一 : yield执行规律
从上一次位置执行开始,到下一个yield之前结束.
def test():
print("选美比赛即将开始")
print("第一名参赛选手")
yield '思思'
print("第二名参赛选手")
yield '雪芙'
print("第三名参赛选手")
yield '娜娜'
res = test();
print(res.__next__())
选美比赛即将开始
第一名参赛选手
思思
再次__next__()
print(res.__next__())
选美比赛即将开始
第一名参赛选手
思思
第二名参赛选手
雪芙
二 : yield智能产出
实现智能产出,来一个人,做一个,不用一起做好再给食客,减少了等待消耗时间,等待的食客可以干别的事情.
餐厅
def producthunbuger():
for i in range(100):
print('正在做汉堡')
yield '今天做完了第%s香辣鸡腿堡' %i
pro_g = producthunbuger()
print('有人来了吃'+pro_g.__next__())
print('有人来了吃'+pro_g.__next__())
食客
正在做汉堡
有人来了吃今天做完了第0香辣鸡腿堡
正在做汉堡
有人来了吃今天做完了第1香辣鸡腿堡
对比列表的方式去做 :
列表的方式是把所有的汉堡做完,放入列表,然后食客根据索引去取包子,这种情况需要耗费很大内存去存储这个列表,而生成器巧妙的解决了这个问题,提高了代码效率.
三 : 生成器总结
-
语法上和函数类似 :
生成器函数和常规函数几乎是一样的,他们都是使用def 来定义,差别在于生成器使用yield语句返回一个值,而常规函数使用return返回一个值
-
自动实现迭代器协议 :
对于生成器,python会自动实现迭代器协议,以便应用迭代背景中,如 for ,sum由于生成器自动实现了迭代器协议,所以我们可以直接调用它的next方法,在没有值的时候,生成器会自动产生一个Stoplteration异常
-
状态挂起 : 生成器使用yield语句返回一个值,yield语句挂起该生成器函数的状态,保留足够的信息,以便之后它离开的地方继续执行
优点 :
生成器的好处是延迟计算,一次返回一个结果,也就是说,它不会一次生成所有的结果,这对于大数据处理非常有用.
生成器还可以提高效率和代码可读性
四 : 生成器访问文件取出字典值
{'girlname':'雪芙','movie':'暂无'}
def get_dic():
with open('add.txt','r',encoding='utf-8') as f:
for i in f:
yield i
g = get_dic()
print(eval(g.__next__())['girlname'])
五 : send
send与 __next__区别在于 send 相当于 __next__功能上 再加一个 返回值.
注意 : 不能直接调用send(''DFDF'),需要使用 .__next__,或者send(None)启动这个生成器
def test():
print('开始')
res = yield 1
print('111 : '+res)
yield 2
print('222')
t = test()
res = t.__next__()
print(res)
res1 = t.send('DFDF')
print(res1)
开始
1
111 : DFDF
2
六 : 生产者消费者模型
实现了协程,详情请看协程
def consumer(name):
print(name+'要吃了')
while True:
baozi= yield
time.sleep(1)
print(name + '吃掉了' + baozi)
def producter():
c1 = consumer('tz')
c1.__next__()
for i in range(10):
time.sleep(1)
c1.send('真香包子')
producter()
七 : 代码分析
print(list(t1)) 运行 t1 已经next到最后,print(list(t2))执行,其生成器t2的来源t1已经迭代到最后,所以最后是一个空列表[]
def test():
for i in range(4):
yield i
t = test()
t1 = (i for i in t)
t2 = (i for i in t1)
print(list(t1))
print(list(t2))
结果 :
[0, 1, 2, 3]
[]
`