Python之yield

我的图片 · 在线免费的图片处理工具

前言

简单记录一下Python中的yield关键字,不是很理解,因此简单记录一下,方便自己查阅。

正文

什么是yield

yield 是 Python 中非常实用、也很有“魔法感”的关键字。

它能让函数暂停执行、记住状态、下次接着来,这就是生成器(Generator)的核心机制。

yield 能把一个普通函数变成一个“生成器函数”。调用它不会立即执行函数体,而是返回一个生成器对象;每次从生成器取值时,函数才运行到下一个 yield 处暂停,并返回一个值。

先看例子

def simple_gen():
    yield 1
    yield 2
    yield 3

gen = simple_gen()
print(gen)          # <generator object simple_gen at 0x...>
print(next(gen))    # 1
print(next(gen))    # 2
print(next(gen))    # 3
# print(next(gen))  # 再调用会抛 StopIteration
  1. simple_gen() 被调用时,函数体并没有执行
  2. 返回的是一个生成器对象 gen
  3. 每次 next(gen),函数才从暂停处继续执行,直到遇到下一个 yield
  4. 所有 yield 耗尽后,再调用会抛出 StopIteration

yield 和 return比较

关键字函数行为调用结果
return执行完返回结果,函数结束直接得到返回值
yield执行到 yield 暂停,保存现场得到一个生成器对象

执行方式不同

# return 版本
def with_return(n):
    result = []
    for i in range(n):
        result.append(i * i)
    return result

# yield 版本
def with_yield(n):
    for i in range(n):
        yield i * i
对比项return 版本yield 版本
数据存放一次性存到列表逐个生成
内存占用高(全在内存)低(一次一个)
可否处理无限序列不行可以
是否惰性计算否是

状态保留

def counter():
    count = 0
    while True:
        count += 1
        yield count

c = counter()
print(next(c))  # 1
print(next(c))  # 2
print(next(c))  # 3

yield 会记住 count 的值,下次调用时接着用。这是普通函数做不到的。

虽然是死循环,但有了yield,只有调用是才会执行,程序也不会卡死。

yield 的基本用法

在循环中使用 yield

最常见的形式:

def my_range(n):
    i = 0
    while i < n:
        yield i
        i += 1

for x in my_range(5):
    print(x)

输出:

0
1
2
3
4

注意:for 循环会自动处理 StopIteration,所以不会报错。

yield 可以出现在任何位置

def weird():
    yield "start"
    print("中间代码执行了")
    yield "end"

g = weird()
print(next(g))  # start
print(next(g))  # 中间代码执行了 → end

这说明:yield 不是只能在循环里,函数里任何地方都可以暂停。

生成器只能遍历一次

def gen():
    yield 1
    yield 2

g = gen()
print(list(g))  # [1, 2]
print(list(g))  # []  ← 已经耗尽,第二次是空的

如果需要重复使用,只能重新创建生成器。

yield 的常见使用场景

场景一:读取大文件(逐行处理)

def read_large_file(file_path):
    with open(file_path, 'r', encoding='utf-8') as f:
        for line in f:
            yield line.strip()

# 使用
for line in read_large_file('huge_log.txt'):
    if 'ERROR' in line:
        print(line)
  1. 不用一次性把几 GB 文件读进内存
  2. 边读边处理,非常节省资源

场景二:处理无限序列

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = fibonacci()
for _ in range(10):
    print(next(fib), end=' ')

用 return 是绝对写不出“无限斐波那契数列”的

场景三:数据管道(流式处理)

def read_numbers():
    for i in range(1, 11):
        yield i

def square(nums):
    for n in nums:
        yield n * n

def filter_even(nums):
    for n in nums:
        if n % 2 == 0:
            yield n

pipeline = filter_even(square(read_numbers()))
print(list(pipeline))  # [4, 16, 36, 64, 100]

每一层都是“懒加载”,数据像流水线一样处理

场景四:替代临时列表

# 不好的写法(一次性生成所有)
def bad(n):
    return [i * 2 for i in range(n)]

# 更好的写法(按需生成)
def good(n):
    for i in range(n):
        yield i * 2

yield from 是什么?

Python 3.3 引入了 yield from,用来简化从另一个生成器获取值的写法。

# 旧写法
def old():
    for x in range(3):
        yield x

# 新写法
def new():
    yield from range(3)

两者效果完全一样,但 yield from 更简洁,而且在委托子生成器时非常有用:

def sub_gen():
    yield 1
    yield 2

def main_gen():
    yield "开始"
    yield from sub_gen()
    yield "结束"

print(list(main_gen()))
# ['开始', 1, 2, '结束']

yield 在 Python 中常见吗?

答案是:非常常见。

虽然你初学阶段可能接触不多,但在以下场景中几乎无处不在:

场景是否常用 yield
读取大文件 / 大数据流极常见
Web 框架(如 Django/Flask 流式响应)常见
异步编程(asyncio 前身)历史核心
科学计算 / 数据处理常见
面试 / 高级 Python 话题高频考点

很多 Python 内置函数返回的就是生成器,比如:

gen = (x * 2 for x in range(5))  # 生成器表达式
print(type(gen))  # <class 'generator'>

你每天都在“间接使用” yield。

yield 的进阶

生成器作为协程(了解)

yield 不仅能“产出值”,还能“接收值”:

def receiver():
    print("准备接收")
    while True:
        value = yield
        print("收到:", value)

r = receiver()
next(r)          # 启动生成器(必须)
r.send("hello")  # 收到: hello
r.send("world")  # 收到: world

这种用法在现代 Python 中更多被 async / await 取代,但理解它有助于你读懂老代码和底层原理。

总结

  • yield 是 Python 中定义生成器的关键字
  • 它让函数可以暂停、保存状态、下次继续
  • 相比 return,它支持惰性计算、节省内存
  • 特别适合:大文件处理、无限序列、数据管道
  • 在 Python 生态中非常常见,是进阶必学知识点

一句话记住它:

return 是一次说完,yield 是一句一句慢慢说。

参考文章

  1. AI
  2. Python文档

暂无评论

none
暂无评论...