自学Python之路-Python基础+模块+面向对象
自学Python之路-Python网络编程
自学Python之路-Python并发编程+数据库+前端
自学Python之路-django
自学Python4.7 - 生成器
定义：生成器（generator）是一个包含yield关键字的函数，当它被调用的时候，在函数体中的代码不会被执行，而是会返回一个迭代器。
（一个函数调用时返回一个迭代器，那这个函数就叫做生成器（generator）； 如果函数中包含yield语法，那这个函数就会变成生成器；）
- 生成器是一个特殊的程序，可以被用作控制循环的迭代行为
- 生成器类似于返回值为数组的一个函数，这个函数可以接收参数，可以被调用，但是，不同于一般的函数会一次性返回包含了所有数值的数组，生成器一次 只产生一个值，这样消耗的内粗数量大大减少，而且允许调用函数可以很快的开始处理前几个返回值。因此，生成器看起来像一个函数但是表现的却像一个迭代器
1. python提供了两种基本的生成器方式：
- 生成器函数：也是用def来定义，利用关键字yield一次返回一个结果，阻塞，重新开始
每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句
①yield语句意味着应该生成一个值
②return语句意味着要停止执行（不生成任何东西，只有在一个生成器中使用时才能进行无参数调用） - 协程生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果
2. 生成器函数：
为什么叫生成器函数？因为他随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起继续执行，他会利用yield关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行。
生成器和迭代协议是密切相关的，可迭代的对象都有一个__next()__成员方法,这个方法要么返回迭代的下一项，要么引起异常结束迭代。
为了支持迭代协议，拥有yield语句的函数被编译为生成器，这类函数被调用时返回一个生成器对象，返回的对象支持迭代接口，即成员方法__next()__继续从中断处执行执行。
def func(): #func是函数称为生成器，当执行此函数func()时会得到一个迭代器。
yield 1
yield 2
yield 3
yield 4
temp = func()
print(temp.__next__())
print(temp.__next__())
print(temp.__next__())
print(temp.__next__())
输出
1
2
3
4
def creat_counter(n):
print('create counter')
while True:
yield n
print('increment n')
n += 1
cnt = creat_counter(2)
print(cnt)
print(next(cnt))
print(next(cnt))
print(next(cnt))
输出
<generator object creat_counter at 0x00547E10>
create counter
2
increment n
3
increment n
4
分析以上的列子：
- 在create_counter函数中出现了关键字yield，预示着这个函数每次只产生一个结果值，这个函数返回一个生成器（通过第一行输出可以看出来），用来产生连续的n值
- 在创造生成器实例的时候，只需要像普通函数一样调用就可以，但是这个调用却不会执行这个函数，这个可以通过输出看出来
- next()函数将生成器对象作为自己的参数，在第一次调用的时候，他执行了create_counter()函数到yield语句，返回产生的值2
- 我们重复的调用next（）函数，每次他都会从上次被挂起的地方开始执行，直到再次遇到了yield关键字
def cube(n):
for i in range(n):
yield i ** 3
for i in cube(5):
print(i)
输出：
0
1
8
27
64
从理解函数的角度出发我们可以将yield类比为return，但是功能确实完全不同，在for循环中，会自动遵循迭代规则，每次调用next()函数，所以上面的结果不难理解。
举例2：
举例1：
举例3： 取不到值会报错
举例4： 使用for循环取值
举例5.1 ： 打印出10个哇哈哈
举例5.2 ：如果现在有10个哇哈哈， 我现在只想用5个
迭代器依旧延续向下走：
3. 协程生成器表达式：
生成器表达式来自于迭代和列表解析的组合，生成器表达式和列表解析类似，但是他使用尖括号而不是方括号括起来的。
print([ x ** 3 for x in range(5)]) # 列表解析生成列表 print((x ** 3 for x in range(5))) # 生成器表达式 print(list(x ** 3 for x in range(5)))# 两者之间转换
输出：
[0, 1, 8, 27, 64]
<generator object <genexpr> at 0x01D97E10>
[0, 1, 8, 27, 64]
for n in (x ** 3 for x in range(5)):
print('%s, %s' % (n, n * n)) # 就操作而言，生成器表如果使用大量的next()函数会显得十分不方便，for循环会自动出发next函数
输出：
0, 0
1, 1
8, 64
27, 729
64, 4096
4. 生成器函数与协程生成器表达式比较
一个迭代既可以被写成生成器函数，也可以被协程生成器表达式，均支持自动和手动迭代。而且这些生成器只支持一个active迭代，也就是说生成器的迭代器就是生成器本身。
①
def recv():
print('Are your ready:')
while True:
n = yield #yield语句还有更给力的功能，作为一个语句出现在赋值运算符的右边，接受一个值，或同时生成一个值并接受一个值
print('总共用了 %s 秒' % n)
c = recv()
c.__next__()
c.send(100)
c.send(300)
输出：
Are your ready:
总共用了 100 秒
总共用了 300 秒
解释：以上这种方式使用yield语句的函数称为协程。在这个例子中，对于__next__的初始调用是必不可少的，这样协程才能执行可通向第一个yield表 达式的语句。在这里协程会挂起，等待相关生成器对象send()方法给它发送一个值。传递给send()的值由协程中的yield表达式返回。 协程的运行一般是无限期的，使用方法close()可以显式的关闭它。
②
def split_line():
print('ready to split')
result = None
while True:
line = yield result #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
result = line.split()
s = split_line()
s.__next__()
print(s.send('1,2,3'))
输出：
ready to split
['1,2,3']
解释：
这个例子中的先后顺序非常重要。首个next()方法让协程执行到yield result，这将返回result的值None。
在接下来的send()调用中，接收到的值被放到line中并拆分到result中。
send()方法 的返回值就是下一条yield语句的值。也就是说，send()方法可以将一个值传递给yield表达式，但是其返回值来自下一个yield表达式，而不是接收send()传递的值的yield表达式。
③ 如果想用send()方法来开启协程的执行，必须先send一个None值，因为这时候是没有yield语句来接受值的，否则就会抛出异常
def split_line():
print('ready to split')
result = None
while True:
line = yield result #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
result = line.split()
s=split_line()
print(s.send('1 2 3'))
输出：
def split_line():
print('ready to split')
result = None
while True:
line = yield result #如果yield表达式中提供了值，协程可以使用yield语句同时接收和发出返回值
result = line.split()
s=split_line()
print(s.send(None))
print(s.send('1 2 3'))
输出：
ready to split
None
['1', '2', '3']
④ 生成器的功能非常强大。协程可以用于实现某种形式的并发。在某些类型的应用程序中，可以用一个任务调度器和一些生成器或协程实现协作式用户空 间多线程，即greenlet。
yield的威力将在协程，协同式多任务处理(cooperative multitasking)，以及异步IO中得到真正的体现。
.