Python函数式编程指南(四)：生成器

Python 函数式编程指南(四):生成器

生成器是迭代器，同时也并不仅仅是迭代器，不过迭代器之外的用途 实在是不多，所以我们可以大声地说：生成器提供了非常方便的自定 义迭代器的途径。 这是函数式编程指南的最后一篇，似乎拖了一个星期才写好，嗯…… 转载请注明原作者和原文地址：)4. 生成器(generator)4.1. 生成器简介

首先请确信，生成器就是一种迭代器。生成器拥有 next 方法并且行 为与迭代器完全相同，这意味着生成器也可以用于 Python 的 for 循 环中。另外，对于生成器的特殊语法支持使得编写一个生成器比自定 义一个常规的迭代器要简单不少， 所以生成器也是最常用到的特性之 一。 从 Python 2.5 开始，[PEP 342:通过增强生成器实现协同程序] 的实现为生成器加入了更多的特性， 这意味着生成器还可以完成更多 的工作。这部分我们会在稍后的部分介绍。4.2. 生成器函数 4.2.1. 使用生成器函数定义生成器

如何获取一个生成器？首先来看一小段代码：1 2 3 >>>def get_0_1_2(): ... yield 0 ... yield 1

我们定义了一个函数get_0_1_2，并且可以查看到这确实是函数类

型。但与一般的函数不同的是，get_0_1_2的函数体内使用了关键

字yield，这使得get_0_1_2成为了一个生成器函数。生成器函数

的特性如下：

1. 你的例子里生成器函数都没有参数，那么生成器函数可以带参数吗？

当然可以啊亲，而且它支持函数的所有参数形式。要知道生成器函数也是函数的一种：）

1 2 3 4 5

>>>def counter(start=0): ... while True: ... yield start ... start += 1 ...

2. 这是一个从指定数开始的计数器。 3. 既然生成器函数也是函数，那么它可以使用 return 输出返回值吗？ 不行的亲，是这样的，生成器函数已经有默认的返回值——生成器了，你 不能再另外给一个返回值；对，即使是 return None 也不行。但是它可以 使用空的 return 语句结束。如果你坚持要为它指定返回值，那么 Python 将在定义的位置赠送一个语法错误异常，就像这样：1 2 3 4 5 6 >>>def i_wanna_return(): ... yield None ... return None ... File "<stdin>", line 3 SyntaxError: 'return' with argument inside generator

4. 好吧，那人家需要确保释放资源，需要在 try...finally 中 yield,这会是 神马情况？(我就是想玩你)我在 finally 中还 yield 了一次！ Python 会在真正离开 try...finally 时再执行 finally 中的代码，而这里遗 憾地告诉你，暂停不算哦！所以结局你也能猜到吧！1 2 3 4 5 6 7 8 9 10 11 >>>def play_u(): ... try: ... yield 1 ... yield 2 ... yield 3 ... finally: ... yield 0 ... >>> for val in play_u(): print val, ... 1 2 3 0

有更多问题？请回复此文：）

4.3. 协同程序(coroutine)

协同程序（协程）一般来说是指这样的函数：

彼此间有不同的局部变量、指令指针，但仍共享全局变量；

可以方便地挂起、恢复，并且有多个入口点和出口点；

多个协同程序间表现为协作运行，如A的运行过程中需要B的结果才能继续执行。 协程的特点决定了同一时刻只能有一个协同程序正在运行（忽略多线

程的情况）。得益于此，协程间可以直接传递对象而不需要考虑资源

锁、或是直接唤醒其他协程而不需要主动休眠，就像是内置了锁的线

程。在符合协程特点的应用场景，使用协程无疑比使用线程要更方便。 从另一方面说，协程无法并发其实也将它的应用场景限制在了一个很

狭窄的范围，这个特点使得协程更多的被拿来与常规函数进行比较，而不是与线程。当然，线程比协程复杂许多，功能也更强大，所以我

建议大家牢牢地掌握线程即可：Python线程指南

这一节里我也就不列举关于协程的例子了，以下介绍的方法了解即可。 Python 2.5对生成器的增强实现了协程的其他特点，在这个版本中，生成器加入了如下方法：

5 6 7 8 9 10

... >>> r = repeater() >>>r.next() 0 >>>r.send(10) 10

2. *调用 send 传入非 None 值前，生成器必须处于挂起状态，否则将抛出异 常。不过，未启动的生成器仍可以使用 None 作为参数调用 send。 *如果使用 next 恢复生成器，yield 表达式的值将是 None。 3. close(): 这个方法用于关闭生成器。 对关闭的生成器后再次调用 next 或 send 将抛 出 StopIteration 异常。 4. throw(type, value=None, traceback=None): 这个方法用于在生成器内部 (生成器的当前挂起处， 或未启动时在定义处) 抛出一个异常。 *别为没见到协程的例子遗憾，协程最常见的用处其实就是生成器。4.4. 一个有趣的库：pipe

这一节里我要向诸位简要介绍 pipe。 pipe 并不是 Python 内置的库， 如果你安装了 easy_install,直接可以安装它，否则你需要自己下 载它：http:///pypi/pipe 之所以要介绍这个库， 是因为它向我们展示了一种很有新意的使用迭 代器和生成器的方式：流。pipe 将可迭代的数据看成是流，类似于 l inux,pipe 使用'|'传递数据流，并且定义了一系列的“流处理”函数 用于接受并处理数据流， 并最终再次输出数据流或者是将数据流归纳 得到一个结果。我们来

看一些例子。

第一个，非常简单的，使用 add 求和：1 2 3 >>> from pipe import * >>> range(5) | add 10

求偶数和需要使用到 where,作用类似于内建函数 filter,过滤 …… 此处隐藏：1567字，全部文档内容请下载后查看。喜欢就下载吧 ……