成器将其部分操作委托给另外一个生成器,这允许将包含yield的一段代码分解出来并放在另外一个生成器中,此外,允许子生成器返回一个值,这个值可供委派生成器使用
上述描述听起来可能还是不是特别清楚,我们先看一下语法:
yield from <expr>
yield from expr 表达式中,做的第一件事就是调用iter(expr) 从中获取迭代器,因此expr可以是任何可迭代的对象
通过下面的下例子把yield 和yield from 做对比
from collections import namedtuple result = namedtuple("result", "count average") li = [40.9, 38.5, 44.3, 42.2, 45.2, 41.7, 44.5, 38.0, 40.6, 44.5] # 子生成器 def averager(): total = 0.0 count = 0 average = none while true: term = yield if term is none: break total += term count += 1 average = total/count return result(count, average) # 委派生成器 def grouper(result, key): while true: result[key] = yield from averager() # 调用方 def main(): results = {} group = grouper(results, "kg") next(group) for value in li: group.send(value) group.send(none) if __name__ == "__main__": main()
yield from的主要功能是打开双向通道,把最外层的调用方与最内层的子生成器连接起来,这样二者可以直接发送和产出值,还可以直接传入异常
关于yield from 六点重要的说明:
python的生成器函数和python的协程非常接近 ,但并不完全 - 因为生成器然允许暂停执行以生成值,但是不提供在执行恢复时传递的值或异常。
并且生成器不允许在try / finally块的try部分中暂停执行,因此使中止的协程很难在其自身之后进行清理。
send方法只有一个参数,就是发送值到生成器,调用send(none)相当于调用生成器的next()方法
因为我们开始执行生成器函数的时候,并没有实际执行生成器函数中的代码而是返回一个生成器对象,所以我们需要调用next()或者send(none)来激活协程
与next()方法一样,send()方法返回generator-iterator产生的下一个值,如果生成器正常退出或已经退出,则引发stopiteration。如果生成器引发未捕获的异常,它将传播到send()的调用者
让生成器在被挂起的位置抛出指定的异常,如果生成器捕获了异常并且返回的另外一个值,那么这个值就是g.throw()返回的值
如果生成器没有捕获异常,那么throw()将会引发传递相同的异常,如果生成器引发了另外一个异常,throw调用将引发异常,总之throw()的行为类似next()或者send()
除了它在挂起的时候引发异常。如果生成器已经处于关闭状态,throw() 只会引发它传递的异常,而不执行任何生成器的代码
generator.throw:会让生成器在暂停的yield表达式处抛出指定的异常,如果生成器处理了抛出的异常,代码会向前执行到下一个yield表达式,而产出的值会成为调用generator.throw方法代码的返回值。如果生成器没有处理抛出的异常,异常会向上冒泡,传到调用方的上下文中。
generator.close:会让生成器在暂停的yield表达式处抛出generatorexit异常。如果生成器没有处理这个异常,或者抛出了stopiteration异常,调用方不会报错,如果收到generatorexit异常,生成器一定不能产出值,否则解释器会抛出runtimeerror异常。生成器抛出的异常会向上冒泡,传给调用方。
早期的python协程,语法上协程和生成器看起来也非常类似,也是通过yield关键字如:num = yield
def simple_coroutine(): print("coroutine start") x = yield print("coroutine receive [%s]" %x) coroutine = simple_coroutine() print(coroutine) next(coroutine) coroutine.send(888)
上面的例子中yield 的右边没有表达式,所以默认产出的值为none,通过之前将yield 关键字的时候我们已经知道当我们执行函数的时候
并不会运行生成器函数中的代码,而是返回一个生成器对象,所以我们需要通过调用next(...)来激活协程,这个时候开始运行生成器函数,
当运行到x = yield的时候,yield的右边如果有表达式,则会先进行右边表达式的计算,然后再进行赋值,所以当上面函数执行next()之后,
程序会停在yield那里,当我们调用send方法后yield会收到这个值并赋值给x,而当程序运行到协程定义体的末尾时和用生成器的时候一样会抛出stopiteration异常
如果协程没有通过next(...)激活(同样我们可以通过send(none)的方式激活),但是我们直接send,则会出错
关于调用next(...)函数这一步通常称为”预激(prime)“协程,即让协程向前执行到第一个yield表达式,准备好作为活跃的协程使用
协程在运行过程中有四个状态:
如对本文有疑问,请在下面进行留言讨论,广大热心网友会与你互动!! 点击进行留言回复
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论