深入理解 Python 中的 yield 语句（小白也能掌握的生成器与迭代器教程）

简单示例：对比 return 和 yield

先看一个使用 return 的普通函数：

def normal_function():    return [1, 2, 3]result = normal_function()print(result)  # 输出: [1, 2, 3]

再看一个使用 yield 的生成器函数：

def generator_function():    yield 1    yield 2    yield 3result = generator_function()print(result)        # 输出: <generator object generator_function at 0x...>print(list(result))  # 输出: [1, 2, 3]

注意：调用生成器函数并不会立即执行函数体，而是返回一个生成器对象。只有在遍历（如用 for 循环或 list()）时，函数才会逐次执行到每个 yield 并返回值。

yield 的执行流程详解

每次遇到 yield，函数会：

1. 返回 yield 后面的值；
2. 保存当前函数的状态（包括局部变量、执行位置等）；
3. 暂停执行，等待下一次被调用；
4. 当下次被调用时，从上次 yield 的下一行继续执行。

来看一个带状态的例子：

def count_up_to(max):    count = 1    while count <= max:        yield count        count += 1# 使用生成器for num in count_up_to(5):    print(num)# 输出:# 1# 2# 3# 4# 5

为什么使用 yield？优势在哪？

使用 yield 创建生成器有以下显著优点：

• 内存高效：不需要一次性将所有数据加载到内存中，适合处理大数据集或无限序列。
• 惰性求值：只在需要时才计算下一个值，提升性能。
• 代码简洁：相比手动实现迭代器类，使用 yield 更直观、更 Pythonic。

例如，读取大文件时，可以逐行生成内容而不占用大量内存：

def read_large_file(file_path):    with open(file_path, 'r') as f:        for line in f:            yield line.strip()# 使用for line in read_large_file('huge_log.txt'):    process(line)  # 逐行处理，不加载整个文件到内存

高级用法：send() 与协程

除了作为 迭代器，生成器还可用于实现简单的 协程（Coroutine）。通过 generator.send(value)，我们可以向生成器传递数据。

def echo():    while True:        received = yield        print(f"收到: {received}")# 启动生成器g = echo()next(g)  # 必须先执行一次 next() 或 send(None) 来启动g.send("Hello")   # 输出: 收到: Hellog.send("World")   # 输出: 收到: World

这种能力使得生成器在异步编程、状态机等场景中非常有用。

总结

yield 是 Python 中实现 生成器函数 的核心关键字。它让函数具备“暂停-恢复”的能力，从而高效地生成一系列值。掌握 yield 不仅能写出更省内存的代码，还能为理解 迭代器、协程 等高级概念打下基础。

记住这四个关键词：Python yield、生成器函数、迭代器、协程。它们是你深入 Python 异步与高效编程的关键。

现在，试着自己写一个生成器吧！比如生成斐波那契数列，或者一个倒计时器。实践是最好的老师！