关于python中yield关键字的一些个人理解

之前在别人的一些code和python爬虫的学习中经常遇到这个关键字，一开始以为和循环没有什么区别，后来粗略地看了一下说明，结果越看越迷糊，加之发现了自己存在的知识漏洞，因此不得不好好学习一下相关概念

要理解yield，就必须先理解迭代(iteration)的相关概念.下边是一段摘自百度百科的定义:

迭代是重复反馈过程的活动，其目的通常是为了逼近所需目标或结果。每一次对过程的重复称为一次“迭代”，而每一次迭代得到的结果会作为下一次迭代的初始值

有两点需要注意:

①逼近所需目标或结果,例如我们已经创建并初始化了一个列表(list)对象L，现在想在L中查找某个元素的值或者位置等，最简单的可以利用迭代从头对到尾对列表中的每个元素进行搜索，直到找到目标为止。

②迭代得到的结果会作为下一次迭代的初始值:例如按照笛卡尔积的定义和运算法则，现在对于若干个集合A,B,C,D。。。(按照定义，它们为要么空集，要么为由有序关系对所组成)之间进行笛卡尔积的运算,即AxBxCxDx。。。，即要按照先后顺序和每一步所取得的结果去循环--先计算AxB，得到一个结果result1(也是一个集合)，再让result1去xC，又得到了新的结果result2，再让result2去xC，以此类推。

另外一个例子就是设定一个变量并初始化，利用for循环让其不断自增，最后得到对应的结果。

看懂了迭代后，再来理解yield就不难了,实际上它就是生成器(generator)在python语言中的表述。

关于生成器(generator)的概念(摘自wiki):

In computer science, a generator is a special routine that can be used to control the iteration behaviour of a loop. In fact, all generators areiterators.^[1] A generator is very similar to a function that returns an array, in that a generator has parameters, can be called, and generates a sequence of values. However, instead of building an array containing all the values and returning them all at once, a generator yields the values one at a time, which requires less memory and allows the caller to get started processing the first few values immediately. In short, a generator looks like a function butbehaves like an iterator.

可以看出，与一般迭代相比，generator可以用于控制迭代的行为,同时也能返回对象。但与array能同时包含所有的value不同，generator一次只能包括一个，因此对内存的要求很低.另外与我们一开始接触它时的直观感受相同，generator看起来确实像一个函数，不过表现形式则是iterator。

以下代码实例转自廖雪峰的官网:

生成斐波那契数列

1.

简单也是传统的写法，利用while循环:

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        print b #python2标准的写法
        a, b = b, a + b #不用像c那样设置tmp变量，一步到位~
        n = n + 1

这里的话执行fab(5):

>>> fab(5)
1
1
2
3
5

与文章中评论的那样，代码的复用性较差，即无法保存中间生成的值。

2.利用列表来保存:

def fab(max): 
    n, a, b = 0, 0, 1 
    L = [] 
    while n < max: 
        L.append(b) 
        a, b = b, a + b 
        n = n + 1 
    return L 

可以通过for循环来获得返回值(列表)里边的元素

3.通过iterable对象来迭代

for i in range(1000): pass 

会导致生成一个 1000 个元素的 List，而代码：

for i in xrange(1000): pass

则不会生成一个 1000 个元素的 List，而是在每次迭代中返回下一个数值，内存空间占用很小。因为 xrange 不返回 List，而是返回一个 iterable 对象。

4.利用class，跳过。

5.使用yield

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        # print b
        a, b = b, a + b
        n = n + 1

调用及输出:

>>> for n in fab(5):
...     print n
...
1
1
2
3
5

看起来与2中的列表方法类似，但此例中的fab(5)则是一个生成器，调用fab(5)则会首先返回一个iterable对象，而不是去执行函数。之后在循环过程中每次都会执行fab函数内部的代码,到了yield b时，生成器处于暂停状态，fab函数返回一个迭代值。下次迭代时，代码从yield b的下一条语句继续执行，即完成对a,b的更新和n的自增，直到再次遇到yield。

也可以手动调用next方法(在python3中调用像f.next()的方法会shell提示attribute error,因为在新版本中该方法应该为next(f)),也可以逐一获得结果，最后会抛出StopIteration的异常，表示迭代完成。

参考资料:

1.https://baike.baidu.com/item/迭代/8415523?fr=aladdin

2.https://en.wikipedia.org/wiki/Generator_(computer_programming)

3.https://www.liaoxuefeng.com/article/001373892916170b88313a39f294309970ad53fc6851243000