yield

Yield：是一个关键字，通过状态机实现，充分体现了延迟加载的特性。 下面是一个实例代码，运行一下，会发现Yield的神奇之处。 class Program { static void Main(string[] args) { { IEnumerable<int> results = CommonMethod(); results = YieldMethod(); } Console.WriteLine("*******************************"); { IEnumerable<int> results = CommonMethod(); foreach (var item in results) { Console.WriteLine(item); } } Console.WriteLine("*******************************"); { IEnumerable<int> results = YieldMethod(); foreach (var item in results) { Console.WriteLine(item); } } Console.ReadKey(); } public static IEnumerable<int> CommonMethod() { List<int> results = new

Generator 函数是 ES6 提供的一种异步编程解决方案。 1、所谓“异步”，简单说就是一个任务分成两段，先执行第一段，然后转而执行其他任务，等做好了准备，再回过头执行第二段。 2、异步编程方式： （ 1 ）回调函数 （ 2 ）事件监听 （ 3 ）发布/订阅者 （ 4 ） Promise 对象 3、所谓回调函数，就是把第二段单独写在一个函数里面，等到重新执行这个任务的时候，就直接调用这个函数。 回调函数的异步方式容易形成多重嵌套，多个异步操作形成了强耦合，只要有一个操作需要修改，它的上层回调函数和下层回调函数，可能都要跟着修改。这种情况就称为”回调函数地狱”（callback hell）。 Promise可以解决callback hell问题，Promise对象允许回调函数的嵌套，改成链式调用。 二、什么是Generator？ 语法上，可以把理解成，Generator 函数是一个状态机，封装了多个内部状态。 形式上，Generator 函数是一个普通函数。 整个Generator函数就是一个封装的异步任务，或者说是异步任务的容器，异步操作需要暂停的地方，都用yield语句。 Generator函数特征： （1）function 关键字和函数之间有一个星号(*),且内部使用yield表达式，定义不同的内部状态。 （2）调用Generator函数后，该函数并不执行

文章来源: yield函数机制

开启协程 StartCoroutine (IEnumerator xxx);//里面传入协程方法 IEnumerator xxx(){}//协程方法定义 关于yied return 返回值 yield return null;//下一帧开始时继续调用 yiled return new WaitForFixedUpdate;//在FixedUpdate之后调用 yield return new WaitForSeconds (n);//N秒后继续运行 yield return WWW;//等待WWW构建完成后继续进行 协程进行逐步进行方法如下： yield return x1（调用协程）; yield return x2（调用协程）; 文章来源: unity协程

pytest 相较于 unittest 最为跳跃的一点应该就是 fixture 机制 对于unittest来说，每个用例的类中都需要去写入setUp和tearDown。也就是我们所说的前置和后置， 而不可避免的，很多用例的前置和后置都是一样（例如很多用例都需要前置登录，后置退出），于是我们需要重复的复制粘贴，这样导致工作量增加，代码量也增加，界面也显得冗杂。 所以此时pytest中fixture机制便要闪亮登场了。 而方便的是：如果很多用例都有同样的前置和后置，那么我就只实现一个，然后需要的用例就去调用就好了。 1.机制：与测试用例同级，或者是测试用例的父级，创建一个conftest.py文件。 2.conftest.py文件里：放所有的前置和后置。 不需要用例.py文件主动引入conftest文件。 3.定义一个函数：包含前置操作+后置操作。 4.把函数声明为fixture :在函数前面加上 @pytest.fixture(作用级别=默认为function) 5.fixture的定义。 　　如果有返回值，那么写在yield后面。（yield的作用就相当于return） 　1.　如下： 定义一个函数名叫open_url的fixture前后置，前置为打开链接，后置为退出浏览器 　　@pytest.fixture(scope="class") #定义scope的范围 　　def

词法分析 和 语法分析 迭代器:python内置的一种节省空间的工具 生成器的本质就是一个迭代器 迭代器和生成器的区别:迭代器python自带的,生成器程序员自己写的 写一个生成器---函数中将return 改成yield就是生成器 def func() print(123) yield "你好啊"# 返回 跟return的作用相同 print(func())产生一个生成器 print(func().__next__()) 结果: <generator object func at 0x000001F35A653C50> 123 你好啊 return 可以返回值 可以写多个但是只执行一次 yield 可以 返回值 可以写多个 可以返回多次 会记录执行位置 在函数内部yield可以暂时阻塞 while for循环 : if 3>2: yield "你好" if 4>2: yield "我好" yield "大家好" g = func() print(g.__next__()) print(g.__next__()) print(g.__next__()) 结果: 你好 我好 大家好 坑 def foo(): for i in range

# def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() # avg_g.__next__() # avg1 = avg_g.send(10) # avg1 = avg_g.send(20) # print(avg1) 获取移动平均值 # def init(func): #装饰器 # def inner(*args,**kwargs): # g = func(*args,**kwargs) #g = average() # g.__next__() # return g # return inner # # @init # def average(): # sum = 0 # count = 0 # avg = 0 # while True: # num = yield avg # sum += num # 10 # count += 1 # 1 # avg = sum/count # # avg_g = average() #===> inner # ret = avg_g.send(10) # print(ret) # ret

总结： 通常的for...in...循环中，in后面是一个数组，这个数组就是一个可迭代对象，类似的还有链表，字符串，文件。它可以是mylist = [1, 2, 3]，也可以是mylist = [x*x for x in range(3)]。 它的缺陷是所有数据都在内存中，如果有海量数据的话将会非常耗内存。生成器是可以迭代的，但只可以读取它一次。因为用的时候才生成。比如 mygenerator = (x*x for x in range(3))，注意这里用到了()，它就不是数组，而上面的例子是[]。我理解的生成器(generator)能够迭代的关键是它有一个next()方法，工作原理就是通过重复调用next()方法，直到捕获一个异常。可以用上面的mygenerator测试。使用next可以很好的看出yield的工作机制。当yield使用完成后，就会报出exception。带有 yield 的函数不再是一个普通函数，而是一个生成器generator，可用于迭代，工作原理同上。 简要理解：yield就是 return 返回一个值，并且记住这个返回的位置，下次迭代就从这个位置后(下一行)开始。带有yield的函数不仅仅只用于for循环中，而且可用于某个函数的参数，只要这个函数的参数允许迭代参数。比如array.extend函数，它的原型是array.extend(iterable)

文章来源: python 利用yield实现一个异步请求

声明：本人的一切著作，禁止用于以营销为目的的任何转载！ 前言 很久以前就听说 Python 的 async/await 很厉害，但是直到现在都没有用过，一直都在用多线程模型来解决各种问题。最近看到隔壁的 Go 又很火，所以决定花时间研究下 Python 协程相关的内容，终于在翻阅了一裤衩的资料之后有了一些理解。 起：一切从生成器开始 以往在 Python 开发中，如果需要进行并发编程，通常是使用多线程 / 多进程模型实现的。由于 GIL 的存在，多线程对于计算密集型的任务并不十分友好，而对于 IO 密集型任务，可以在等待 IO 的时候进行线程调度，让出 GIL，实现『假并发』。 当然对于 IO 密集型的任务另外一种选择就是协程，协程其实是运行在单个线程中的，避免了多线程模型中的线程上下文切换，减少了很大的开销。为了理解协程、async/await、asyncio，我们要从最古老的生成器开始。 回顾 Python 的历史，生成器这个概念第一次被提出的时候是在PEP 255中被提出的，当时的 Python 版本为 Python2.2。我们都知道range()函数，现在考虑一下我们来编写一个自己的range()函数，最直接最容易想到的方法也许是这样： 当你想创建一个很小的序列的时候，例如创建从 0 到 100 这样的列表，似乎没什么问题。但是如果想创建一个从 0 到 999999999