本文将由浅入深详细介绍yield以及generator，包括以下内容：什么generator，生成generator的方法，generator的特点，generator基础及高级应用场景，generator使用中的注意事项。本文不包括enhanced generator即pep342相关内容，这部分内容在之后的博文介绍。
generator基础
在python的函数（function）定义中，只要出现了yield表达式（Yield expression），那么事实上定义的是一个generator function， 调用这个generator function返回值是一个generator。这根普通的函数调用有所区别，For example：
def gen_generator():
yield 1
def gen_value():
return 1
if __name__ == '__main__':
ret = gen_generator()
print ret, type(ret) #<generator object gen_generator at 0x02645648> <type 'generator'>
ret = gen_value()
print ret, type(ret) # 1 <type 'int'>
从上面的代码可以看出，gen_generator函数返回的是一个generator实例，generator有以下特别：
- 遵循迭代器（iterator）协议，迭代器协议需要实现__iter__、next接口
- 能过多次进入、多次返回，能够暂停函数体中代码的执行
下面看一下测试代码：
>>> def gen_example():
... print 'before any yield'
... yield 'first yield'
... print 'between yields'
... yield 'second yield'
... print 'no yield anymore'
...
>>> gen = gen_example()
>>> gen.next() ＃ 第一次调用next
before any yield
'first yield'
>>> gen.next() ＃ 第二次调用next
between yields
'second yield'
>>> gen.next() ＃ 第三次调用next
no yield anymore
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteratio
调用gen_example方法并没有输出任何内容，说明函数体的代码尚未开始执行。当调用generator的next方法，generator会执行到yield 表达式处，返回yield表达式的内容，然后暂停（挂起）在这个地方，所以第一次调用next打印第一句并返回“first yield”。 暂停意味着方法的局部变量，指针信息，运行环境都保存起来，直到下一次调用next方法恢复。第二次调用next之后就暂停在最后一个yield，再次调用next()方法，则会抛出StopIteration异常。
因为for语句能自动捕获StopIteration异常，所以generator（本质上是任何iterator）较为常用的方法是在循环中使用：
def generator_example():
yield 1
yield 2
if __name__ == '__main__':
for e in generator_example():
print e
# output 1 2
generator function产生的generator与普通的function有什么区别呢?
- function每次都是从第一行开始运行，而generator从上一次yield开始的地方运行
- function调用一次返回一个（一组）值，而generator可以多次返回
- function可以被无数次重复调用，而一个generator实例在yield最后一个值 或者return之后就不能继续调用了
在函数中使用Yield，然后调用该函数是生成generator的一种方式。另一种常见的方式是使用generator expression，注意时使用()，而不是列表推导式，For example：
>>> gen = (x * x for x in xrange(5))
>>> print gen
<generator object <genexpr> at 0x02655710>
generator应用
generator基础应用
为什么使用generator呢，最重要的原因是可以按需生成并“返回”结果，而不是一次性产生所有的返回值，况且有时候根本就不知道“所有的返回值”。比如对于下面的代码
RANGE_NUM = 100
for i in [x*x for x in range(RANGE_NUM)]: # 第一种方法：对列表进行迭代
# do sth for example
print i
for i in (x*x for x in range(RANGE_NUM)): # 第二种方法：对generator进行迭代
# do sth for example
print i
在上面的代码中，两个for语句输出是一样的，代码字面上看来也就是中括号与小括号的区别。但这点区别差异是很大的，第一种方法返回值是一个列表，第二个方法返回的是一个generator对象。随着RANGE_NUM的变大，第一种方法返回的列表也越大，占用的内存也越大；但是对于第二种方法没有任何区别。
我们再来看一个可以“返回”无穷多次的例子：
def fib():
a, b = 1, 1
while True:
yield a
a, b = b, a+b
这个generator拥有生成无数多“返回值”的能力，使用者可以自己决定什么时候停止迭代
generator高级应用
使用场景一：
Generator可用于产生数据流， generator并不立刻产生返回值，而是等到被需要的时候才会产生返回值，相当于一个主动拉取的过程(pull)，比如现在有一个日志文件，每行产生一条记录，对于每一条记录，不同部门的人可能处理方式不同，但是我们可以提供一个公用的、按需生成的数据流。
def gen_data_from_file(file_name):
for line in file(file_name):
yield line
def gen_words(line):
for word in (w for w in line.split() if w.strip()):
yield word
def count_words(file_name):
word_map = {}
for line in gen_data_from_file(file_name):
for word in gen_words(line):
if word not in word_map:
word_map[word] = 0
word_map[word] += 1
return word_map
def count_total_chars(file_name):
total = 0
for line in gen_data_from_file(file_name):
total += len(line)
return total
if __name__ == '__main__':
print count_words('test.txt'), count_total_chars('test.txt')
上面的例子来自08年的PyCon一个讲座。gen_words gen_data_from_file是数据生产者，而count_words count_total_chars是数据的消费者。可以看到，数据只有在需要的时候去拉取的，而不是提前准备好。另外gen_words中 (w for w in line.split() if w.strip()) 也是产生了一个generator
使用场景二：
一些编程场景中，一件事情可能需要执行一部分逻辑，然后等待一段时间、或者等待某个异步的结果、或者等待某个状态，然后继续执行另一部分逻辑。比如微服务架构中，服务A执行了一段逻辑之后，去服务B请求一些数据，然后在服务A上继续执行。或者在游戏编程中，一个技能分成分多段，先执行一部分动作（效果），然后等待一段时间，然后再继续。对于这种需要等待、而又不希望阻塞的情况，我们一般使用回调（callback）的方式。下面举一个简单的例子：
def do(a):
print 'do', a
CallBackMgr.callback(5, lambda a = a: post_do(a))
def post_do(a):
print 'post_do', a
这里的CallBackMgr注册了一个5s后的时间，5s之后再调用lambda函数，可见一段逻辑被分裂到两个函数，而且还需要上下文的传递（如这里的参数a）。我们用yield来修改一下这个例子，yield返回值代表等待的时间。
@yield_dec
def do(a):
print 'do', a
yield 5
print 'post_do', a
对于这个地方的理解：
- callback方式：我们的上面的那个程序是我们在执行do这个函数的时候，我们的执行到CallBackMgr的时候，设置了一个5s定时器，然后在5s后，以回调的方式(匿名函数)执行post_do函数，来模拟一个函数的分段执行；
- yeild方式:我们执行do函数，在执行到yeild的时候，程序挂起，并在yeild_dec中对这次的yeild进行注册，也是启动了一个5s的定时器，然后5s后，挂起的程序继续执行，执行了post_do函数，实现分段执行的效果。
这里需要实现一个YieldManager， 通过yield_dec这个decrator将do这个generator注册到YieldManager，并在5s后调用next方法。Yield版本实现了和回调一样的功能，但是看起来要清晰许多。下面给出一个简单的实现以供参考：
# -*- coding:utf-8 -*-
import sys
# import Timer
import types
import time
class YieldManager(object):
def __init__(self, tick_delta = 0.01):
self.generator_dict = {}
# self._tick_timer = Timer.addRepeatTimer(tick_delta, lambda: self.tick())
def tick(self):
cur = time.time()
for gene, t in self.generator_dict.items():
if cur >= t:
self._do_resume_genetator(gene,cur)
def _do_resume_genetator(self,gene, cur ):
try:
self.on_generator_excute(gene, cur)
except StopIteration,e:
self.remove_generator(gene)
except Exception, e:
print 'unexcepet error', type(e)
self.remove_generator(gene)
def add_generator(self, gen, deadline):
self.generator_dict[gen] = deadline
def remove_generator(self, gene):
del self.generator_dict[gene]
def on_generator_excute(self, gen, cur_time = None):
t = gen.next()
cur_time = cur_time or time.time()
self.add_generator(gen, t + cur_time)
g_yield_mgr = YieldManager()
def yield_dec(func):
def _inner_func(*args, **kwargs):
gen = func(*args, **kwargs)
if type(gen) is types.GeneratorType:
g_yield_mgr.on_generator_excute(gen)
return gen
return _inner_func
@yield_dec
def do(a):
print 'do', a
yield 2.5
print 'post_do', a
yield 3
print 'post_do again', a
if __name__ == '__main__':
do(1)
for i in range(1, 10):
print 'simulate a timer, %s seconds passed' % i
time.sleep(1)
g_yield_mgr.tick()
对于这个地方的理解：
我们手动构建了一个Yeild管理器，我们在其中看下实现的方法：
- __init__方法：定义了一个生成器字典
- tick:找到当前的时间，然后我们遍历我们的生成器字典，当我们的现在的时间大于生成器字典中的截止时间，说明我们的生成器的挂起时间结束，恢复执行，执行看_do_resume_genetator方法
- _do_resume_genetator: 调用on_generator_excute执行生成器，当我们遇到StopIteration异常的时候，在我们的生成器字典中移除这个生成器，其他的错误类型就输出错误后，在从生成器字典中移除这个生成器
- add_generator:在生成器字典中添加一个key生成器，value是时间截至
- remove_generator:在生成器字典中移除一个key生成器
- on_generator_excute:执行生成器
对于下面装饰器的理解，我们首先先执行我们的函数，判断是不是一个生成器，是生成器类型，我们就直接执行我们的yeild管理器中的on_generator_excute方法，执行生成器。
程序的信息执行过程如下：
注意事项：
Yield是不能嵌套的！
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
visit(elem) # here value retuened is generator
else:
yield elem
if __name__ == '__main__':
for e in visit([1, 2, (3, 4), 5]):
print e
上面的代码访问嵌套序列里面的每一个元素，我们期望的输出是1 2 3 4 5，而实际输出是1 2 5 。为什么呢，如注释所示，visit是一个generator function，所以第4行返回的是generator object，而代码也没这个generator实例迭代。那么改改代码，对这个临时的generator 进行迭代就行了。
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
for e in visit(elem):
yield e
else:
yield elem
或者在python3.3中 可以使用yield from，这个语法是在pep380加入的
def visit(data):
for elem in data:
if isinstance(elem, tuple) or isinstance(elem, list):
yield from visit(elem)
else:
yield elem
generator function中使用return
在python doc中，明确提到是可以使用return的，当generator执行到这里的时候抛出StopIteration异常。
def gen_with_return(range_num):
if range_num < 0:
return
else:
for i in xrange(range_num):
yield i
if __name__ == '__main__':
print list(gen_with_return(-1)) # []
print list(gen_with_return(1)) # [0]
但是，generator function中的return是不能带任何返回值的
def gen_with_return(range_num):
if range_num < 0:
return 0
else:
for i in xrange(range_num):
yield i
上面的代码会报错：SyntaxError: 'return' with argument inside generator
