一种新的流：给 Go 增加生成器（Generator）特性的尝试
🤔 有意思的文章#
最近读到一篇比较有意思的文章《一种新的流：为Java加入生成器(Generator)特性》，这篇文章介绍了给 Java 语言增加生成器特性的实现方法，说到这其实是一种设计模式，是一种简单但是功能强大的设计模式，文中称其为“数学美感与工程实用价值兼备”。
通读下来也的确让人受益匪浅，想动手试试，尝试给 Go 语言也整一个，也算是给这篇文章做一个补充说明和学习笔记。
原文如下
介绍 Generator#
生成器（Generator）可以说是一种特殊的迭代器（Iterator），因为他们的表现一样，每次调用都会得到一个元素，但跟迭代器不同的是，生成器元素不是一次性生成返回，而是每次返回一个，使其天然具有惰性求值等特性。
一般支持 Generator 特性的语言，会用类似 yield 关键字来实现，比如文章中的例子
def underscore_to_camelcase(s):
def camelcase():
yield str.lower
while True:
yield str.capitalize
return ''.join(f(sub) for sub, f in zip(s.split('_'), camelcase()))我们改写成 JavaScript 是这样子的
function underscoreToCamelcase(s, generator) {
function* camelCase() {
yield str => str.toLowerCase();
while (true) {
yield str => str.substring(0, 1).toUpperCase() + str.substring(1).toLowerCase();
}
}
const gen = camelCase()
return s.split('_').map((sub) => gen.next().value(sub)).join('');
}这里也可以窥探出 JavaScript Generator 的一个特点：他是可以返回多个函数的函数
给 Go 语言也添加这么一个 Generator 特性#
定义流式接口#
type Callback[T any] func(T)
type Stream[T any] func(Callback[T])Callback是一个单纯的消费函数或者说是回调函数，处理接收到的参数，此处为了使该含义更加明确，单独定义一个类型Stream是流这个概念的定义，也是一个单纯的消费函数，只不过他所需的参数是另外一个函数，所以他是一个高阶函数，提供了对回调函数的消费，也是文章中所说的 consumer of callback
实现创建函数#
func Of[T any](t T) Stream[T] {
return func(c Callback[T]) {
c(t)
}
}
func From[T any](ts ...T) Stream[T] {
return func(c Callback[T]) {
for _, t := range ts {
c(t)
}
}
}从这两个方法也可以很清晰的感受到，所谓的 Stream 的本质是一个能够对回调函数进行消费的高阶函数，他会将自己的元素，递交给回调函数处理。
实现 Map 和 FlatMap#
type Mapper[T, R any] func(T) R
func Map[T, R any](s Stream[T], mapper Mapper[T, R]) Stream[R] {
return func(c Callback[R]) {
s(func(t T) {
r := mapper(t)
c(r)
})
}
}
type FlatMapper[T, E any] func(T) Stream[E]
func FlatMap[T, E any](s Stream[T], mapper FlatMapper[T, E]) Stream[E] {
return func(c Callback[E]) {
s(func(t T) {
mapper(t)(c)
})
}
}Go 语言实现这两个函数需要绕个圈，无法做到链式调用，因为它不支持在实例函数里面再次定义类型参数，如下面写法
func (s Stream[T]) Map
[R any]
(mapper Mapper[T, R]) Stream[R] {
return func(c Callback[R]) {
s(func(t T) {
c(mapper(t))
})
}
}Map 函数的本质是通过 f(T)⇒R 将 Stream[T] 映射成 Stream[R]
FlatMap 函数的本质是通过 f(T)⇒Stream[R]将 Stream[T] 中的元素替换成 Stream[R]的元素
实现链式调用函数#
func (s Stream[T]) Filter(f func(T) bool) Stream[T] {
return func(c Callback[T]) {
s(func(t T) {
if f(t) {
c(t)
}
})
}
}
func (s Stream[T]) Take(n int) Stream[T] {
return func(callback Callback[T]) {
s.ConsumeTillStop(func(t T) {
if n <= 0 {
panic("stop")
}
callback(t)
n--
})
}
}
func (s Stream[T]) Drop(n int) Stream[T] {
return func(callback Callback[T]) {
s(func(t T) {
if n > 0 {
n--
} else {
callback(t)
}
})
}
}
func (s Stream[T]) ConsumeTillStop(callback Callback[T]) {
defer func() {
if r := recover(); r != nil {
}
}()
s(func(t T) {
callback(t)
})
}
func Zip[T, E, R any](s Stream[T], els []E, f func(T, E) R) Stream[R] {
var i int
return func(callback Callback[R]) {
s.ConsumeTillStop(func(t T) {
if i >= len(els) {
panic("stop")
}
callback(f(t, els[i]))
i++
})
}
}ConsumeTillStop 是利用 panic 和 recover 机制实现的中断闭包执行的结构
Zip 函数通过 f(T,E)⇒R 函数将流中的元素与一个 iterable 元素两两聚合，然后转换为一个新的流
实现终端操作函数#
func (s Stream[T]) Join(sep string) string {
var ss []string
s(func(t T) {
ss = append(ss, String(t))
})
return strings.Join(ss, sep)
}
func (s Stream[T]) Array() []T {
var ss []T
s(func(t T) {
ss = append(ss, t)
})
return ss
}
func String[T any](t T) string {
return fmt.Sprintf("%v", t)
}其实就是给流中的元素编写特定的回调函数，然后把状态保存下来处理，如果不用这些终端函数，可以自己来操作
From(1, 2, 3)(func(i int) {
//do whatever you want
})实现 Python generator 的例子#
我们可以用现有的 Stream 函数来实现跟 Python Generator 等价的函数
func underscoreToCamelCase(str string) string {
capitalize := func(s string) string {
return strings.ToUpper(s[0:1]) + s[1:]
}
stream := func(c Callback[func(string) string]) {
c(strings.ToLower)
for {
c(capitalize)
}
}
return Zip(stream, strings.Split(str, "_"), func(f func(string) string, str string) string {
return f(str)
}).Join("")
}代码#
以上所有代码及测试用例已上传至 Github，欢迎指正和探讨
读完了，谢谢你读到这里
有新文章时想第一时间看到？订阅 RSS