Exemples Pratiques de Generators

Les générateurs peuvent être utilisés comme des gestionnaires de contexte légers pour gérer efficacement les ressources, telles que les connexions à la base de données, les opérations sur les fichiers ou les mécanismes de verrouillage. Avec le module contextlib, les générateurs peuvent gérer l'allocation et le nettoyage des ressources de manière transparente.


              1234567891011121314
            
from contextlib import contextmanager

@contextmanager
def database_connection():
    print("Opening database connection")
    connection = "Database Connection"  # Simulated connection
    try:
        yield connection
    finally:
        print("Closing database connection")

# Using the generator as a context manager
with database_connection() as conn:
    print(f"Using {conn}")

Traitement efficace des grandes quantités de données

Les générateurs sont idéaux pour construire des pipelines de données qui traitent de grands ensembles de données de manière paresseuse. Chaque étape du pipeline peut être implémentée comme un générateur, permettant un traitement efficace et économe en mémoire.


              12345678910111213141516171819202122232425262728293031323334353637383940
            
import re

# Stage 1: Read lines lazily
def read_lines(text):
    for line in text.split("\n"):
        yield line

# Stage 2: Filter non-empty lines
def filter_lines(lines):
    for line in lines:
        if line.strip():
            yield line

# Stage 3: Extract words lazily
def extract_words(lines):
    for line in lines:
        for word in re.findall(r'\w+', line):
            yield word

# Stage 4: Transform words to lowercase
def lowercase_words(words):
    for word in words:
        yield word.lower()

# Input text
text = """Generators are powerful tools
They allow efficient data processing
This pipeline demonstrates their usage"""

# Build the pipeline
lines = read_lines(text)
filtered = filter_lines(lines)
words = extract_words(filtered)
lowercased = lowercase_words(words)

# Process the data
print("Processed words:")
for word in lowercased:
    print(word)