今天我们来讲述Python核心笔记2- yield 函数创建生成器方式
1、生成器
在 Python 中，使用了 yield 的函数被称为生成器（generator），一边循环一边计算的机制；
在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
好处：节省内存空间；适用想要得到庞大的数据，又想让它占用空间少的场景；
1.1 创建生成器方式1
第一种方法很简单，只要把一个列表生成式的 [ ] 改成 ( )
# 原有方式test_list = [x*2 for x in range(5)] # 执行后test_list : [0, 2, 4, 6, 8]# 生成器test_gen = (x*2 for x in range(5)) # 执行后test_gen : <generator object <genexpr> at 0x106d2c820># 生成器的打印next(test_gen) # 执行后打印 0next(test_gen) # 执行后打印 2next(test_gen) # 执行后打印 3# 遍历test_genfor x in test_gen:print(x) # 打印 0 2 4 6 8
注意：
通过next()方式超出边界会报StopIteration 异常；
创建了一个生成器后，基本上永远不会调用 next() ，而是通过 for 循环来迭代它，并且不需要关心 StopIteration 异常。
1.2 创建生成器方式2
如果一个函数中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator。调用函数就是创建了一个生成器（generator）对象。
# 斐波那契数列， 原有写法def fib(times):n = 0a,b = 0,1while n < times:print(b)a,b = b, a+bn += 1return Truefib(5) # 打印结果：1, 1, 2, 3, 5, 8# 斐波那契， 生成器方式def fib(times):n = 0a,b = 0,1while n < times:yield ba,b = b, a+bn += 1return Trueobj_fit = fib(5)# 逐次d打印next(obj_fit) # 打印结果：1next(obj_fit) # 打印结果：1next(obj_fit) # 打印结果：2# 打印返回的迭代器for x in obj_fit:print x # 打印结果 1, 1, 2, 3, 5, 8
注：
yield相当于 return 返回一个值，并且记住这个返回的位置，下次迭代时，代码从yield的下一条语句开始执行。
1.3 send方法
.send() 和next()一样，都能让生成器继续往下走一步（下次遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果。
def test():i = 0while i < 5:temp = yield iprint(temp)print(i)i += 1t=test()next(t)t.send('test')next(t)# 代码执行结果：hshs 0 None 1
2、迭代器
迭代是访问集合元素的一种方式；
迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束；
迭代器只能往前不会后退。
2.1 可迭代对象
以直接作用于 for 循环的数据类型有以下几种：
一类是集合数据类型，如 list 、 tuple 、 dict 、 set 、 str 等；
一类是 generator ，包括生成器和带 yield 的generator function。
这些可以直接作用于 for 循环的对象统称为可迭代对象：Iterable 。
2.2 是否可迭代
可以使用 isinstance() 判断一个对象是否是 Iterable 对象；
from collections import Iterableprint (isinstance([], Iterable)) # 打印 True
2.3 迭代器
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用 isinstance() 判断一个对象是否是 Iterator 对象
print(isinstance((x for x in range(10)), Iterator)) # 打印tureprint(isinstance([], Iterator)) # 打印false
生成器都是 Iterator 对象，但 list 、 dict 、 str 虽然是 Iterable ，却不是 Iterator 。
把 list 、 dict 、 str 等 Iterable 变成 Iterator 可以使用 iter() 函数；
print(isinstance([], Iterator)) # 打印true3、闭包
在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包.
def test_bb(numa):def test_inner(numb):return numa + numbreturn test_innertb = test_bb(10) # tb指向test_innerresult = tb(5) # 调用test_innerprint(result) # 打印 15
3.1 实例
闭包可以提高代码复用；
例如下面案例，如果没有闭包我们需要每次创建直线函数的时候同时说明a,b,x，需要多参数传递；
def line_conf(a, b):def line(x):return a*x + breturn lineline1 = line_conf(100,100)line2 = line_conf(100,100)line1(10)line2(20)
4、装饰器
装饰器是闭包的一种应用，用于拓展原来函数功能的一种方式，好处就是在不用更改原函数的代码前提下给函数增加新的功能。
4.1 简单装饰器
在执行执行方法的上面增加一个帽子（装饰这个方法），格式为 @check
def check(func):def wrapper():print('---check---')func()return wrapper@checkdef login():print('login')login() # 打印 ---check--- login
4.2 多个装饰器
天气太冷，一个帽子不够，那就扩展两个；
@check_one
@check_two
def check_one(func):def wrapper():print('---check_one---')func()return wrapperdef check_two(func):def wrapper():print('---check_two---')func()return wrapper@check_one@check_twodef login():print('login')login() # 打印 ---check_one--- ---check_two--- login
注：装饰器装饰的时候从下往上， 调用的时候从上往下调用；
4.3 带参数装饰器
装饰器中可以传入参数，先形成一个完整的装饰器，然后再来装饰函数；
函数如果需要传入参数也是可以的，用不定长参数符号就可以接收，例子中传入了2个参数（name, password）。
def check(user):def outwrapper(func):def wrapper(*args, **kwargs):if user == 'admin':print('---check admin---')else:print('---check other---')func(*args, **kwargs)return wrapperreturn outwrapper@check(user='admin')def login(name, password):print('Name:%s Pass:%s' % (name, password))login('HAHA', 'NMNM') # 打印 ---check admin--- Name:HAHA Pass:NMNM
4.4 类装饰器
装饰器也不一定只能用函数来写，也可以使用类装饰器，实质是使用了类方法中的call魔法方法来实现类的直接调用。
class check(object):def __init__(self, user):self.user = userdef __call__(self, func):def wrapper(*args, **kwargs):if self.user == 'admin':print('---check admin---')else:print('---check other---')func(*args, **kwargs)return wrapper@check(user='admin')def login(name, password):print('login name:%s pass:%s' % (name, password))login('HAHA', 'NMNM') # 打印 ---check admin--- Name:HAHA Pass:NMNM