Python 收益率如何捕获迭代异常？_Python_Yield_Stopiteration

Python 收益率如何捕获迭代异常？

python

Python 收益率如何捕获迭代异常？,python,yield,stopiteration,Python,Yield,Stopiteration,示例中函数终止的原因： def func(iterable): while True: val = next(iterable) yield val 但若我去掉yield语句函数会引发StopIteration异常吗编辑：很抱歉误导了你们。我知道什么是发电机以及如何使用它们。当然，当我说函数终止时，我并不是指对函数的求值。我只是暗示，当我使用函数生成生成器时： gen = func(iterable) 对于func，它工作并返回相同的生成器，但对于f

示例中函数终止的原因：

def func(iterable):
    while True:
        val = next(iterable)
        yield val

但若我去掉yield语句函数会引发StopIteration异常吗

编辑：很抱歉误导了你们。我知道什么是发电机以及如何使用它们。当然，当我说函数终止时，我并不是指对函数的求值。我只是暗示，当我使用函数生成生成器时：

gen = func(iterable)

对于func，它工作并返回相同的生成器，但对于func2：

def func2(iterable):
    while True:
        val = next(iterable)

它引发StopIteration，而不是None-return或无限循环

让我更具体一点。itertools中有一个函数，相当于：

def tee(iterable, n=2):
    it = iter(iterable)
    deques = [collections.deque() for i in range(n)]
    def gen(mydeque):
        while True:
            if not mydeque:             # when the local deque is empty
                newval = next(it)       # fetch a new value and
                for d in deques:        # load it to all the deques
                    d.append(newval)
            yield mydeque.popleft()
    return tuple(gen(d) for d in deques)

事实上，这里有一些神奇之处，因为嵌套函数gen有无限循环，没有break语句。当gen函数中没有项时，由于StopIteration异常而终止。但它正确地终止（不引发异常），即只是停止循环所以问题是：StopIteration在哪里处理？

如果没有

yield

，您将迭代整个

iterable

，而不停止使用

val

执行任何操作。

while

循环不会捕获

StopIteration

异常。循环的等效

为：
def func(iterable):
    for val in iterable:
        pass

它捕获StopIteration
，并简单地退出循环，从而从函数返回
您可以显式捕获异常：
def func(iterable):
    while True:
        try:
            val = next(iterable)
        except StopIteration:
            break

当一个函数包含yield
时，调用它实际上并不执行任何操作，它只是创建一个生成器对象。只有迭代这个对象才能执行代码。我猜你只是在调用这个函数，这意味着这个函数不会引发StopIteration
，因为它从未被执行过
考虑到您的功能和可移植性：
def func(iterable):
    while True:
        val = next(iterable)
        yield val

iterable = iter([1, 2, 3])

这是一个错误的称呼：
func(iterable)

这是正确的方法：
for item in func(iterable):
    # do something with item

您还可以将生成器存储在变量中，并对其调用next（）
（或以其他方式对其进行迭代）：
顺便说一下，编写函数的更好方法如下：
def func(iterable):
    for item in iterable:
        yield item

或者在Python 3.3及更高版本中：
def func(iterable):
    yield from iter(iterable)

当然，真正的生成器很少如此微不足道。：-）
 yield
没有捕捉到停止迭代
。yield
对您的函数所做的是，它使函数成为生成器函数而不是常规函数。因此，从函数调用返回的对象是一个iterable对象（当您使用next
函数（由for循环隐式调用）请求它时，它计算下一个值）。如果不使用yield
语句，那么python会立即执行整个while
循环，最终耗尽iterable（如果它是有限的），并在调用它时正确地调用StopIteration

考虑：
x = func(x for x in [])
next(x)  #raises StopIteration

for
循环捕获异常——这就是它如何知道何时停止对您提供的iterable调用next
。
注意：这个问题（以及我对它的回答的原始部分）只对3.7之前的Python版本真正有意义。由于中所述的更改，3.7及更高版本中不再出现所询问的行为。所以这个问题和原始答案只在历史文物中有用。在PEP被接受后，我在答案的底部添加了一个与Python的现代版本更相关的部分。

要回答您关于在itertools.tee
内部创建的gen
生成器中捕获StopIteration
的问题，请执行以下操作：它没有。由tee
结果的使用者在异常迭代时捕获异常
首先，重要的是要注意生成器函数（任何地方都有yield
语句的函数）与普通函数有根本不同。相反，在调用函数时，您只会得到一个generator
对象，而不是在调用函数时运行函数的代码。只有在遍历生成器时，才能运行代码
如果不引发StopIteration
，生成器函数将永远无法完成迭代（除非它引发其他异常）StopIteration
是来自生成器的信号，表示已完成，它不是可选的。如果到达return
语句或生成器函数代码的末尾而不引发任何问题，Python将为您引发StopIteration

这与常规函数不同，常规函数在到达末尾时，如果不返回任何其他内容，则返回None
。正如我上面所描述的，它与生成器的不同工作方式相关联
下面是一个示例生成器函数，可以轻松查看StopIteration
是如何生成的：
def simple_generator():
    yield "foo"
    yield "bar"
    # StopIteration will be raised here automatically

以下是当您消费它时发生的情况：
>>> g = simple_generator()
>>> next(g)
'foo'
>>> next(g)
'bar'
>>> next(g)
Traceback (most recent call last):
  File "<pyshell#6>", line 1, in <module>
    next(g)
StopIteration

顶部显示的发电机功能是一个例外。它使用它正在使用的迭代器生成的StopIteration
异常作为它自己的信号，表示它已经完成了迭代。也就是说，它不是捕获StopIteration
，然后跳出循环，而是简单地让异常未捕获（可能被某个更高级别的代码捕获）
与主要问题无关，我想指出另一件事。在代码中，对名为iterable
的变量调用next
。如果您将该名称作为您将获得的对象类型的文档，那么这并不一定是安全的
next
是iterator
协议的一部分，而不是iterable
（或container）协议。它可能适用于某些类型的iterables（例如文件和生成器，因为这些类型是它们自己的迭代器），但对于其他类型的iterables，它将失败
>>> g = simple_generator()
>>> next(g)
'foo'
>>> next(g)
'bar'
>>> next(g)
Traceback (most recent call last):
  File "<pyshell#6>", line 1, in <module>
    next(g)
StopIteration

iterator = iter(iterable)
try:
    while True:
        item = next(iterator)
        do_stuff(item)
except StopIteration:
    pass
finally:
    del iterator

def split_to_chunk(size: int, iterable: Iterable) -> Iterable[Iterable]:
    source_iter = iter(iterable)
    while True:
        batch_iter = itertools.islice(source_iter, size)
        try:
            yield itertools.chain([next(batch_iter)], batch_iter)
        except StopIteration:
            return

def sample_gen() -> Iterable[int]:
    i = 0
    while True:
        yield i
        i += 1

for chunk in split_to_chunk(7, sample_gen()):
    pprint.pprint(list(chunk))
    time.sleep(2)

[0, 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]
............................