# Python 3.3新加了yield from语法
from itertools import chain # chain可以将迭代的类型给连接起来，直接做一个for循环
my_list = [1,2,3]
my_dict = {"Baidu":"http://www.baidu.com","Sohu":"http://www.sohu.com",
}for value in chain(my_list,my_dict,range(5,10)):print(value)

1
2
3
Baidu
Sohu
5
6
7
8
9

# Python 3.3新加了yield from语法
from itertools import chain # chain可以将迭代的类型给连接起来，直接做一个for循环
my_list = [1,2,3]my_dict = {"Baidu":"http://www.baidu.com","Sohu":"http://www.sohu.com",
}def my_chain(*args,**kwargs):  # 当传入的参数不确定是，用*argsfor my_iterable in args:   # args是tuple，属于可迭代对象for value in my_iterable:yield valuefor value in my_chain(my_list,my_dict,range(5,10)):print(value)

用my_chain函数，模拟实现chain的功能，发现有相同的效果。

# 用yield from实现
my_list = [1,2,3]my_dict = {"Baidu":"http://www.baidu.com","Sohu":"http://www.sohu.com",
}
# yield from 后面是iterable对象
def my_chain(*args,**kwargs):  # 当传入的参数不确定是，用*argsfor my_iterable in args:   # args是tuple，属于可迭代对象yield from my_iterablefor value in my_chain(my_list,my_dict,range(5,10)):print(value)

yield与yield from的区别

def g1(iterable):yield iterable  # yield，iterable是什么样子，输出就是什么样子。def g2(iterable):yield from iterable  # yield from会把iterable的每个值都给迭代出来for value in g1(range(10)):print(value)    # range(0, 10)for value in g2(range(10)):print(value)    # 0，1，2，3，4，5，6，7，8，9

range(0, 10)
0
1
2
3
4
5
6
7
8
9

# 用yield from实现
my_list = [1,2,3]my_dict = {"Baidu":"http://www.baidu.com","Sohu":"http://www.sohu.com",
}def my_chain(*args,**kwargs):for my_iterable in args:yield from my_iterablefor value in my_chain(my_list,my_dict,range(5,10)):print(value)def g1(gen):yield from gendef main():g = g1()g.send(None)#1. main为调用方。g1（委托生成器），gen（子生成器）
#1 yield from会在调用方main与子生成器gen之间建立一个双向通道。即yield执行完，将值直接交给main；甚至main生成的异常可以直接传递给gen

final_result = {}def sales_sum(pro_name):total = 0nums = []while True:x = yieldprint(pro_name+"销售： ",x)if not x:breaktotal += xnums.append(x)return total,numsdef middle(key):while True:final_result[key] = yield from sales_sum(key)print(key+"销售统计完成！！.")def main():data_sets = {"Tom-1牌面膜":[1200,1500,3000], # 销量"Tom-2牌手机": [200, 55, 98,108],"Tom-3牌大衣": [280, 560, 778,70]}for key,data_set in data_sets.items():print("start key:",key)m = middle(key)m.send(None) # 预激middle协程for vale in data_set:m.send(vale)  # 给协程传递每一组的值m.send(None)print("final result:",final_result)if __name__ == "__main__":main()

start key: Tom-1牌面膜
Tom-1牌面膜销售：  1200
Tom-1牌面膜销售：  1500
Tom-1牌面膜销售：  3000
Tom-1牌面膜销售：  None
Tom-1牌面膜销售统计完成！！.
start key: Tom-2牌手机
Tom-2牌手机销售：  200
Tom-2牌手机销售：  55
Tom-2牌手机销售：  98
Tom-2牌手机销售：  108
Tom-2牌手机销售：  None
Tom-2牌手机销售统计完成！！.
start key: Tom-3牌大衣
Tom-3牌大衣销售：  280
Tom-3牌大衣销售：  560
Tom-3牌大衣销售：  778
Tom-3牌大衣销售：  70
Tom-3牌大衣销售：  None
Tom-3牌大衣销售统计完成！！.
final result: {'Tom-1牌面膜': (5700, [1200, 1500, 3000]), 'Tom-2牌手机': (461, [200, 55, 98, 108]), 'Tom-3牌大衣': (1688, [280, 560, 778, 70])}

final_result = {}def sales_sum(pro_name):total = 0nums = []while True:x = yieldprint(pro_name+"销售： ",x)if not x:breaktotal += xnums.append(x)return total,numsif __name__ == "__main__":my_gen = sales_sum("Tom牌手机")my_gen.send(None) # 预激活my_gen.send(1200)my_gen.send(1500)my_gen.send(3000)try:my_gen.send(None)except StopIteration as e:result = e.valueprint(result)

Tom牌手机销售：  1200
Tom牌手机销售：  1500
Tom牌手机销售：  3000
Tom牌手机销售：  None
(5700, [1200, 1500, 3000])

pep380

关于 yeild from

1. RESULT = yield from EXPR可以简化成下面这样

一些说明

"""
_i：子生成器，同时也是一个迭代器
_y：子生成器生产的值_r：yield from 表达式最终的值
_s：调用方通过send()发送的值
_e：异常对象"""
_i = iter(EXPR) # EXPR是一个可迭代对象，_i其实是子生成器；
try:_y = next(_i) # 预激子生成器，把产出的第一个值存在_y中；
except StopIteration as _e:_r = _e.value # 如果抛出了StopIteration异常，那么就将异常对象的value属性保存到_r，这是最简单的情况的返回值；
else: while 1: # 尝试执行这个循环，委托生成器会阻塞；_s = yield _y # 生产子生成器的值，等待调用方send()值，发送过来的值将保存在_s中；try:_y = _i.send(_s) # 转发_s，并且尝试向下执行；except StopIteration as _e:_r = _e.value # 如果子生成器抛出异常，那么就获取异常对象的value属性存到_r，退出循环，恢复委托生成器的运行；break
RESULT = _r # _r就是整个yield from表达式返回的值。
"""子生成器可能只是一个迭代器，并不是一个作为协程的生成器，所以它不支持.throw()和.close()方法；如果子生成器支持.throw()和.close()方法，但是在子生成器内部，这两个方法都会抛出异常；调用方让子生成器自己抛出异常当调用方使用next()或者.send(None)时，都要在子生成器上调用next()函数，当调用方使用.send()发送非 None 值时，才调用子生成器的.send()方法；
"""

_i = iter(EXPR)
try:_y = next(_i)
except StopIteration as _e:_r = _e.value
else:while 1:try:_s = yield _yexcept GeneratorExit as _e:try:_m = _i.closeexcept AttributeError:passelse:_m()raise _eexcept BaseException as _e:_x = sys.exc_info()try:_m = _i.throwexcept AttributeError:raise _eelse:try:_y = _m(*_x)except StopIteration as _e:_r = _e.valuebreakelse:try:if _s is None:_y = next(_i)else:_y = _i.send(_s)except StopIteration as _e:_r = _e.valuebreak
RESULT = _r""" 看完代码，我们总结一下关键点：子生成器生产的值，都是直接传给调用方的；调用方通过.send()发送的值都是直接传递给子生成器的；如果发送的是 None，会调用子生成器的next()方法，如果不是 None，会调用子生成器的.send()方法；子生成器退出的时候，最后的return EXPR，会触发一个StopIteration(EXPR)异常；yield from表达式的值，是子生成器终止时，传递给StopIteration异常的第一个参数；如果调用的时候出现StopIteration异常，委托生成器会恢复运行，同时其他的异常会向上 "冒泡"；传入委托生成器的异常里，除了GeneratorExit之外，其他的所有异常全部传递给子生成器的.throw()方法；如果调用.throw()的时候出现了StopIteration异常，那么就恢复委托生成器的运行，其他的异常全部向上 "冒泡"；如果在委托生成器上调用.close()或传入GeneratorExit异常，会调用子生成器的.close()方法，没有的话就不调用。如果在调用.close()的时候抛出了异常，那么就向上 "冒泡"，否则的话委托生成器会抛出GeneratorExit异常。"""

Python 高级编程和异步IO并发编程 --12_7 生成器进阶- yield from相关推荐

Python 高级编程和异步IO并发编程 --13_5 ThreadPoolExecutor 和asyncio完成阻塞io请求
# 使用多线程:在协程中集成阻塞io import asyncio import socket import time from urllib.parse import urlparse from c ...
Python 高级编程和异步IO并发编程 --13_4 call_soon,call_at,call_soon_threadsafe
import asynciodef callback(sleep_time):print("sleep {} success".format(sleep_time))if __na ...
Python 高级编程和异步IO并发编程 --13_7 futur和task
task是future的一个子类,task是协程和future之间的桥梁 task启动协程,保持和线程池的接口一致
Python 高级编程和异步IO并发编程 --13_6 asyncio模拟http请求
# asyncio 没有提供http协议的接口 import asyncio import time from urllib.parse import urlparseasync def get_ur ...
Python学习笔记：异步IO（3）
前言最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...
Python学习笔记：异步IO（2）
前言最近在学习深度学习,已经跑出了几个模型,但Pyhton的基础不够扎实,因此,开始补习Python了,大家都推荐廖雪峰的课程,因此,开始了学习,但光学有没有用,还要和大家讨论一下,因此,写下这些帖 ...
并发编程-初级之认识并发编程
并发编程-初级之认识并发编程 1.并发领域可以处理的问题分工: 同步:分好工之后,就可以具体执行.任务之间是有依赖的,一个任务结束之后将去去通知后续的任务.java里面 Executor.Fork/ ...
akka mysql_Spray + Akka高性能异步IO并发
Spray + Akka高性能异步IO并发如何使用Java建立像Node.js那样非堵塞异步事件并发IO服务器呢?Spray是基于NIO2高并发框架,虽然Tomcat 8也是基于NIO2,但是Spa ...
Python爬虫速度很慢？并发编程了解一下吧
文章目录前言基础知识 GIL 多线程创建Thread 对象自定义类继承 Thread 私信小编01即可获取大量Python学习资源前言网络爬虫程序是一种智能 IO 密集型(页面请求,文件读 ...

Python 高级编程和异步IO并发编程 --12_7 生成器进阶- yield from

pep380

Python 高级编程和异步IO并发编程 --12_7 生成器进阶- yield from相关推荐

最新文章

热门文章