如何检查生成器类型的对象?
How to inspect Generator type object?
使用以下代码(第一种情况),
def f():
mylist = range(3)
for i in mylist:
yield i*i
如果不检查 y
,你能说 y=f()
returns (x*x for x in range(3))
collections.abc.Generator
类型的对象吗?
使用下面的代码(第二种情况),
def func():
x = 1
while 1:
y = yield x
x += y
调用 y=func()
时返回的 Generator
类型对象是什么?您如何检查 y
以查看代码?
生成器的目标是按需生成值。换句话说,如果您需要整数的平方,但您事先不知道其中有多少,您可以使用 generators
来生成值。它是通过使用 yield
而不是 return
来实现的。在 yield
函数确实保留上下文之后。您可以将 yield
想象成 "pause",将 return 想象成 "stop"。生成器的另一个好处是,即使您知道集合的大小,您也不会立即将所有内容加载到内存中,而是一次只消耗一个元素。
在你的第二个例子中你会得到错误:
for i in func():
print(i)
因为 y = yield x
表达式需要调用 send() 方法:
见 https://www.python.org/dev/peps/pep-0342/#specification-sending-values-into-generators
"for" 语句调用 iter(foo())
函数,returns 生成器对象。
然后 "for" 语句将调用 next(generator) 而生成器不会引发 StopIteration
异常。
对于你的第二个例子:
for i in func():
print(i)
"for"语句会得到生成器对象然后为他调用next(generator object)
。对于此调用,它将获得 x 值 (1)。此时生成器对象等待 send(something)
方法调用将 something 值设置为 y。如果不调用此方法,则 next(generator object)
调用会将 None
发送到生成器。在这种情况下,y 将采用 None
值,程序将在 x += y
上引发错误
正确使用你的第二个例子是:
f = func()
# open generator object
next(f)
#1
f.send(2)
#3
第一种情况——简单生成器
您描述的 generator expression (x*x for x in range(3))
is roughly the same as the simple generator 函数。但是,genexp 的范围界定可能会稍微复杂一些(这就是为什么我们通常建议您立即使用生成器表达式而不是传递它们)。
第二种情况——增强型发电机
带有 y = yield x
的代码是 enhanced generator 的示例,用于将数据发送到 运行 生成器,本质上是在 enhanced generator 之间创建双向通信通道=52=]生成器和调用代码。
send/receive 逻辑的主要用例是实现协程和生成器蹦床。请参阅 David Beazley 的 trampoline example。
增强的生成器是 Twisted Python 美丽 Inline Callbacks which implement coroutines 的关键。
如何检查发电机
对于y = func()
中的变量y,唯一的检查技术是检查public API:
>>> y = func()
>>> dir(y)
['__class__', '__delattr__', '__doc__', '__format__',
'__getattribute__', '__hash__', '__init__', '__iter__',
'__name__', '__new__', '__reduce__', '__reduce_ex__',
'__repr__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__', 'close', 'gi_code', 'gi_frame',
'gi_running', 'next', 'send', 'throw']
如何检查生成器功能
对于生成器函数本身,您可以使用 dis 模块检查代码以了解其工作原理:
>>> def func():
x = 1
while 1:
y = yield x
x += y
>>> import dis
>>> dis.dis(func)
3 0 LOAD_CONST 1 (1)
3 STORE_FAST 0 (x)
4 6 SETUP_LOOP 21 (to 30)
5 >> 9 LOAD_FAST 0 (x)
12 YIELD_VALUE
13 STORE_FAST 1 (y)
6 16 LOAD_FAST 0 (x)
19 LOAD_FAST 1 (y)
22 INPLACE_ADD
23 STORE_FAST 0 (x)
26 JUMP_ABSOLUTE 9
29 POP_BLOCK
>> 30 LOAD_CONST 0 (None)
33 RETURN_VALUE
使用调试器跟踪代码
您可以使用 pdb 调试器逐步跟踪代码。
>>> import pdb
>>> y = func()
>>> pdb.runcall(next, y)
> /Users/raymond/Documents/tmp.py(2)func()
-> x = 1
(Pdb) s
> /Users/raymond/Documents/tmp.py(3)func()
-> while 1:
(Pdb) s
> /Users/raymond/Documents/tmp.py(4)func()
-> y = yield x
(Pdb) p locals()
{'x': 1}
(Pdb) s
> /Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/bdb.py(440)runcall()
-> self.quitting = 1
(Pdb) s
1
>>> pdb.runcall(y.send, 10)
> /Users/raymond/Documents/tmp.py(5)func()->1
-> x += y
(Pdb) s
> /Users/raymond/Documents/tmp.py(4)func()->1
-> y = yield x
(Pdb) locals()
{'__return__': 1, 'x': 11, 'y': 10}
使用以下代码(第一种情况),
def f():
mylist = range(3)
for i in mylist:
yield i*i
如果不检查 y
,你能说 y=f()
returns (x*x for x in range(3))
collections.abc.Generator
类型的对象吗?
使用下面的代码(第二种情况),
def func():
x = 1
while 1:
y = yield x
x += y
调用 y=func()
时返回的 Generator
类型对象是什么?您如何检查 y
以查看代码?
生成器的目标是按需生成值。换句话说,如果您需要整数的平方,但您事先不知道其中有多少,您可以使用 generators
来生成值。它是通过使用 yield
而不是 return
来实现的。在 yield
函数确实保留上下文之后。您可以将 yield
想象成 "pause",将 return 想象成 "stop"。生成器的另一个好处是,即使您知道集合的大小,您也不会立即将所有内容加载到内存中,而是一次只消耗一个元素。
在你的第二个例子中你会得到错误:
for i in func():
print(i)
因为 y = yield x
表达式需要调用 send() 方法:
见 https://www.python.org/dev/peps/pep-0342/#specification-sending-values-into-generators
"for" 语句调用 iter(foo())
函数,returns 生成器对象。
然后 "for" 语句将调用 next(generator) 而生成器不会引发 StopIteration
异常。
对于你的第二个例子:
for i in func():
print(i)
"for"语句会得到生成器对象然后为他调用next(generator object)
。对于此调用,它将获得 x 值 (1)。此时生成器对象等待 send(something)
方法调用将 something 值设置为 y。如果不调用此方法,则 next(generator object)
调用会将 None
发送到生成器。在这种情况下,y 将采用 None
值,程序将在 x += y
正确使用你的第二个例子是:
f = func()
# open generator object
next(f)
#1
f.send(2)
#3
第一种情况——简单生成器
您描述的 generator expression (x*x for x in range(3))
is roughly the same as the simple generator 函数。但是,genexp 的范围界定可能会稍微复杂一些(这就是为什么我们通常建议您立即使用生成器表达式而不是传递它们)。
第二种情况——增强型发电机
带有 y = yield x
的代码是 enhanced generator 的示例,用于将数据发送到 运行 生成器,本质上是在 enhanced generator 之间创建双向通信通道=52=]生成器和调用代码。
send/receive 逻辑的主要用例是实现协程和生成器蹦床。请参阅 David Beazley 的 trampoline example。
增强的生成器是 Twisted Python 美丽 Inline Callbacks which implement coroutines 的关键。
如何检查发电机
对于y = func()
中的变量y,唯一的检查技术是检查public API:
>>> y = func()
>>> dir(y)
['__class__', '__delattr__', '__doc__', '__format__',
'__getattribute__', '__hash__', '__init__', '__iter__',
'__name__', '__new__', '__reduce__', '__reduce_ex__',
'__repr__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__', 'close', 'gi_code', 'gi_frame',
'gi_running', 'next', 'send', 'throw']
如何检查生成器功能
对于生成器函数本身,您可以使用 dis 模块检查代码以了解其工作原理:
>>> def func():
x = 1
while 1:
y = yield x
x += y
>>> import dis
>>> dis.dis(func)
3 0 LOAD_CONST 1 (1)
3 STORE_FAST 0 (x)
4 6 SETUP_LOOP 21 (to 30)
5 >> 9 LOAD_FAST 0 (x)
12 YIELD_VALUE
13 STORE_FAST 1 (y)
6 16 LOAD_FAST 0 (x)
19 LOAD_FAST 1 (y)
22 INPLACE_ADD
23 STORE_FAST 0 (x)
26 JUMP_ABSOLUTE 9
29 POP_BLOCK
>> 30 LOAD_CONST 0 (None)
33 RETURN_VALUE
使用调试器跟踪代码
您可以使用 pdb 调试器逐步跟踪代码。
>>> import pdb
>>> y = func()
>>> pdb.runcall(next, y)
> /Users/raymond/Documents/tmp.py(2)func()
-> x = 1
(Pdb) s
> /Users/raymond/Documents/tmp.py(3)func()
-> while 1:
(Pdb) s
> /Users/raymond/Documents/tmp.py(4)func()
-> y = yield x
(Pdb) p locals()
{'x': 1}
(Pdb) s
> /Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/bdb.py(440)runcall()
-> self.quitting = 1
(Pdb) s
1
>>> pdb.runcall(y.send, 10)
> /Users/raymond/Documents/tmp.py(5)func()->1
-> x += y
(Pdb) s
> /Users/raymond/Documents/tmp.py(4)func()->1
-> y = yield x
(Pdb) locals()
{'__return__': 1, 'x': 11, 'y': 10}