转载

Python 分享之 yield/asyncio

如需转载请联系听云College团队成员小尹邮箱：yinhy#tingyun.com

在介绍 yield 之前有必要先说明下 Python 中的迭代器（ iterator）和生成器（ generator）

一、迭代器（ iterator）

在 Python 中， for 循环可以用于 Python 中的任何类型，包括列表、元组等等，实际上 for 循环可用于任

何“可迭代对象”，这其实就是迭代器。

迭代器是一个实现了迭代器协议的对象， Python 中的迭代协器协议就是用 next 方法的对象前进到下一个

结果，而在一系列结果的末尾，则会引发 StopIteration。任何这类的对象在 Python 中都可以用 for 循环或

其他遍历工具迭代，迭代工具内部会在每次迭代时调用 next 方法，并且捕获 StopIteration 异常来确定何

时离开。

使用迭代器一个显而易见的好处就是：每次只从对象中获取一条数据，不会造成内存的过大开销。

比如要逐行读取一个文件的内容，利用 readlines()方法，可以这样写：

for line in open('test.txt').readlines(): print(line)

这样的代码虽然可以工作，但不是最好的方法。因为它实际上是把文件一次加载到内容中，然后逐行打

印，当文件很大时，这个方法的内容开销就很大了。

利用 file 的迭代器，可以这样写：

# use file iterators for line in open('test.txt'): print(line)

它并没有显示的去读取文件，而是利用迭代器每次读取下一行

二、生成器（ generator）

生成器函数在 Python 中与迭代器协议的概念联系在一起，简而言之，包含 yield 语句的函数会被编译成

生成器。当函数被调用时返回一个生成器对象，这个对象支持迭代器接口。

通过列表生成式，可以直接创建一个列表，如：

>>> L = [x * x for x in range(10)] >>> L [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含 100 万个元素的列表，不仅占用很大

的存储空间，而且如果仅仅需要访问前面几个元素的时候，后面绝大多数元素占用的空间就白白浪费了。

所以，如果列表元素可以按照某种算法推算出来，那是否可以在循环的过程中不断推算出后续的元素呢？

这样就不必创建完成的 list，从而节省大量空间，在 Python 中这种一边循环一边计算的机制，称为生成

器（ generator）。

生成器不像一半的函数会生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行和状态，

它的本地变量保存状态信息，这些信息在函数恢复时将再度有效

def g(n): for i in range(n): yield i**2 for i in g(5): print(i, end=':') 输出： 0:1:4:9:16:

要了解它的运行原理，用 next 方法看看：

>>> t = g(5) >>> next(t) 0 >>> next(t) 1 >>> next(t) 4 >>> next(t) 9 >>> next(t) 16 >>> next(t) Traceback (most recent call last): File “”, line 1, in StopIteration

在运行完 5 次 next 之后，生成器抛出一个 StopIteration 异常，迭代终止。

再来看一个 yield 的例子，用生成器生成一个斐波那契数列

def fab(max): a, b = 0, 1 while a < max: yield a a, b = b, a+b for i in fab(20): print(i, end=',')

看到这里应该就能理解生成器那个很抽象的概念了吧~~

这里，最难理解的就是生成器和函数的执行流程不一样，函数是顺序执行的，遇到 return 语句或者最后

一行函数语句就返回，而生成器函数，在每次调用 next()的时候执行，遇到 yield 语句返回，再次执行时

从上次返回的 yield 语句处继续执行。

简单看个例子，定义一个 generator，依次返回 1， 3， 5

def odd(): print('step 1') yield 1 print('step 2') yield 3 print('step 3') yield 5 >>> o = odd() >>> next(o) step 1 1 >>> next(o) step 2 3 >>> next(o) Step 3 5 >>> next(o) Traceback (most recent call last): File “”, line 1, in StopIteration

可以看到， odd 不是普通函数，而是 generator，在执行过程中，遇到 yield 就中断，下次又继续执行。执

行 3 次 yield 后，已经没有 yield 可以执行了，所以，第 4 次调用 next(o)就报错。

作者：头条号 / 麦穗技术

链接：http://toutiao.com/i6291401456868131329/

来源：头条号（今日头条旗下创作平台）

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

想阅读更多技术文章，请访问听云技术博客，访问听云官方网站感受更多应用性能优化魔力。

原文 https://blog.tingyun.com/web/article/detail/675

正文到此结束