• python 生成器(三):生成器基础(三)生成器表达式


    生成器表达式可以理解为列表推导的惰性版本:不会迫切地构建列表,而是返回一个生成器,按需惰性生成元素。
    也就是说,如果列表推导是制造列表的工厂,那么生成器表达式就是制造生成器的工厂。

    示例 14-8 先在列表推导中使用 gen_AB 生成器函数,然后在生成器表达式中使用

    >>> def gen_AB():  #
    ...     print('start')
    ...     yield 'A'
    ...     print('continue')
    ...     yield 'B'
    ...     print('end.')
    ...
    >>> res1 = [x*3 for x in gen_AB()]  #
    start
    continue
    end.
    >>> for i in res1:  #
    ...     print('-->', i)
    ...
    --> AAA
    --> BBB
    >>> res2 = (x*3 for x in gen_AB())  #
    >>> res2  #
    <generator object <genexpr> at 0x10063c240>
    >>> for i in res2:  #
    ...     print('-->', i)
    ...
    start
    --> AAA
    continue
    --> BBB
    end.

    ❶ gen_AB 函数与示例 14-6 中的一样。
    ❷ 列表推导迫切地迭代 gen_AB() 函数生成的生成器对象产出的元素:'A' 和 'B'。注意,下面的输出是 start、continue 和 end.。
    ❸ 这个 for 循环迭代列表推导生成的 res1 列表。
    ❹ 把生成器表达式返回的值赋值给 res2。只需调用 gen_AB() 函数,虽然调用时会返回一个生成器,但是这里并不使用。
    ❺ res2 是一个生成器对象。
    ❻ 只有 for 循环迭代 res2 时,gen_AB 函数的定义体才会真正执行。for 循环每次迭代时会隐式调用 next(res2),前进到 gen_AB 函数中的下一个 yield 语句。
    注意,gen_AB 函数的输出与 for 循环中print 函数的输出夹杂在一起。

    可以看出,生成器表达式会产出生成器,因此可以使用生成器表达式进一步减少 Sentence 类的代码,如示例 14-9 所示。

    示例 14-9 sentence_genexp.py:使用生成器表达式实现 Sentence类

    import re
    import reprlib
    
    RE_WORD = re.compile('w+')
    
    class Sentence:
    
        def __init__(self, text):
          self.text = text
    
        def __repr__(self):
          return 'Sentence(%s)' % reprlib.repr(self.text)
    
        def __iter__(self):
          return (match.group() for match in RE_WORD.finditer(self.text))

    与示例 14-7 唯一的区别是 __iter__ 方法,这里不是生成器函数了(没有 yield),而是使用生成器表达式构建生成器,然后将其返回。
    不过,最终的效果一样:调用 __iter__ 方法(指代Sentence的 __iter__ 方法)会得到一个生成器对象。

  • 相关阅读:
    使脱排油烟机能够听懂你的话(超级简单的方法)
    解决手机无法连接【小米AI音箱】播放音乐问题
    相机稳定器使用注意点
    Scrapy基本命令
    Linux环境下的Scala环境搭建
    Linux基本操作
    MySQL常用操作
    PySpark笔记
    Linux环境下配置及启动Hadoop(伪集群)
    idea: unable to import maven project
  • 原文地址:https://www.cnblogs.com/qiu-hua/p/12967041.html
Copyright © 2020-2023  润新知