生成器函数以及生产消费模型

1.生成器函数，即最终的输出用yield替代return，其他形式不变的函数，而且相比于return，输入yield函数不会立即停止

 1 def test():
 2     print(‘你好‘)
 3     return 10
 4 def test_1():
 5     print(‘你好‘)
 6     yield 10
 7 a = test()
 8 print(a)
 9 b = test_1()
10 print(b)    #<generator object test_1 at 0x00000000024F3570> 首次运行时不会执行任何操作，只是变成可迭代对象而已 11 print(b.__next__())  #只有在对其执行next函数操作时才会有打印值 你好 10

2.生成器函数每次执行到yield都会保留函数状态，让函数执行的光标停在当前位置

def test():
    yield 1
    yield 2
    yield 3
a = test()
print(a)   #<generator object test at 0x00000000024C3138>
print(a.__next__())   #1
print(a.__next__())   #2
print(a.__next__())   #3
print(a.__next__())   #直接报错，因为yield后面的输出只能取一次，取完在取则报错

3.相对于return，yield会保留函数当前状态，只有在调用的时候才会执行，而且一次一次的执行，不会因为一次执行全部操作而占据太大的内存导致卡机等（比如下面的代码如果100变成很大很大的数字，第一种执行方法一定会卡）

 1 def test():
 2     ret = []
 3     for i in range(100):
 4         ret.append(‘people%s‘ %i)
 5     print(ret)
 6 test()    #直接打印所有的people
 7 def test_1():
 8     for i in range(100):
 9         yield i
10 a = test_1()
11 for a1 in a:
12     print(a1)    #相比于return一次占据所有打印出people的内存，这种一个个的取显然更省内存

4.列表解析与生成器表达式：下面的代码与上面的代码意义相同，提供了一种简便表示列表的方法与生成器表达式的表示方法

a = [‘people%s‘ %i  for i in range(100)]print(a)b = (‘people%s‘ %i  for i in range(100))print(list(b))

5.send（a）：重要函数，一般与yield一起操作（在yield之后输入），会将a替代yield的返回值被变量接受

def test():
    file = yield 0
    print(file)
    yield None
a = test()
print(a.__next__())
a.send(‘aini‘)

6.生产消费者模型：同时运行以下两个函数，相当于只运行一个函数（两个函数互相衔接），比其他方法更省内存（重要）

 1 import time
 2 def buy(name):
 3     print(‘卖辣条啦！‘)
 4     time.sleep(2)
 5     while True:
 6         latiao = yield
 7         time.sleep(1)
 8         print(‘%s吃了第%s包辣条‘ %(name,latiao))
 9
10 def sell():
11     s1 = buy(‘aaa‘)
12     s1.__next__()
13     for i in range(1,11):
14         s1.send(i)
15     time.sleep(3)
16     print(‘诶呀卧槽，aaa撑死啦！‘)
17 sell()

原文地址：https://www.cnblogs.com/lzjdsg/p/10180227.html