奇妙的流控制 Python中的迭代器与生成器(1)

奇妙的流控制 Python中的迭代器与生成器(1)

在Python 2.2中引进了一种带有新关键字的新型构造。这种构造是生成器；关键字是yield。生成器使几个新型、强大和富有表现力的编程习惯用法成为可能，但初看，要理解生成器，还是有一点困难。

51CTO推荐阅读：深入了解Python暂缓列表生成器

由于迭代器比较容易理解，让我们先来看它。基本上， 迭代器是含有 .next() 方法的对象。唔，这样定义不十分正确，但非常接近。事实上，当迭代器应用新的 iter() 内置函数时，大多数迭代器的上下文希望得到一个可以生成迭代器的对象。为使用户定义的类该类含有必不可少的 .next() 方法）返回迭代器，需要使 __iter__() 方法返回 self 。本文中的示例会清楚地说明这一点。如果迭代有一个逻辑终止，则迭代器的 .next() 方法可能决定抛出 StopIteration 异常。

生成器要稍微复杂和一般化一点。但生成器最典型的用途是用来定义迭代器；所以不值得总是为一些细微之处而担心。 生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。

在某些方面，生成器就象本专栏前面文章讨论的函数型编程中的“终止”。象“终止”一样，生成器“记住”了它数据状态。但生成器比“终止”要更进一步：生成器还“记住”了它在流控制构造在命令式编程中，这种构造不只是数据值）中的位置。由于连续性使您在执行框架间任意跳转，而不总是返回到直接调用者的上下文如同生成器那样），因此它仍是比较一般的。幸运的是，使用生成器比理解程序流和状态的所有概念性问题容易得多。实际上，稍加实践之后，就可以象普通函数那样容易地使用生成器。

随机遍历

让我们考虑一个相当简单的问题，可以用多种方法来解决它 ― 新方法和旧方法都可以。假设我们想要一串正的随机数字流，它比服从向后参考约束的数字流要小。明确的讲，我们希望每个后续数字比前一个数字至少大或小 0.4。而且，数字流本身不是无限的，在几个随机步骤后结束。这个示例中，当数字流中产生小于 0.1 的数字时，我们将简单地结束它。上述的约束有点象可以在“随机遍历”算法找到的约束，结束条件类似“统计”或“局部最小值”结果 ― 但当然，这要比大多数现实世界中简单。在 Python 2.1或更早的版本中，我们有几种方法来解决这个问题。一种方法是，简单地生成流中的数字列表并返回它。可能看起来象：

RandomWalk_List.py  
import  
random  
def  
randomwalk_list  
():  
last, rand = 1, random.random()   
# init candidate elements  
nums = []     
# empty list  
while  
rand > 0.1:   
# threshhold terminator  
if  
abs(last-rand) >= 0.4:     
# accept the number  
  last = rand 
  nums.append(rand)     
# add latest candidate to nums  
else  
:  
print  
'*',  
# display the rejection  
rand = random.random()    
# new candidate  
nums.append(rand)   
# add the final small element  
return  
nums 

利用这个函数就象如下所示般简单：

随机遍历列表的迭代  
for num in randomwalk_list():  
print num, 

上面这种方法中有几个值得注意的局限性。这个特定的示例中极不可能产生庞大的数字列表，但只通过将阀值终结符定义得较严格，就可以创建任意大流随机精确大小，但可以预见数量级）。在某种程度上，内存和性能问题可能使得这种方法不切实际，以及没有必要。同样是这个问题，使得 Python 较早的版本中添加了 xrange() 和 xreadlines() 。更重要的是，许多流取决于外部事件，并且当每个元素可用时，才处理这些流。例如，流可以侦听一个端口，或者等待用户输入。试图在流之外创建完整的列表并不就是这些情形中的某一种。

在 Python 2.1 和较早版本中，我们的诀窍是使用“静态”函数局部变量来记住关于函数的上一次调用的一些事情。显而易见，全局变量可以做同样的工作，但它们带来了大家熟知的全局性名称空间污染的问题，并会因非局部性而引起错误。这里，如果您不熟悉这个诀窍，可能会感到诧异 ― Python 没有“正式”的静态范围声明。然而，如果赋予了命名参数可变的缺省值，那么参数就可以，用作以前调用的持久存储器。明确的讲，列表是一些便利的可变对象，他们甚至可以方便地保留多个值。使用“静态”方法，可以编写如下的函数：

RandomWalk_Static.py  
import  
random  
def  
randomwalk_static  
(last=[1]):  
# init the "static" var(s)  
rand = random.random()  
# init a candidate value  
if  
last[0] < 0.1:   
# threshhold terminator  
return  
None     
# end-of-stream flag  
while  
abs(last[0]-rand) < 0.4:    
# look for usable candidate  
print  
'*',  
# display the rejection  
rand = random.random()    
# new candidate  
last[0] = rand  
# update the "static" var  
return  
rand 

这个函数是十分友好的存储器。它只需要记住一个以前的值，返回一个单个数字不是一个数字的大列表）。并且与此类似的一个函数可以返回取决于部分地或完全地）外部事件的连续的值。不利的一面是，利用这个函数有点不够简练，且相当不灵活。

静态随机遍历的迭代  
num = randomwalk_static()  
while num is not None:  
print num,  
num = randomwalk_static()