面试题-python 什么是生成器(generator)？

前言

在 Python 中，带有 yield 的函数在 Python 中被称之为 generator（生成器）。
跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。

生成器 yield 用法

函数里面的 return 应该都知道，当函数遇到return 后就返回某个值，不会继续往下了。
yield 可以理解成return ，但不能完成等于return ，当程序运行到yield 后， 会返回某个值，返回之后程序就不再往下运行了。

以下示例代码

def function():
print("start.....")
s = 1
while True:
s += 1
print("s 的值：", s)
yield s
print("yield 后s 的值：", s)

a = function()
print(a) # <generator object function at 0x000001A039955258>

print(next(a))

运行结果

<generator object function at 0x0000021D3A0351A8>
start.....
s 的值：2
2

首先带有yield的函数是一个生成器，当执行a = function() 时，不会打印 “start…..” ， 此时反回的是一个 generator object。
生成器是一个返回迭代器的函数，只能用于迭代操作，简单点理解生成器就是一个迭代器。
既然生成器就是迭代器，那就可以用next() 函数去执行,当第一次调用next() 遇到yield 相当于return 那么函数结束了。此时返回yield 后面的s，也就是返回值是2
第二次调用next()会继续执行yield后面的代码，回到while 循环，直到遇到yield结束

def function():
print("start.....")
s = 1
while True:
s += 1
print("s 的值：", s)
yield s
print("yield 后s 的值：", s)

a = function()
print(a) # <generator object function at 0x000001A039955258>

print(next(a))
# 第二次调用next()
print(next(a))

结果返回

<generator object function at 0x0000019E07935258>
start.....
s 的值：2
2
yield 后s 的值：2
s 的值：3
3

再看一个关于 yield 的例子

def demoIterator():
'''yield 生成器demo'''
print("I'm in the first call of next()")
yield 1
print("I'm in the second call of next()")
yield 3
print("I'm in the third call of next()")
yield 9

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>
print(next(a)) # return 1
print(next(a)) # return 3
print(next(a)) # return 9
# 继续next()
print(next(a)) # StopIteration

运行结果

<generator object demoIterator at 0x000001E66E1F5258>
I'm in the first call of next()
1
I'm in the second call of next()
3
I'm in the third call of next()
9
Traceback (most recent call last):
File "D:xx.py", line 32, in <module>
print(next(a)) # StopIteration
StopIteration

通过上面的例子可以看出，每调用一次 next() 都会执行到 yield 停止，然后返回 yield 后面的值,当执行到最后，没有的时候继续用 next() 会抛异常 StopIteration

生成器可以用于迭代操作，也能用 for 遍历

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>

# for 遍历
for i in a:
print(i)

生成器 send 方法

生成器 generator 有两个方法需注意，一个是__next__() ，另外一个是send()方法
__next__() 和 next() 函数功能是一样的

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>

print(a.__next__())
print(a.__next__())
print(a.__next__())
运行结果
<generator object demoIterator at 0x0000024EB9985258>
I'm in the first call of next()
1
I'm in the second call of next()
3
I'm in the third call of next()
9

yield 的作用有2个，第一个是我们上面看到的可以类似于 return ，返回一个值出来。
另外一个功能是可以接收外部传过去的值，给 yield 传值需用到send() 方法

def demoIterator():
'''yield 生成器demo'''
print("I'm in the first call of next()")
name1 = yield 1
print("my name is :", name1)
print("I'm in the second call of next()")
name2 = yield 3
print("my name is :", name2)
print("I'm in the third call of next()")
name3 = yield 9
print("my name is :", name3)

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>

print(a.__next__())
print(a.__next__())
print(a.__next__())

运行结果

<generator object demoIterator at 0x000001B7797E51A8>
I'm in the first call of next()
1
my name is : None
I'm in the second call of next()
3
my name is : None
I'm in the third call of next()
9

name 1的 值是yield 给过来的，这时候可以把yield 当成一个变量，这个变量的值默认是None，所以打印：my name is : None
接下来通过send() 方法给yield 赋值。

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>

print(a.__next__())
print(a.send("yoyo1"))
print(a.send("yoyo2"))

运行结果

<generator object demoIterator at 0x000002BE7D645048>
I'm in the first call of next()
1
my name is : yoyo1
I'm in the second call of next()
3
my name is : yoyo2
I'm in the third call of next()
9

我们可以这样理解：send()方法把值给到yield, yield赋值给name1和name2,于是就可以看到上面的结果了。
这里需要注意的是当调用send() 方法的时候，实际上是有2个功能的：

  • 1.赋值给到yield的

  • 2.执行了一次.__next__()方法，或next()函数

于是我们会想，send(None)是不是就等价于.__next__()方法 呢？

a = demoIterator()
print(a) # <generator object demoIterator at 0x00000143A25A5258>

print(a.send(None))
print(a.send("yoyo1"))
print(a.send("yoyo2"))

运行结果

<generator object demoIterator at 0x0000016F8C1651A8>
I'm in the first call of next()
1
my name is : yoyo1
I'm in the second call of next()
3
my name is : yoyo2
I'm in the third call of next()
9

需要注意的是，第一次只能是send(None), 不能send()其它值，否则会抛异常TypeError: can’t send non-None value to a just-started generator

a = demoIterator()
print(a.send("yoyo"))

抛异常
Traceback (most recent call last):
File "D:xx.py", line 31, in <module>
print(a.send("yoyo"))
TypeError: can't send non-None value to a just-started generator

至于为什么要先传递一个None进去，可以看一下官方文档

Because generator-iterators begin execution at the top of the
generator's function body, there is no yield expression to receive
a value when the generator has just been created. Therefore,
calling send() with a non-None argument is prohibited when the
generator iterator has just started, and a TypeError is raised if
this occurs (presumably due to a logic error of some kind). Thus,
before you can communicate with a coroutine you must first call
next() or send(None) to advance its execution to the first yield

因此我们在使用生成器的时候，必须要先执行一次next()方法。

斐波那契数列

斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13,特别指出：第0项是0，第1项是第一个1。从第三项开始，每一项都等于前两项之和
求出小于100 的所有的斐波那契数列

说到生成器不得不提到斐波那契数列, 前面一篇学了迭代器来解决，但是代码量有点复杂，用带 yield 的生成器函数更简单一点。

# 作者-上海悠悠 QQ交流群:717225969
# blog地址 https://www.cnblogs.com/yoyoketang/

def numbers(max):
n1, n2, count = 0, 1, 1
while count < max:
print(count, end=" ")
n1, n2 = n2, count
count = n1+n2

if __name__ == '__main__':
numbers(100)

上面的函数虽然能打印出内容，但是我们拿不到函数的返回值，我们希望函数每次的返回值可以拿到，于是可以把print 换成 yield ,把结果 return 出来

# 作者-上海悠悠 QQ交流群:717225969
# blog地址 https://www.cnblogs.com/yoyoketang/

def numbers(max):
n1, n2, count = 0, 1, 1
while count < max:
yield count
# print(count, end=" ")
n1, n2 = n2, count
count = n1+n2

if __name__ == '__main__':
a = numbers(100)
print(a)
for i in a:
print(i)

读取大文件

另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。
好的方法是利用固定长度的缓冲区来不断读取文件内容。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, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return

参考文档推荐-最简单最清晰https://blog.csdn.net/mieleizhi0522/article/details/82142856/
参考文档推荐-菜鸟教程https://www.runoob.com/w3cnote/python-yield-used-analysis.html
参考文档https://yasoob.me/2013/09/29/the-python-yield-keyword-explained/

2021年第六期《python接口自动化+测试开发》课程，1月9号开学（火热报名中！）

本期上课时间：1月9号-4月18号，每周六、周日晚上20:30-22:30

赞 (0)

相关推荐

  • 学 Python 怎能不知 yield ？

    简说Python 1周前 以下文章来源于无量测试之道 ,作者无量测试之道  简说Python推荐  来源|无量测试之道 作者|无量测试之道 引言 你可能听说过,带有 yield 的函数在 Python ...

  • Python学习——for循环，生成器，迭代器详解

    文章目录 Python的for循环 for循环示例 List 列表循环 dict 字典循环 列表生成式 生成器 列表式生成器 函数式生成器 生成器式生产者消费者模型 迭代器 什么是迭代器 再论for循 ...

  • 面试题-python 浅拷贝和深拷贝（copy模块）

    前言 面试的时候经常会问到深拷贝和浅拷贝,那么python的深拷贝和浅拷贝有什么区别呢? 思考题 先来看 2 个简单的案例, 对元素 a/aa 重新赋值一个新的变量 b/bb 后,改变原来 a/aa ...

  • 面试题-python 什么是迭代器？

    前言 python 里面有 3 大神器:迭代器,生成器,装饰器.在了解迭代器之前,需弄清楚2个概念: 1.什么是迭代 2.什么是可迭代对象 迭代 如果给定一个list或tuple,我们可以通过for循 ...

  • 面试题-python 如何读取一个大于 10G 的txt文件？

    前言 用python 读取一个大于10G 的文件,自己电脑只有8G内存,一运行就报内存溢出:MemoryError python 如何用open函数读取大文件呢? 读取大文件 首先可以自己先制作一个大 ...

  • 面试题-python 什么是闭包(closure)？

    前言 前面学了装饰器,那么闭包和装饰器有什么区别呢? 闭包传递的是变量,而装饰器传递的是函数对象,只是传的参数内容不一样,闭包的概念包含了装饰器,可以说装饰器是闭包的一种,它只是传递函数对象的闭包. ...

  • 面试题-python 垃圾回收机制？

    前言 简历上写着熟悉 python 面试官上来就问:说下python 垃圾回收机制?一盆冷水泼过来,瞬间感觉 python 不香了. Python中,主要通过引用计数(Reference Counti ...

  • Python迭代器与生成器的区别！

    无论你是Python初学者还是爱好者,相信大家都听说过迭代器与生成器,但是很多同学搞不懂Python迭代器与生成器到底是什么?它们之间又有什么样的关系呢?接下来,小编通过这篇文章为大家介绍一下. 什么 ...

  • 简单几步使用Python制作密码生成器

    为了确保我们的账户安全并防止密码被黑客入侵,必须将密码设置得足够安全才行,以至于没人能猜到. 密码生成器 它是一个工具,可根据您设置的给定准则生成密码,为我们的帐户创建不可预测的强密码.密码生成器工具 ...

  • 【必看】Python面试题之框架与前端！

    学完Python后,接下来的重点就是准备面试,而在面试过程中,面试官总会问到一些技术性的问题;对此,为让大家面试更加顺利,做好充足准备,小编为大家总结了150道有关Python前端和框架的经典面试题, ...

  • 网络编程及前端面试题！Python入门

    当我们学习Python时,需要掌握的的知识有很多,除了有关Python的专业知识外,我们还需要学习网络编程.前端等知识,对此这篇文章为大家总结一下Python常见面试题之网络编程及前端的问题. 第一: ...