python中的生成器

生成器表达式和列表解析：

(x+1 for x in [1,2,3,4,5])   #生成器表达式
[x+1  for x in [1,2,3,4,5]]  #列表解析
(x+1 for x in [1,2,3,4,5,6] if x>0)
((x,y) for x in range(3) for y in range(x))
(x for x in (y.dosomething() for y in [1,2,3,4,5]) if x>0)

一个带有yield的函数就是一个generator，它和普通函数不同，生成一个generator看起来像函数调用。但不会执行任何函数代码，直到对其调用next()（在for循环中会自动调用next()）才会开始执行。虽然执行流程仍然按函数的流程执行，但每执行到一个yield语句就会中断，并返回一个迭代至，下次执行时从yield的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被yield中断了数次。每次中断都会通过yield返回当前的迭代值。

如，输出斐波那契数列：

def fab(max):
    a=0
    b=1
    i=0
    while(i<max):
        yield b
        a,b=b,a+b
        i=i+1
        
for i in fab(5):
    print i

判断一个函数是否是一个特殊的generator函数：

>>>from inspect import isgeneratorfunction
>>>isgeneratorfunction(fab)

fab是一个generator function，而fab(5)是调用fab返回的一个generator ，好比是类和类的实例的区别。

>>>import types
>>>isinstance(fab,types.GeneratorType)
False
>>>isinstance(fab(1),types.GeneratorType)
True

return的作用：

作为生成器，因为每次迭代就会返回一个值，所以不能显示的在生成器函数中return某个值，包括None的值也不行，但在函数中可以出现单独的return，表示结束该语句。

send()和next()函数：

其实，next()和send()在一定意义上作用是相似的，区别是send()可以给yield表达式传递值，而next()不可以，只能传递None进行。因此，我们可以看作c.next()和c.send(None)是一样的。

def a(n):
    while True:
        b=yield n
        print b
>>>b=a(5)
>>>b.next()
5
>>>b.next()
None
5
>>>c=a(5)
>>>c.next()
5
>>>c.send(3)
3
5

由此可见，yield表达式的值是由send函数传递的值决定的，而yield返回的值不受影响。

def a(n):
    i=0
    while i<n:
        i=yield i
        i=i+1
>>>b=a(10)
>>>a.next()
0
>>>a.next()
出现TypeError的错误
>>>c=a(5)
>>>c.next()
0
>>>c.send(2)
3       #此时，传入2，则i=2，然后执行i=i+1，i变成了3,yield返回3
>>>c.send(9)
出现StopIteration的异常

采用yield读取文件：

如果直接读取文件，会导致不可预测的内存占用。好的方法就是利用固定长度的缓存来不断的读取文件的内容。通过yield，我们不再需要编写读文件的迭代类就可以轻松实现文件读取：

def read_file(fpath):
    block_size=1024
    with open(fpath) as f:
        while True:
            block=f.read(block_size)
            if block:
                yield block
            else:
                return

python中的生成器

原文：http://my.oschina.net/935572630/blog/391034