python yield和yield from用法总结详解_python

概述python yield和yield from用法总结yield 作用：注： generator的next()方法在python 2中为next()，但在python 3中为 __next__() 【next的前后各是两个下划线】

python yIEld和yIEld from用法总结yIEld 作用：

注： generator的next()方法在python 2中为next()，但在python 3中为 __next__() 【next的前后各是两个下划线】

　　把一个函数变成一个generator，带有yIEld的函数不再是一个普通函数。即：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()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yIEld 语句就会中断，并返回一个迭代值，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。

yIEld 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。

用print实现打印斐波拉切数列 ——基础版

#!/usr/bin/env python# -*- Coding: utf-8 -*-def fab(max):    n , a, b = 0, 0 , 1    while n < max:        print(b)        a, b = b, a + b        n = n + 1if __name__ == '__main__':    fab(6)  # 1 1 2 3 5 8

用yIEld实现打印斐波拉切数列——升级版

#!/usr/bin/env python# -*- Coding: utf-8 -*-def fab(max):    n , a, b = 0, 0 , 1    while n < max:        yIEld b        a, b = b, a + b        n = n + 1if __name__ == '__main__':    for n in fab(6): # 1 1 2 3 5 8        print(n)

如何判断一个函数是否是一个特殊的generator函数

#!/usr/bin/env python# -*- Coding: utf-8 -*-from inspect import isgeneratorfunctiondef fab(max):    n , a, b = 0, 0 , 1    while n < max:        yIEld b        a, b = b, a + b        n = n + 1if __name__ == '__main__':    f1 = fab(3)    # True fab是一个generator function    print(isgeneratorfunction(fab))    # False fab(3)不是一个generator function    # 而fab(3)是调用fab返回的一个generator    print(isgeneratorfunction(fab(3)))

用yIEld实现大文件读取

#!/usr/bin/env python# -*- Coding: utf-8 -*-def read_file(fpath):    BLOCK_SIZE = 100    with open(fpath, "rb") as f:        while True:            block = f.read(BLOCK_SIZE)            if block:                yIEld block            else:                returnif __name__ == '__main__':    fpath = "/home/exercise-python3.7.1/Vote/mysite/mysite/polls/test.txt"    read_gen = read_file(fpath)    print(read_gen.__next__())    print(read_gen.__next__())    print(read_gen.__next__())    print(read_gen.__next__())    # for循环会自动调用generatr的__next__()方法，故输出效果同如上的4个print  【内容较短，4个print就将test.txt中的内容输出完了】    for data in read_gen:        print(data)

yIEld 和 yIEld from 用法对比使用yIEld拼接可迭代对象

#!/usr/bin/env python# -*- Coding: utf-8 -*-if __name__ == '__main__':    astr = "ABC"    aList = [1, 2, 3]    adict = {"name": "wangbm", "age": 18}    # generate    agen = (i for i in range(4, 8))    def gen(*args, **kw):        for item in args:            for i in item:                yIEld i    new_List = gen(astr, aList, adict, agen)    print(List(new_List))    # ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]

使用yIEld from拼接可迭代对象

#!/usr/bin/env python# -*- Coding: utf-8 -*-if __name__ == '__main__':    astr = "ABC"    aList = [1, 2, 3]    adict = {"name": "wangbm", "age": 18}    # generate    agen = (i for i in range(4, 8))    def gen(*args, **kw):        for item in args:            yIEld from item    new_List = gen(astr, aList, adict, agen)    print(List(new_List))    # ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]

结论：
　　由上面两种方式对比，可以看出，yIEld from后面加上可迭代对象，他可以把可迭代对象里的每个元素一个一个的yIEld出来，对比yIEld来说代码更加简洁，结构更加清晰。