1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
|
'''
def fab(max):
n, a , b = 0, 0, 1
while n < max:
print(b)
a , b = b, a + b
n = n + 1
fab(6)
'''
'''
def fab(max):
n, a, b = 0, 0, 1
L = []
while n < max:
L.append(b)
a, b = b, a + b
n = n + 1
return L
for n in fab(5):
print(n)
'''
'''改写后的fab函数通过满足返回List能够满足复用性的要求，但是，随着max越来越大，会导致程序所占内存越来越大
所以更好的做法是通过iterable对象来迭代'''
'''
class Fab(object):
def __int__(self, max):
self.max = max
self.n, self.a, self.b = 0, 0, 1
def __iter__(self):
return self
def next(self):
if self.n < self.max:
r = self.b
self.a, self.b =self.b, self.a + self.b
self.n = n + 1
return r
raise StopIteration()
for n in Fab(5):
print(n)
'''
def fab(max):
n , a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n+ 1
for n in fab(5):
print(n)
"""简单的讲：yield就是把一个函数变成一个generator，带有yield的函数不再是一个普通函数，Python解释器会将其视为一个
generator，调用fab(5)不会执行fab函数，而是返回一个iterable对象！
结论：一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起
来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）
才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭
代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被
yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。yield 的好处是显而易见的，把
一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next()
的值，不仅代码简洁，而且执行流程异常清晰
"""
from inspect import isgeneratorfunction
print(isgeneratorfunction(fab))
"""输出结果：
1
1
2
3
5
True
"""
|