9.5.3 __getattr__ 、 __setattr__ 等方法
9.7 生成器
10 11 12 13 14
提示 通过对可迭代对象调用内置函数iter，可获得一个迭代器。
>>> it = iter([1, 2, 3])
>>> next(it) 1
>>> next(it) 2
还可使用它从函数或其他可调用对象创建可迭代对象，详情请参阅库参考手册。
9.6.2 从迭代器创建序列
除了对迭代器和可迭代对象进行迭代（通常这样做）之外，还可将它们转换为序列。在可以 使用序列的情况下，大多也可使用迭代器或可迭代对象（诸如索引和切片等操作除外）。一个这 样的例子是使用构造函数list显式地将迭代器转换为列表。
>>> class TestIterator:
... value = 0
... def __next__(self):
... self.value += 1
... if self.value > 10: raise StopIteration ... return self.value
... def __iter__(self):
... return self ...
>>> ti = TestIterator()
>>> list(ti)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
9.7 生成器
生成器是一个相对较新的Python概念。由于历史原因，它也被称为简单生成器（simple generator）。生成器和迭代器可能是近年来引入的最强大的功能，但生成器是一个相当复杂的概 念，你可能需要花些功夫才能明白其工作原理和用途。虽然生成器让你能够编写出非常优雅的代 码，但请放心，无论编写什么程序，都完全可以不使用生成器。
生成器是一种使用普通函数语法定义的迭代器。生成器的工作原理到底是什么呢？通过示例 来说明最合适。下面先来看看如何创建和使用生成器，然后再看看幕后的情况。
9.7.1 创建生成器
生成器创建起来与函数一样简单。你现在肯定厌烦了老套的斐波那契数列，所以下面换换口 味，创建一个将嵌套列表展开的函数。这个函数将一个类似于下面的列表作为参数：
nested = [[1, 2], [3, 4], [5]]
换而言之，这是一个列表的列表。函数应按顺序提供这些数字，下面是一种解决方案：
def flatten(nested):
for sublist in nested:
for element in sublist:
yield element
这个函数的大部分代码都很简单。它首先迭代所提供嵌套列表中的所有子列表，然后按顺序 迭代每个子列表的元素。倘若最后一行为print(element)，这个函数将容易理解得多，不是吗？
在这里，你没有见过的是yield语句。包含yield语句的函数都被称为生成器。这可不仅仅是 名称上的差别，生成器的行为与普通函数截然不同。差别在于，生成器不是使用return返回一个 值，而是可以生成多个值，每次一个。每次使用yield生成一个值后，函数都将冻结，即在此停 止执行，等待被重新唤醒。被重新唤醒后，函数将从停止的地方开始继续执行。
为使用所有的值，可对生成器进行迭代。
>>> nested = [[1, 2], [3, 4], [5]]
>>> for num in flatten(nested):
... print(num) ...
1 2 3 4 5
或
>>> list(flatten(nested)) [1, 2, 3, 4, 5]
简单生成器
在Python 2.4中，引入了一个类似于列表推导（参见第5章）的概念：生成器推导（也叫生 成器表达式）。其工作原理与列表推导相同，但不是创建一个列表（即不立即执行循环），而 是返回一个生成器，让你能够逐步执行计算。
>>> g = ((i + 2) ** 2 for i in range(2, 27))
>>> next(g) 16
如你所见，不同于列表推导，这里使用的是圆括号。在像这样的简单情形下，还不如使 用列表推导；但如果要包装可迭代对象（可能生成大量的值），使用列表推导将立即实例化一 个列表，从而丧失迭代的优势。
另一个好处是，直接在一对既有的圆括号内（如在函数调用中）使用生成器推导时，无需 再添加一对圆括号。换而言之，可编写下面这样非常漂亮的代码：
sum(i ** 2 for i in range(10))
1
def flatten(nested):
try:
for sublist in nested:
for element in flatten(sublist):
yield element
def flatten(nested):
try:
# 不迭代类似于字符串的对象：
try: nested + '' except TypeError: pass else: raise TypeError for sublist in nested:
——————————
① 感谢Alex Martelli指出了这个成例以及在这里使用它的重要性。
for element in flatten(sublist):
yield element except TypeError:
yield nested
如你所见，如果表达式nested + ''引发了TypeError异常，就忽略这种异常；如果没有引发 TypeError异常，内部try语句中的else子句将引发TypeError异常，这样将在外部的excpet子句中 原封不动地生成类似于字符串的对象。明白了吗？
下面的示例表明，这个版本也可用于字符串：
>>> list(flatten(['foo', ['bar', ['baz']]])) ['foo', 'bar', 'baz']
请注意，这里没有执行类型检查：我没有检查nested是否是字符串，而只是检查其行为是否 类似于字符串，即能否与字符串拼接。对于这种检查，一种更自然的替代方案是，使用isinstance 以及字符串和类似于字符串的对象的一些抽象超类，但遗憾的是没有这样的标准类。另外，即便 是对UserString来说，也无法检查其类型是否为str。
9.7.3 通用生成器
如果你按前面的例子做了，就差不多知道了如何使用生成器。你知道，生成器是包含关键字
yield的函数，但被调用时不会执行函数体内的代码，而是返回一个迭代器。每次请求值时，都
将执行生成器的代码，直到遇到yield或return。yield意味着应生成一个值，而return意味着生 成器应停止执行（即不再生成值；仅当在生成器调用return时，才能不提供任何参数）。
换而言之，生成器由两个单独的部分组成：生成器的函数和生成器的迭代器。生成器的函数 是由def语句定义的，其中包含yield。生成器的迭代器是这个函数返回的结果。用不太准确的话 说，这两个实体通常被视为一个，通称为生成器。
>>> def simple_generator():
yield 1 ...
>>> simple_generator
<function simple_generator at 153b44>
>>> simple_generator()
<generator object at 1510b0>
对于生成器的函数返回的迭代器，可以像使用其他迭代器一样使用它。
9.7.4 生成器的方法
在生成器开始运行后，可使用生成器和外部之间的通信渠道向它提供值。这个通信渠道包含 如下两个端点。
外部世界：外部世界可访问生成器的方法send，这个方法类似于next，但接受一个参数（要 发送的“消息”，可以是任何对象）。
生成器：在挂起的生成器内部，yield可能用作表达式而不是语句。换而言之，当生成器
1 2 3 4 5
15 6 7 8 9 10 11 12 13 14
重新运行时，yield返回一个值——通过send从外部世界发送的值。如果使用的是next， yield将返回None。
请注意，仅当生成器被挂起（即遇到第一个yield）后，使用send（而不是next）才有意义。
要在此之前向生成器提供信息，可使用生成器的函数的参数。
注意 如果一定要在生成器刚启动时对其调用方法send，可向它传递参数None。 下面的示例很傻，但说明了这种机制：
def repeater(value):
while True:
new = (yield value)
if new is not None: value = new
下面使用了这个生成器：
>>> r = repeater(42)
>>> next(r) 42
>>> r.send("Hello, world!")
"Hello, world!"
注意到使用圆括号将yield表达式括起来了。在有些情况下，并非必须这样做，但小心驶得 万年船。如果要以某种方式使用返回值，就不管三七二十一，将其用圆括号括起吧。
生成器还包含另外两个方法。
方法throw：用于在生成器中（yield表达式处）引发异常，调用时可提供一个异常类型、一
个可选值和一个traceback对象。
方法close：用于停止生成器，调用时无需提供任何参数。
方 法close（ 由 Python 垃 圾 收 集 器 在 需 要 时 调 用 ） 也 是 基 于 异 常 的 ： 在yield处 引 发 GeneratorExit异常。因此如果要在生成器中提供一些清理代码，可将yield放在一条try/finally 语句中。如果愿意，也可捕获GeneratorExit异常，但随后必须重新引发它（可能在清理后）、引 发其他异常或直接返回。对生成器调用close后，再试图从它那里获取值将导致RuntimeError异常。
提示 有关生成器的方法以及它们是如何将生成器变成简单协同程序（coroutine）的详细信息，
请参阅“PEP 342”（www.python.org/dev/peps/pep-0342/）。
9.7.5 模拟生成器
如果你使用的是较老的Python版本，就无法使用生成器。下面是一个简单的解决方案，让你 能够使用普通函数模拟生成器。
首先，在函数体开头插入如下一行代码：
result = []
如果代码已使用名称result，应改用其他名称。（在任何情况下，使用更具描述性的名称都 是不错的主意。）接下来，将类似于yield some_expression的代码行替换为如下代码行：
yield some_expression with this:
result.append(some_expression)
最后，在函数末尾添加如下代码行：
return result
尽管使用这种方法并不能模拟所有的生成器，但可模拟大部分生成器。例如，这无法模拟无 穷生成器，因为显然不能将这种生成器的值都存储到一个列表中。
下面使用普通函数重写了生成器flatten：
def flatten(nested):
result = []
try:
# 不迭代类似于字符串的对象：
try: nested + '' except TypeError: pass else: raise TypeError for sublist in nested:
for element in flatten(sublist):
result.append(element) except TypeError:
result.append(nested) return result