生成器
如果在一個方法內，包含了 yield 關鍵字，那么這個函數就是一個「生成器」。
生成器其實就是一個特殊的迭代器，它可以像迭代器那樣，迭代輸出方法內的每個元素。
我們來看一個包含 yield 關鍵字的方法：
# coding: utf8
# 生成器
def gen(n):
for i in range(n):
yield i
g = gen(5) # 創建一個生成器
print(g) # generator object gen at 0x10bb46f50>
print(type(g)) # type 'generator'>
# 迭代生成器中的數據
for i in g:
print(i)
# Output:
# 0 1 2 3 4
注意，在這個例子中，當我們執行 g = gen(5) 時，gen 中的代碼其實并沒有執行，此時我們只是創建了一個「生成器對象」，它的類型是 generator。
然后，當我們執行 for i in g，每執行一次循環，就會執行到 yield 處，返回一次 yield 后面的值。
這個迭代過程是和迭代器最大的區別。
換句話說，如果我們想輸出 5 個元素，在創建生成器時，這個 5 個元素其實還并沒有產生，什么時候產生呢？只有在執行 for 循環遇到 yield 時，才會依次生成每個元素。
此外，生成器除了和迭代器一樣實現迭代數據之外，還包含了其他方法：
- generator.__next__()：執行 for 時調用此方法，每次執行到 yield 就會停止，然后返回 yield 后面的值，如果沒有數據可迭代，拋出 StopIterator 異常，for 循環結束
- generator.send(value)：外部傳入一個值到生成器內部，改變 yield 前面的值
- generator.throw(type[, value[, traceback]])：外部向生成器拋出一個異常
- generator.close()：關閉生成器
通過使用生成器的這些方法，我們可以完成很多有意思的功能。
next
先來看生成器的 __next__ 方法，我們看下面這個例子。
# coding: utf8
def gen(n):
for i in range(n):
print('yield before')
yield i
print('yield after')
g = gen(3) # 創建一個生成器
print(g.__next__()) # 0
print('----')
print(g.__next__()) # 1
print('----')
print(g.__next__()) # 2
print('----')
print(g.__next__()) # StopIteration
# Output:
# yield before
# 0
# ----
# yield after
# yield before
# 1
# ----
# yield after
# yield before
# 2
# ----
# yield after
# Traceback (most recent call last):
# File "gen.py", line 16, in module>
# print(g.__next__()) # StopIteration
# StopIteration
在這個例子中，我們定義了 gen 方法，這個方法包含了 yield 關鍵字。然后我們執行 g = gen(3) 創建一個生成器，但是這次沒有執行 for 去迭代它，而是多次調用 g.__next__() 去輸出生成器中的元素。
我們看到，當執行 g.__next__()時，代碼就會執行到 yield 處，然后返回 yield 后面的值，如果繼續調用 g.__next__()，注意，你會發現，這次執行的開始位置，是上次 yield 結束的地方，并且它還保留了上一次執行的上下文，繼續向后迭代。
這就是使用 yield 的作用，在迭代生成器時，每一次執行都可以保留上一次的狀態，而不是像普通方法那樣，遇到 return 就返回結果，下一次執行只能再次重復上一次的流程。
生成器除了能保存狀態之外，我們還可以通過其他方式，改變其內部的狀態，這就是下面要講的 send 和 throw 方法。
send
上面的例子中，我們只展示了在 yield 后有值的情況，其實還可以使用 j = yield i 這種語法，我們看下面的代碼：
# coding: utf8
def gen():
i = 1
while True:
j = yield i
i *= 2
if j == -1:
break
此時如果我們執行下面的代碼：
for i in gen():
print(i)
time.sleep(1)
輸出結果會是 1 2 4 8 16 32 64 ... 一直循環下去， 直到我們殺死這個進程才能停止。
這段代碼一直循環的原因在于，它無法執行到 j == -1 這個分支里 break 出來，如果我們想讓代碼執行到這個地方，如何做呢？
這里就要用到生成器的 send 方法了，send 方法可以把外部的值傳入生成器內部，從而改變生成器的狀態。
代碼可以像下面這樣寫：
g = gen() # 創建一個生成器
print(g.__next__()) # 1
print(g.__next__()) # 2
print(g.__next__()) # 4
# send 把 -1 傳入生成器內部 走到了 j = -1 這個分支
print(g.send(-1)) # StopIteration 迭代停止
當我們執行 g.send(-1) 時，相當于把 -1 傳入到了生成器內部，然后賦值給了 yield 前面的 j，此時 j = -1，然后這個方法就會 break 出來，不會繼續迭代下去。
throw
外部除了可以向生成器內部傳入一個值外，還可以傳入一個異常，也就是調用 throw 方法：
# coding: utf8
def gen():
try:
yield 1
except ValueError:
yield 'ValueError'
finally:
print('finally')
g = gen() # 創建一個生成器
print(g.__next__()) # 1
# 向生成器內部傳入異常 返回ValueError
print(g.throw(ValueError))
# Output：
# 1
# ValueError
# finally
這個例子創建好生成器后，使用 g.throw(ValueError) 的方式，向生成器內部傳入了一個異常，走到了生成器異常處理的分支邏輯。
close
生成器的 close 方法也比較簡單，就是手動關閉這個生成器，關閉后的生成器無法再進行操作。
>>> g = gen()
>>> g.close() # 關閉生成器
>>> g.__next__() # 無法迭代數據
Traceback (most recent call last):
File "stdin>", line 1, in module>
StopIteration
使用場景
了解了 yield 和生成器的使用方式，那么 yield 和生成器一般用在哪些業務場景中呢？
下面我介紹幾個例子，分別是大集合的生成、簡化代碼結構、協程與并發，你可以參考這些使用場景來使用 yield。
大集合的生成
如果你想生成一個非常大的集合，如果使用 list 創建一個集合，這會導致在內存中申請一個很大的存儲空間，例如想下面這樣：
# coding: utf8
def big_list():
result = []
for i in range(10000000000):
result.append(i)
return result
# 一次性在內存中生成大集合 內存占用非常大
for i in big_list():
print(i)
這種場景，我們使用生成器就能很好地解決這個問題。
因為生成器只有在執行到 yield 時才會迭代數據，這時只會申請需要返回元素的內存空間，代碼可以這樣寫：
# coding: utf8
def big_list():
for i in range(10000000000):
yield i
# 只有在迭代時 才依次生成元素 減少內存占用
for i in big_list():
print(i)
簡化代碼結構
我們在開發時還經常遇到這樣一種場景，如果一個方法要返回一個 list，但這個 list 是多個邏輯塊組合后才能產生的，這就會導致我們的代碼結構變得很復雜：
# coding: utf8
def gen_list():
# 多個邏輯塊 組成生成一個列表
result = []
for i in range(10):
result.append(i)
for j in range(5):
result.append(j * j)
for k in [100, 200, 300]:
result.append(k)
return result
for item in gen_list():
print(item)
這種情況下，我們只能在每個邏輯塊內使用 append 向 list 中追加元素，代碼寫起來比較啰嗦。
此時如果使用 yield 來生成這個 list，代碼就簡潔很多：
# coding: utf8
def gen_list():
# 多個邏輯塊 使用yield 生成一個列表
for i in range(10):
yield i
for j in range(5):
yield j * j
for k in [100, 200, 300]:
yield k
for item in gen_list():
print(i)
使用 yield 后，就不再需要定義 list 類型的變量，只需在每個邏輯塊直接 yield 返回元素即可，可以達到和前面例子一樣的功能。
我們看到，使用 yield 的代碼更加簡潔，結構也更清晰，另外的好處是只有在迭代元素時才申請內存空間，降低了內存資源的消耗。
協程與并發
還有一種場景是 yield 使用非常多的，那就是「協程與并發」。
如果我們想提高程序的執行效率，通常會使用多進程、多線程的方式編寫程序代碼，最常用的編程模型就是「生產者-消費者」模型，即一個進程 / 線程生產數據，其他進程 / 線程消費數據。
在開發多進程、多線程程序時，為了防止共享資源被篡改，我們通常還需要加鎖進行保護，這樣就增加了編程的復雜度。
在 Python 中，除了使用進程和線程之外，我們還可以使用「協程」來提高代碼的運行效率。
什么是協程？
簡單來說，由多個程序塊組合協作執行的程序，稱之為「協程」。
而在 Python 中使用「協程」，就需要用到 yield 關鍵字來配合。
可能這么說還是太好理解，我們用 yield 實現一個協程生產者、消費者的例子：
# coding: utf8
def consumer():
i = None
while True:
# 拿到 producer 發來的數據
j = yield i
print('consume %s' % j)
def producer(c):
c.__next__()
for i in range(5):
print('produce %s' % i)
# 發數據給 consumer
c.send(i)
c.close()
c = consumer()
producer(c)
# Output:
# produce 0
# consume 0
# produce 1
# consume 1
# produce 2
# consume 2
# produce 3
# consume 3
...
這個程序的執行流程如下：
- c = consumer() 創建一個生成器對象
- producer(c) 開始執行，c.__next()__ 會啟動生成器 consumer 直到代碼運行到 j = yield i 處，此時 consumer 第一次執行完畢，返回
- producer 函數繼續向下執行，直到 c.send(i) 處，這里利用生成器的 send 方法，向 consumer 發送數據
- consumer 函數被喚醒，從 j = yield i 處繼續開始執行，并且接收到 producer 傳來的數據賦值給 j，然后打印輸出，直到再次執行到 yield 處，返回
- producer 繼續循環執行上面的過程，依次發送數據給 cosnumer，直到循環結束
- 最終 c.close() 關閉 consumer 生成器，程序退出
在這個例子中我們發現，程序在 producer 和 consumer 這 2 個函數之間來回切換執行，相互協作，完成了生產任務、消費任務的業務場景，最重要的是，整個程序是在單進程單線程下完成的。
這個例子用到了上面講到的 yield、生成器的 __next__、send、close 方法。如果不好理解，你可以多看幾遍這個例子，最好自己測試一下。
我們使用協程編寫生產者、消費者的程序時，它的好處是：
整個程序運行過程中無鎖，不用考慮共享變量的保護問題，降低了編程復雜度
程序在函數之間來回切換，這個過程是用戶態下進行的，不像進程 / 線程那樣，會陷入到內核態，這就減少了內核態上下文切換的消耗，執行效率更高
所以，Python 的 yield 和生成器實現了協程的編程方式，為程序的并發執行提供了編程基礎。
Python 中的很多第三方庫，都是基于這一特性進行封裝的，例如 gevent、tornado，它們都大大提高了程序的運行效率。
總結
總結一下，這篇文章我們主要講了 yield 的使用方式，以及生成器的各種特性。
生成器是一種特殊的迭代器，它除了可以迭代數據之外，在執行時還可以保存方法中的狀態，除此之外，它還提供了外部改變內部狀態的方式，把外部的值傳入到生成器內部。
利用 yield 和生成器的特性，我們在開發中可以用在大集成的生成、簡化代碼結構、協程與并發的業務場景中。
Python 的 yield 也是實現協程和并發的基礎，它提供了協程這種用戶態的編程模式，提高了程序運行的效率。
以上就是python如何正確使用yield的詳細內容，更多關于python 使用yield的資料請關注腳本之家其它相關文章！
您可能感興趣的文章:- 在Python中如何使用yield
- 通過實例簡單了解python yield使用方法
- python使用yield壓平嵌套字典的超簡單方法
- Python yield 使用方法淺析
- Python yield的使用詳解
