一、 生成器

• 利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。
• 生成器是一类特殊的迭代器。

1.1 创建生成器方法1

要创建一个生成器，有很多种方法。第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )

In [15]: L = [ x*2 for x in range(5)]

In [16]: L
Out[16]: [0, 2, 4, 6, 8]

In [17]: G = ( x*2 for x in range(5))

In [18]: G
Out[18]: <generator object <genexpr> at 0x7f626c132db0>

In [19]:

创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。

In [19]: next(G)
Out[19]: 0

In [20]: next(G)
Out[20]: 2

In [21]: next(G)
Out[21]: 4

In [22]: next(G)
Out[22]: 6

In [23]: next(G)
Out[23]: 8

In [24]: next(G)
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-24-380e167d6934> in <module>()
----> 1 next(G)

StopIteration:

In [25]:
In [26]: G = ( x*2 for x in range(5))

In [27]: for x in G:
   ....:     print(x)
   ....:     
0
2
4
6
8

1.2 创建生成器方法2--函数实现

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。

1.2.1 迭代器实现

注意，在用迭代器实现的方式中，我们要借助几个变量(n、current、a、b)来保存迭代的状态。

class FibIterator(object):
    """斐波那契数列迭代器"""
    def __init__(self, n):
        """
        :param n: int, 指明生成数列的前n个数
        """
        self.n = n
        self.current = 0  # current用来保存当前生成到数列中的第几个数了
        self.a = 0        # a用来保存前前一个数，初始值为数列中的第一个数0
        self.b = 1        # b用来保存前一个数，初始值为数列中的第二个数1

    def __next__(self):
        """被next()函数调用来获取下一个数"""
        if self.current < self.n:
            num = self.a
            self.a, self.b = self.b, self.a+self.b
            self.current += 1
            return num
        else:
            raise StopIteration

    def __iter__(self):
        """迭代器的__iter__返回自身即可"""
        return self


if __name__ == '__main__':
    fib = FibIterator(10)
    for num in fib:
        print(num, end=" ")

1.2.2 生成器实现

==简单来说：只要在def中有yield关键字的 就称为 生成器==

在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。

def create_num(all_num):
    # a = 0
    # b = 1
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        """"
       1、yield 后面的值会返回给for num in obj中的num。之后会暂停，而不是结束。
       2、print(num)中打印值之后，会从上一次停的位置继续往下走，接下来执行 a, b = b, a+b
       3、之后执行while，接下来yield，再暂停并返回a的值·····
        """
        yield a  # 如果一个函数中有yield语句，那么这个就不在是函数，而是一个生成器的模板
        a, b = b, a+b
        current_num += 1

# 如果在调用create_num的时候，发现这个函数中有yield那么此时，不是调用函数，而是创建一个生成器对象
obj = create_num(10)   # obj是一个生成器，生成器是特殊的迭代器

# iter(x) 中放可迭代的对象，返回值是一个迭代器
# next(x) 中放迭代器，之后调用迭代器中的next()函数往下走

ret = next(obj)  
print("obj:", ret)  

for num in obj:
   print(num, end=' ')

运行结果：

obj: 0
1 1 2 3 5 8 13 21 34 

1.2.3 通过异常判断生成器已经结束

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

def create_num(all_num):
    # a = 0
    # b = 1
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        # print(a)
        yield a  # 如果一个函数中有yield语句，那么这个就不在是函数，而是一个生成器的模板
        a, b = b, a+b
        current_num += 1
    return "ok...."

obj2 = create_num(20)

while True:
    try:
        ret = next(obj2)
        print(ret, end=' ')
    except StopIteration as ret:
        print() # 换行
        print("生成器返回值:%s" % ret.value)
        break

运行结果：

0 1 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 1597 2584 4181 
生成器返回值:ok....

1.3 总结

• 使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）

• yield关键字有两点作用：

  • 保存当前运行状态（断点），然后暂停执行，即将生成器（函数）挂起
  • 将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
• 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
• Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。

二、使用send唤醒生成器

我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。

2.1 使用send和next函数区别

def create_num(all_num):
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        """"
        1、a的值为0，并且暂停，返回到ret1=0
        2、obj.send("hahahha")当启动时，传递参数yield a = hahahha，ret = yield a = hahahha
        3、send的结果是下一次调用yield时 yield后面的值ret2 = obj.send("hahahha")= a=1 
        """
        ret = yield a
        print(">>>ret>>>>", ret)
        a, b = b, a+b
        current_num += 1

obj = create_num(10)  # 创建生成器对象

ret1 = next(obj)
print(ret1)

ret2 = obj.send("hahahha")
print(ret2)

运行结果：

0
>>>ret>>>> hahahha
1

2.2 send不能放在第一次

send一般不会放到第一次启动生成器，如果非要这样做 那么传递None

def create_num(all_num):
    a, b = 0, 1
    current_num = 0
    while current_num < all_num:
        """"
        1、a的值为0，并且暂停，返回到ret1=0
        2、obj.send("hahahha")当启动时，传递参数yield a = hahahha，ret = yield a = hahahha
        
        """
        ret = yield a
        print(">>>ret>>>>", ret)
        a, b = b, a+b
        current_num += 1

obj = create_num(10)  # 创建生成器对象

obj.send(None)  # send一般不会放到第一次启动生成器，如果非要这样做 那么传递None
ret1 = next(obj)
print(ret1)

ret2 = obj.send("hahahha")
print(ret2)

运行结果：

>>>ret>>>> None
1
>>>ret>>>> hahahha
1

2.3 使用__next__()方法（不常使用）

In [10]: def gen():
   ....:     i = 0
   ....:     while i<5:
   ....:         temp = yield i
   ....:         print(temp)
   ....:         i+=1
   ....:
In [18]: f = gen()
    
In [44]: next(f)
Out[44]: 0
    
In [45]: f.send('haha')
haha
Out[45]: 1
   
In [19]: f.__next__()
Out[19]: 0

In [20]: f.__next__()
None
Out[20]: 1

In [21]: f.__next__()
None
Out[21]: 2

In [22]: f.__next__()
None
Out[22]: 3

In [23]: f.__next__()
None
Out[23]: 4

In [24]: f.__next__()
None
---------------------------------------------------------------------------
StopIteration                             Traceback (most recent call last)
<ipython-input-24-39ec527346a9> in <module>()
----> 1 f.__next__()

StopIteration: