生成器
1. 生成器
利用迭代器，我們可以在每次迭代獲取數據(通過next()方法)時按照特定的規律進行生成。但是我們在實現一個迭代器時，關於當前迭代到的狀態需要我們自己記錄，進而才能根據當前狀態生成下一個數據。爲了達到記錄當前狀態，並配合next()函數進行迭代使用，我們可以採用更簡便的語法，即生成器(generator)。生成器是一類特殊的迭代器。
2. 創建生成器方法1
要創建一個生成器，有很多種方法。第一種方法很簡單，只要把一個列表生成式的 [ ]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]: at 0x7f626c132db0>
In [19]:
創建 L 和 G 的區別僅在於最外層的 [ ] 和 ( ) ， L 是一個列表，而 G
是一個生成器。我們可以直接打印出列表L的每一個元素，而對於生成器G，我們可以按照迭代器的使用方法來使用，即可以通過next()函數、for循環、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)
in ()
----> 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
3. 創建生成器方法2
generator非常強大。如果推算的算法比較複雜，用類似列表生成式的 for
循環無法實現的時候，還可以用函數來實現。
我們仍然用上一節提到的斐波那契數列來舉例，回想我們在上一節用迭代器的實現方式：
class FibIterator(object):
"""斐波那契數列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成數列的前n個數
"""
self.n = n
# current用來保存當前生成到數列中的第幾個數了
self.current = 0
# num1用來保存前前一個數，初始值爲數列中的第一個數0
self.num1 = 0
# num2用來保存前一個數，初始值爲數列中的第二個數1
self.num2 = 1
def __next__(self):
"""被next()函數調用來獲取下一個數"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
注意，在用迭代器實現的方式中，我們要藉助幾個變量(n、current、num1、num2)來保存迭代的狀態。現在我們用生成器來實現一下。
In [30]: def fib(n):
....: current = 0
....: num1, num2 = 0, 1
....: while current < n:
....: num = num1
....: num1, num2 = num2, num1+num2
....: current += 1
....: yield num
....: return 'done'
....:
In [31]: F = fib(5)
In [32]: next(F)
Out[32]: 1
In [33]: next(F)
Out[33]: 1
In [34]: next(F)
Out[34]: 2
In [35]: next(F)
Out[35]: 3
In [36]: next(F)
Out[36]: 5
In [37]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
in ()
----> 1 next(F)
StopIteration: done
在使用生成器實現的方式中，我們將原本在迭代器__next__方法中實現的基本邏輯放到一個函數中來實現，但是將每次迭代返回數值的return換成了yield，此時新定義的函數便不再是函數，而是一個生成器了。
簡單來說：只要在def中有yield關鍵字的就稱爲 生成器
此時按照調用函數的方式( 案例中爲F = fib(5))使用生成器就不再是執行函數體了，而是會返回一個生成器對象(案例中爲F)，然後就可以按照使用迭代器的方式來使用生成器了。
In [38]: for n in fib(5):
....: print(n)
....:
1
1
2
3
5
但是用for循環調用generator時，發現拿不到generator的return語句的返回值。如果想要拿到返回值，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
In [39]: g = fib(5)
In [40]: while True:
....: try:
....: x = next(g)
..... print("value:%d"%x)
....: except StopIteration as e:
....: print("生成器返回值:%s"%e.value)
....: break
....:
value:1
value:1
value:2
value:3
value:5
生成器返回值:done
In [41]:
總結
使用了yield關鍵字的函數不再是函數，而是生成器。(使用了yield的函數就是生成器)
yield關鍵字有兩點作用：
保存當前運行狀態(斷點)，然後暫停執行，即將生成器(函數)掛起
將yield關鍵字後面表達式的值作爲返回值返回，此時可以理解爲起到了return的作用
可以使用next()函數讓生成器從斷點處繼續執行，即喚醒生成器(函數)
Python3中的生成器可以使用return返回最終運行的返回值，而Python2中的生成器不允許使用return返回一個返回值(即可以使用return從生成器中退出，但return後不能有任何表達式)。鄭州婦科醫院 http://www.zykdfkyy.com/
4. 使用send喚醒
我們除了可以使用next()函數來喚醒生成器繼續執行外，還可以使用send()函數來喚醒執行。使用send()函數的一個好處是可以在喚醒的同時向斷點處傳入一個附加數據。
例子：執行到yield時，gen函數作用暫時保存，返回i的值;
temp接收下次c.send("python")，send發送過來的值，c.next()等價c.send(None)
In [10]: def gen():
....: i = 0
....: while i<5:
....: temp = yield i
....: print(temp)
....: i+=1
....:
使用send
In [43]: f = gen()
In [44]: next(f)
Out[44]: 0
In [45]: f.send('haha')
haha
Out[45]: 1
In [46]: next(f)
None
Out[46]: 2
In [47]: f.send('haha')
haha
Out[47]: 3
使用next函數
In [11]: f = gen()
In [12]: next(f)
Out[12]: 0
In [13]: next(f)
None
Out[13]: 1
In [14]: next(f)
None
Out[14]: 2
In [15]: next(f)
None
Out[15]: 3
In [16]: next(f)
None
Out[16]: 4
In [17]: next(f)
None
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
in ()
----> 1 next(f)
StopIteration:
使用__next__()方法(不常使用)
In [18]: f = gen()
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)
in ()
----> 1 f.__next__()