单点蟒蛇生成器？或者，腌制蟒蛇生成器？

Question

我使用下面的代码和嵌套生成器来迭代文本文档，并使用get_train_minibatch()返回培训示例。我想坚持(腌制)生成器，这样我就可以回到文本文档中的相同位置。但是，不能对生成器进行腌制。

• 有没有一个简单的解决办法，这样我就可以保住我的位置，回到我停下来的地方？也许我可以让get_train_example()成为一个单独的人，这样我就没有几台发电机了。然后，我可以在这个模块中创建一个全局变量，以跟踪get_train_example()的发展。
• 你有更好的(更清洁的)建议，让我坚持这个生成器吗？

[编辑:还有两个想法：

• 我是否可以向生成器添加一个成员变量/方法，以便调用generator.tell()并找到文件位置？因为下一次我创建生成器的时候，我可以让它去寻找那个位置。这个想法听起来是最简单的。
• 我可以创建一个类并让文件位置成为一个成员变量，然后在类中创建生成器并在每次生成文件位置成员变量时更新文件位置成员变量吗？因为这样我就能知道文件有多深了。

]

以下是代码：

def get_train_example():
    for l in open(HYPERPARAMETERS["TRAIN_SENTENCES"]):
        prevwords = []
        for w in string.split(l):
            w = string.strip(w)
            id = None
            prevwords.append(wordmap.id(w))
            if len(prevwords) >= HYPERPARAMETERS["WINDOW_SIZE"]:
                yield prevwords[-HYPERPARAMETERS["WINDOW_SIZE"]:]

def get_train_minibatch():
    minibatch = []
    for e in get_train_example():
        minibatch.append(e)
        if len(minibatch) >= HYPERPARAMETERS["MINIBATCH SIZE"]:
            assert len(minibatch) == HYPERPARAMETERS["MINIBATCH SIZE"]
            yield minibatch
            minibatch = []

Answer 1

下面的代码应该多做或少做你想做的事情。第一个类定义了一些类似文件的内容，但是可以被腌制。(当您解锁它时，它会重新打开文件，并试图找到您对其进行腌制时的位置)。第二类是生成word窗口的迭代器。

class PickleableFile(object):
    def __init__(self, filename, mode='rb'):
        self.filename = filename
        self.mode = mode
        self.file = open(filename, mode)
    def __getstate__(self):
        state = dict(filename=self.filename, mode=self.mode,
                     closed=self.file.closed)
        if not self.file.closed:
            state['filepos'] = self.file.tell()
        return state
    def __setstate__(self, state):
        self.filename = state['filename']
        self.mode = state['mode']
        self.file = open(self.filename, self.mode)
        if state['closed']: self.file.close()
        else: self.file.seek(state['filepos'])
    def __getattr__(self, attr):
        return getattr(self.file, attr)

class WordWindowReader:
    def __init__(self, filenames, window_size):
        self.filenames = filenames
        self.window_size = window_size
        self.filenum = 0
        self.stream = None
        self.filepos = 0
        self.prevwords = []
        self.current_line = []

    def __iter__(self):
        return self

    def next(self):
        # Read through files until we have a non-empty current line.
        while not self.current_line:
            if self.stream is None:
                if self.filenum >= len(self.filenames):
                    raise StopIteration
                else:
                    self.stream = PickleableFile(self.filenames[self.filenum])
                    self.stream.seek(self.filepos)
                    self.prevwords = []
            line = self.stream.readline()
            self.filepos = self.stream.tell()
            if line == '':
                # End of file.
                self.stream = None
                self.filenum += 1
                self.filepos = 0
            else:
                # Reverse line so we can pop off words.
                self.current_line = line.split()[::-1]

        # Get the first word of the current line, and add it to
        # prevwords.  Truncate prevwords when necessary.
        word = self.current_line.pop()
        self.prevwords.append(word)
        if len(self.prevwords) > self.window_size:
            self.prevwords = self.prevwords[-self.window_size:]

        # If we have enough words, then return a word window;
        # otherwise, go on to the next word.
        if len(self.prevwords) == self.window_size:
            return self.prevwords
        else:
            return self.next()

Answer 2

您可以创建一个标准迭代器对象，但它不会像生成器那样方便；您需要将迭代器的状态存储在instace上(以便对其进行腌制)，并定义一个next()函数来返回下一个对象：

class TrainExampleIterator (object):
    def __init__(self):
        # set up internal state here
        pass
    def next(self):
        # return next item here
        pass

迭代器协议很简单，定义对象上的.next()方法就是将它传递给循环等。

在Python3中，迭代器协议使用__next__方法(稍微一致一些)。

Answer 3

对于您来说，这可能不是一个选项，但在某些条件下，无堆栈Python (http://stackless.com)确实允许您对函数和生成器之类的东西进行筛选。这将起作用：

在foo.py中：

def foo():
    with open('foo.txt') as fi:
        buffer = fi.read()
    del fi
    for line in buffer.split('\n'):
        yield line

在foo.txt中：

line1
line2
line3
line4
line5

在翻译中：

Python 2.6 Stackless 3.1b3 060516 (python-2.6:66737:66749M, Oct  2 2008, 18:31:31) 
IPython 0.9.1 -- An enhanced Interactive Python.

In [1]: import foo

In [2]: g = foo.foo()

In [3]: g.next()
Out[3]: 'line1'

In [4]: import pickle

In [5]: p = pickle.dumps(g)

In [6]: g2 = pickle.loads(p)

In [7]: g2.next()
Out[7]: 'line2'

需要注意的是:您必须缓冲文件的内容，并删除文件对象。这意味着文件的内容将在泡菜中复制。