Python yield与实现
本文内容纲要:
-Pythonyield与实现
-生成器
-基本操作
-应用
-生成器源码分析
-调用栈
-生成器源码分析
Pythonyield与实现
yield
的功能类似于return
,但是不同之处在于它返回的是生成器
。
生成器
生成器是通过一个或多个yield
表达式构成的函数,每一个生成器都是一个迭代器(但是迭代器不一定是生成器)。
如果一个函数包含yield
关键字,这个函数就会变为一个生成器。
生成器并不会一次返回所有结果,而是每次遇到yield
关键字后返回相应结果,并保留函数当前的运行状态,等待下一次的调用。
由于生成器也是一个迭代器,那么它就应该支持next
方法来获取下一个值。
基本操作
#通过`yield`来创建生成器
deffunc():
foriinxrange(10);
yieldi
#通过列表来创建生成器
[iforiinxrange(10)]
#调用如下
>>>f=func()
>>>f#此时生成器还没有运行
<generatorobjectfuncat0x7fe01a853820>
>>>f.next()#当i=0时,遇到yield关键字,直接返回
0
>>>f.next()#继续上一次执行的位置,进入下一层循环
1
...
>>>f.next()
9
>>>f.next()#当执行完最后一次循环后,结束yield语句,生成StopIteration异常
Traceback(mostrecentcalllast):
File"<stdin>",line1,in<module>
StopIteration
>>>
除了next
函数,生成器还支持send
函数。该函数可以向生成器传递参数。
>>>deffunc():
...n=0
...while1:
...n=yieldn#可以通过send函数向n赋值
...
>>>f=func()
>>>f.next()#默认情况下n为0
0
>>>f.send(1)#n赋值1
1
>>>f.send(2)
2
>>>
应用
最经典的例子,生成无限序列。
常规的解决方法是,生成一个满足要求的很大的列表,这个列表需要保存在内存中,很明显内存限制了这个问题。
defget_primes(start):
forelementinmagical_infinite_range(start):
ifis_prime(element):
returnelement
如果使用生成器就不需要返回整个列表,每次都只是返回一个数据,避免了内存的限制问题。
defget_primes(number):
whileTrue:
ifis_prime(number):
yieldnumber
number+=1
生成器源码分析
生成器的源码在Objects/genobject.c
。
调用栈
在解释生成器之前,需要讲解一下Python虚拟机的调用原理。
Python虚拟机有一个栈帧的调用栈,其中栈帧的是PyFrameObject
,位于Include/frameobject.h
。
typedefstruct_frame{
PyObject_VAR_HEAD
struct_frame*f_back; /*previousframe,orNULL*/
PyCodeObject*f_code; /*codesegment*/
PyObject*f_builtins; /*builtinsymboltable(PyDictObject)*/
PyObject*f_globals; /*globalsymboltable(PyDictObject)*/
PyObject*f_locals; /*localsymboltable(anymapping)*/
PyObject**f_valuestack; /*pointsafterthelastlocal*/
/*Nextfreeslotinf_valuestack.Framecreationsetstof_valuestack.
FrameevaluationusuallyNULLsit,butaframethatyieldssetsit
tothecurrentstacktop.*/
PyObject**f_stacktop;
PyObject*f_trace; /*Tracefunction*/
/*Ifanexceptionisraisedinthisframe,thenextthreeareusedto
*recordtheexceptioninfo(ifany)originallyinthethreadstate.See
*commentsbeforeset_exc_info()--it'snotobvious.
*Invariant:if_typeisNULL,thensoare_valueand_traceback.
*Desiredinvariant:allthreeareNULL,orallthreearenon-NULL.That
*oneisn'tcurrentlytrue,but"shouldbe".
*/
PyObject*f_exc_type,*f_exc_value,*f_exc_traceback;
PyThreadState*f_tstate;
intf_lasti; /*Lastinstructionifcalled*/
/*CallPyFrame_GetLineNumber()insteadofreadingthisfield
directly.Asof2.3f_linenoisonlyvalidwhentracingis
active(i.e.whenf_traceisset).Atothertimesweuse
PyCode_Addr2Linetocalculatethelinefromthecurrent
bytecodeindex.*/
intf_lineno; /*Currentlinenumber*/
intf_iblock; /*indexinf_blockstack*/
PyTryBlockf_blockstack[CO_MAXBLOCKS];/*fortryandloopblocks*/
PyObject*f_localsplus[1]; /*locals+stack,dynamicallysized*/
}PyFrameObject;
栈帧保存了给出代码的的信息和上下文,其中包含最后执行的指令,全局和局部命名空间,异常状态等信息。f_valueblock
保存了数据,b_blockstack
保存了异常和循环控制方法。
举一个例子来说明,
deffoo():
x=1
defbar(y):
z=y+2#<---(3)...andtheinterpreterishere.
returnz
returnbar(x)#<---(2)...whichisreturningacalltobar...
foo()#<---(1)We'reinthemiddleofacalltofoo...
那么,相应的调用栈如下,一个py文件,一个类,一个函数都是一个代码块,对应者一个Frame,保存着上下文环境以及字节码指令。
c---------------------------
a|barFrame|->blockstack:[]
l|(newest)|->datastack:[1,2]
l---------------------------
|fooFrame|->blockstack:[]
s||->datastack:[<Functionfoo.<locals>.barat0x10d389680>,1]
t---------------------------
a|main(module)Frame|->blockstack:[]
c|(oldest)|->datastack:[<Functionfooat0x10d3540e0>]
k---------------------------
每一个栈帧都拥有自己的数据栈和block栈,独立的数据栈和block栈使得解释器可以中断和恢复栈帧(生成器正式利用这点)。
Python代码首先被编译为字节码,再由Python虚拟机来执行。一般来说,一条Python语句对应着多条字节码(由于每条字节码对应着一条C语句,而不是一个机器指令,所以不能按照字节码的数量来判断代码性能)。
调用dis
模块可以分析字节码,
fromdisimportdis
dis(foo)
50LOAD_CONST1(1)#加载常量1
3STORE_FAST0(x)#x赋值为1
66LOAD_CONST2(<codeobjectbarat0x7f3cdee3a030,file"t1.py",line6>)#加载常量2
9MAKE_FUNCTION0#创建函数
12STORE_FAST1(bar)
915LOAD_FAST1(bar)
18LOAD_FAST0(x)
21CALL_FUNCTION1#调用函数
24RETURN_VALUE
其中,
第一行为代码行号;
第二行为偏移地址;
第三行为字节码指令;
第四行为指令参数;
第五行为参数解释。
生成器源码分析
由了上面对于调用栈的理解,就可以很容易的明白生成器的具体实现。
生成器的源码位于object/genobject.c
。
生成器的创建
PyObject*
PyGen_New(PyFrameObject*f)
{
PyGenObject*gen=PyObject_GC_New(PyGenObject,&PyGen_Type);#创建生成器对象
if(gen==NULL){
Py_DECREF(f);
returnNULL;
}
gen->gi_frame=f;#赋予代码块
Py_INCREF(f->f_code);#引用计数+1
gen->gi_code=(PyObject*)(f->f_code);
gen->gi_running=0;#0表示为执行,也就是生成器的初始状态
gen->gi_weakreflist=NULL;
_PyObject_GC_TRACK(gen);#GC跟踪
return(PyObject*)gen;
}
send与next
next
与send
函数,如下
staticPyObject*
gen_iternext(PyGenObject*gen)
{
returngen_send_ex(gen,NULL,0);
}
staticPyObject*
gen_send(PyGenObject*gen,PyObject*arg)
{
returngen_send_ex(gen,arg,0);
}
从上面的代码中可以看到,send
和next
都是调用的同一函数gen_send_ex
,区别在于是否带有参数。
staticPyObject*
gen_send_ex(PyGenObject*gen,PyObject*arg,intexc)
{
PyThreadState*tstate=PyThreadState_GET();
PyFrameObject*f=gen->gi_frame;
PyObject*result;
if(gen->gi_running){#判断生成器是否已经运行
PyErr_SetString(PyExc_ValueError,
"generatoralreadyexecuting");
returnNULL;
}
if(f==NULL||f->f_stacktop==NULL){#如果代码块为空或调用栈为空,则抛出StopIteration异常
/*Onlysetexceptionifcalledfromsend()*/
if(arg&&!exc)
PyErr_SetNone(PyExc_StopIteration);
returnNULL;
}
if(f->f_lasti==-1){#f_lasti=1代表首次执行
if(arg&&arg!=Py_None){#首次执行不允许带有参数
PyErr_SetString(PyExc_TypeError,
"can'tsendnon-Nonevaluetoa"
"just-startedgenerator");
returnNULL;
}
}else{
/*Pushargontotheframe'svaluestack*/
result=arg?arg:Py_None;
Py_INCREF(result);#该参数引用计数+1
*(f->f_stacktop++)=result;#参数压栈
}
/*Generatorsalwaysreturntotheirmostrecentcaller,not
*necessarilytheircreator.*/
f->f_tstate=tstate;
Py_XINCREF(tstate->frame);
assert(f->f_back==NULL);
f->f_back=tstate->frame;
gen->gi_running=1;#修改生成器执行状态
result=PyEval_EvalFrameEx(f,exc);#执行字节码
gen->gi_running=0;#恢复为未执行状态
/*Don'tkeepthereferencetof_backanylongerthannecessary.It
*maykeepachainofframesaliveoritcouldcreateareference
*cycle.*/
assert(f->f_back==tstate->frame);
Py_CLEAR(f->f_back);
/*Cleartheborrowedreferencetothethreadstate*/
f->f_tstate=NULL;
/*Ifthegeneratorjustreturned(asopposedtoyielding),signal
*thatthegeneratorisexhausted.*/
if(result==Py_None&&f->f_stacktop==NULL){
Py_DECREF(result);
result=NULL;
/*Setexceptionifnotcalledbygen_iternext()*/
if(arg)
PyErr_SetNone(PyExc_StopIteration);
}
if(!result||f->f_stacktop==NULL){
/*generatorcan'tbererun,soreleasetheframe*/
Py_DECREF(f);
gen->gi_frame=NULL;
}
returnresult;
}
字节码的执行
PyEval_EvalFrameEx
函数的功能为执行字节码并返回结果。
#主要流程如下,
for(;;){
switch(opcode){#opcode为操作码,对应着各种操作
caseNOP:
gotofast_next_opcode;
...
...
caseYIELD_VALUE:#如果操作码是yield
retval=POP();
f->f_stacktop=stack_pointer;
why=WHY_YIELD;
gotofast_yield;#利用goto跳出循环
}
}
fast_yield:
...
returnvetval;#返回结果
举一个例子,f_back
上一个Frame,f_lasti
上一次执行的指令的偏移量,
importsys
fromdisimportdis
deffunc():
f=sys._getframe(0)
printf.f_lasti
printf.f_back
yield1
printf.f_lasti
printf.f_back
yield2
a=func()
dis(func)
a.next()
a.next()
结果如下,其中第三行的英文为操作码,对应着上面的opcode
,每次switch都是在不同的opcode
之间进行选择。
60LOAD_GLOBAL0(sys)
3LOAD_ATTR1(_getframe)
6LOAD_CONST1(0)
9CALL_FUNCTION1
12STORE_FAST0(f)
715LOAD_FAST0(f)
18LOAD_ATTR2(f_lasti)
21PRINT_ITEM
22PRINT_NEWLINE
823LOAD_FAST0(f)
26LOAD_ATTR3(f_back)
29PRINT_ITEM
30PRINT_NEWLINE
931LOAD_CONST2(1)
34YIELD_VALUE#此时操作码为YIELD_VALUE,直接跳转上述goto语句,此时f_lasti为当前指令,f_back为当前frame
35POP_TOP
1136LOAD_FAST0(f)
39LOAD_ATTR2(f_lasti)
42PRINT_ITEM
43PRINT_NEWLINE
1244LOAD_FAST0(f)
47LOAD_ATTR3(f_back)
50PRINT_ITEM
51PRINT_NEWLINE
1352LOAD_CONST3(2)
55YIELD_VALUE
56POP_TOP
57LOAD_CONST0(None)
60RETURN_VALUE
18
<frameobjectat0x7fa75fcebc20>#和下面的frame相同,属于同一个frame,也就是说在同一个函数(命名空间)内,frame是同一个。
39
<frameobjectat0x7fa75fcebc20>
本文内容总结:Pythonyield与实现,生成器,基本操作,应用,生成器源码分析,调用栈,生成器源码分析,
原文链接:https://www.cnblogs.com/coder2012/p/4990834.html