Utilizando geradores (generators)
O Python 2.3 introduziu um novo conceito para a linguagem: o de geradores, como o abaixo:
Aparentemente essa é apenas mais uma função. A diferença é a utilização de uma palavra-chave nova, yield. Essa palavra-chave, como especificado na PEP 255, transforma uma simples função em uma função geradora. Para ver o que isso significa, vamos executá-la:
>>> deznumeros <function deznumeros at 0x40207a74> >>> variavel = deznumeros() >>> variavel <generator object at 0x40209cac>
Ops, à primera vista, uma função comum, mas o resultado dela é muito diferente do que o de uma função comum.
Por dentro de um objeto gerador
Sim, mas para quê serve um objeto como o que obtivemos no exemplo anterior? Vamos executar um dir() nesse objeto:
>>> dir(variavel) ['__class__', '__delattr__', '__doc__', '__getattribute__', '__hash__', '__init__', '__iter__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__str__', 'gi_frame', 'gi_running', 'next']
A diferença mais significativa é o método next(), que mais tarde veremos que pode ser chamado para retornar o próximo elemento da iteração. Vamos explorar tal método com mais detalhes:
>>> print variavel.next <method-wrapper object at 0x40209b8c> >>> print '"%s"' % variavel.next() Parte A Parte B (num 0) "0" >>> print '"%s"' % variavel.next() Parte C (num 0) Parte B (num 1) "1"
Algo familiar? Sim, na mosca, estamos recebendo cada um dos objetos que demos na função. Em outras palavras, em cada next() recebemos, em ordem, um dos números do range(10). Mais interessante ainda! É como se a função desse uma pausa e continuasse quando nós quisessemos! Perceba que a Parte A foi executada apenas uma vez e que a Parte C é executada no início da próxima, e não no fim da mesma em que está contida. Vamos então continuar até o final para ver no que dá:
>>> print '"%s"' % variavel.next() Parte C (num 8) Parte B (num 9) "9"
Ops, esse foi o último... E a Parte D? E a Parte C do 9?
>>> print '"%s"' % variavel.next() Parte C (num 9) Parte D Traceback (most recent call last): File "<stdin>", line 1, in ? StopIteration >>> print '"%s"' % variavel.next() Traceback (most recent call last): File "<stdin>", line 1, in ? StopIteration
Nada foi perdido e, para avisar que a função terminou, a exceção StopIteration foi levantada. Essa é aquele tipo de exceção que não quer dizer que o seu programa está com algo de errado, apenas quer dizer que a iteração sobre o gerador terminou, ou seja, acabaram as palavras-chave yield.
O tratamento de exceções para geradores, então, pode ser feita executando cada iteração com try e exception para se capturar a exceção StopIteration. Uma outra opção seria usar o próprio gerador como sequência no cabeçalho de um laço, a exceção StopIteration é tratada automaticamente pelo laço, que simplesmente encerra:
>>> for i in deznumeros(): ... pass ... Parte A Parte B (num 0) Parte C (num 0) Parte B (num 1) Parte C (num 1) Parte B (num 2) Parte C (num 2) Parte B (num 3) Parte C (num 3) Parte B (num 4) Parte C (num 4) Parte B (num 5) Parte C (num 5) Parte B (num 6) Parte C (num 6) Parte B (num 7) Parte C (num 7) Parte B (num 8) Parte C (num 8) Parte B (num 9) Parte C (num 9) Parte D >>>
Observe que só é possível passar parâmetros para geradores uma única vez, e isto acontece quando se executa a função geradora. O objeto generator devolvido pela execução da função guarda para sí os argumentos passados e cada objeto method-wrapper devolvido pelo método next considera os parâmetros como variáveis declaradas no escopo local. Então, modificando-se um pouco a função deznumeros para podermos escolher quaisquer dez números a partir de um inicial, temos:
E a chamada a função pode ser feita com:
>>> f = deznumeros(10)
E cada iteração ainda é executada por next, mas o valor passado à função ainda é conhecido, como podemos testemunhar:
>>> f.next() Parte A Parte B (num 10) 10 >>>
Geradores como classes (o método __iter__)
Esta tudo muito bom, mas queremos também usar geradores em classes, ao invés de só funções, e explorarmos o poder da orientação a objetos do Python. Para isso, usamos o método __iter__ dentro da classe. Este método deve devolver um objeto que implementa o protocolo de iterador. Trocando em miúdos, esse "protocolo" é tão somente um objeto que possui um método next que retorna o próximo elemento da seqüência. Por exemplo:
class Sequencia:
class Fibonacci:
def __init__(self):
self.seq = [0, 1]
def next(self):
self.seq.append(sum(self.seq))
del self.seq[0]
return self.seq[-1]
def __iter__(self):
return Sequencia.Fibonacci()Para ilustrar o poder dos geradores, este exemplo simples gera a seqüência Fibonacci de números (1, 2, 3, 5, 8, 13, 21 ...). Para usá-la, devemos fazer com que Sequencia devolva o objeto Fibonacci. Podemos usar chamada direta com a função embutida iter:
>>> fib = iter(Sequencia()) >>> fib <__main__.Fibonacci instance at 0x403e54ec> >>> fib.next() 1 >>> fib.next() 2
Ou podemos colocar sequencia em um laço:
>>> for i in Sequencia(): ... if i > 1000: break # Apenas para não continuar infinitamente ... print i 1 2 3 5 8 13 21 34 55 89 144 233 377 610 987 >>>
Perguntas básicas que podem surgir na sua mente
Você tem um exemplo prático de aplicação para geradores? Se alguém mais souber mais de um exemplo pode colocar aqui também. -- OsvaldoSantanaNeto
Um exemplo de aplicação que utiliza geradores é o SimPy. Ele é um simulador de eventos de tempo discreto orientado a objeto. -- Minicz
Para um exemplo prático, procure por binary tree na PEP 255 indicada. Lá é feita a visitação de uma árvore binária em inorder, usando generators. -- RicardoNiederberger
Por favor, leitor, ajude a complementar essa seção.
Mas por A e B eu só tenho disponível o Python 2.2 ...
Não criemos cânico. A maioria das versões do Python 2.2 já vem com suporte a geradores, porém escondido :p . Mas o uso é o mesmo, você só precisa fazer um...
1 from __future__ import generators
... antes de mexer com qualquer tipo de geradores.
O que pode ser passado para um gerador?
Tudo. Desde números até módulos e outros geradores, ou seja, qualquer objeto ou coisa que possa ser transformada em objeto. Você pode usar geradores para passar classes para um programa, passar funções, passar listas de vários números em uma determinada ordem, passar pontos em um gráfico ou até passar as letras do alfabeto! O que der na telha!
Onde na função eu posso usar yield?
Digamos que em qualquer lugar que você possar colocar um return 
. Se é isso que você estava pensando, é possível sim:
1 def teste (N1, N2, N3):
2 # É claro que esse é um exemplo infeliz que eu inventei...
3 yield N1
4 for i in range(N2, N3):
5 for j in range(N2, N3, N1):
6 yield i * j
7 if N1 > N2 > N3:
8 yield N1 * N2 * N3
9 if N1 + N2 + N3 < 10:
10 yield N1 + N2 + N3
11 if N3 <> N2:
12 yield teste(N1, N2, N2)
13 yield teste(N1, N3, N3)
E agora?
Bom, em duas palavras: use geradores . Bom, na verdade foram duas palavras e um smile, mas isso faz diferença? Ah, e eu esqueci de dizer, faça como o pessoal abaixo e Contribua Você Também Para Um Wiki Melhor (TM)!
Adicionei uma nova pergunta, baseado no comentário feito por você, PedroWerneck. Modifiquei aquela frase de lugar porque eu quis tentar manter uma linha de pensamento pensando naquele que ainda não conhece o conceito de geradores. Ah, também modifiquei algumas coisas óbvias (incluindo o exemplo tosco) e adicionei um link para a tal PEP 255. -- FelipeLessa
Felipe, tomei a liberdade de modificar algumas frases suas que estavam meio sem sentido. Tentei manter o aspecto original do artigo porque achei ele muito legal e esclarecedor. Vou procurar exemplos práticos de utilização de generators. Me recordo vagamente de ter visto um exemplo prático no Whatsnew.pdf do Python 2.3. Caso queira desfazer alguma modificação que eu fiz no texto utilize o RecentChanges da página. Lá ele guarda as mudanças feitas. -- OsvaldoSantanaNeto
Eu também tomei a liberdade de modificar e acrescentar alguns detalhes. Pessoalmente, eu não gosto de usar geradores para manter meu código o mais compatível possível com versões anteriores, mas em casos de funções que retornariam sequências grandes, é vantajoso usar, já que você só vai computar até o elemento que precisa. -- PedroWerneck
Adicionei ao texto maiores detalhes sobre a necessidade de tratamento de exceções, a passagem de parâmetros, e o método __iter__. -- PedroDeMedeiros
