[python]yield详解

导读： 此文由 伯乐 在线 – 刘志军 编译自stackoverflow Python标签中投票率最高的一个问题《 The Python yield keyword explained 》， e-satis  详细回答了关于yield 以及 generator、iterable、iterator、iteration之间的关系。

迭代器(Iterator)

为了理解yield是什么，首先要明白生成器(generator)是什么，在讲生成器之前先说说迭代器(iterator)，当创建一个列表(list)时，你可以逐个的读取每一项，这就叫做迭代（iteration）。

Python

1 2 3 4 5 6

mylist = [ 1 , 2 , 3 ] for i in mylist : print ( i ) 1 2 3

Mylist就是一个迭代器，不管是使用复杂的表达式列表，还是直接创建一个列表，都是可迭代的对象。

Python

1 2 3 4 5 6

mylist = [ x * x for x in range ( 3 ) ] for i in mylist : print ( i ) 0 1 4

你可以使用“for··· in ···”来操作可迭代对象，如：list,string,files,这些迭代对象非常方便我们使用，因为你可以按照你的意愿进行重复的读取。但是你不得不预先存储所有的元素在内存中，那些对象里有很多元素时，并不是每一项都对你有用。

生成器(Generators)

生成器同样是可迭代对象，但是你只能读取一次，因为它并没有把所有值存放内存中，它动态的生成值：

Python

1 2 3 4 5 6

mygenerator = ( x * x for x in range ( 3 ) ) for i in mygenerator : print ( i ) 0 1 4

使用()和[]结果是一样的，但是，第二次执行“ for in mygenerator”不会有任何结果返回，因为它只能使用一次。首先计算0，然后计算1，之后计算4，依次类推。

Yield

Yield是关键字， 用起来像return，yield在告诉程序，要求函数返回一个生成器。

Python

1 2 3 4 5 6 7 8 9 10 11 12 13

def createGenerator ( ) : mylist = range ( 3 ) for i in mylist : yield i * i   mygenerator = createGenerator ( ) # create a generator print ( mygenerator ) # mygenerator is an object! < generator object createGenerator at 0xb7555c34 > for i in mygenerator : print ( i ) 0 1 4

这个示例本身没什么意义，但是它很清晰地说明函数将返回一组仅能读一次的值，要想掌握yield，首先必须理解的是：当你调用生成器函数的时候，如上例中的createGenerator()，程序并不会执行函数体内的代码，它仅仅只是返回生成器对象，这种方式颇为微妙。函数体内的代码只有直到每次循环迭代(for)生成器的时候才会运行。

函数第一次运行时，它会从函数开始处直到碰到yield时，就返回循环的第一个值，然后，交互的运行、返回，直到没有值返回为止。如果函数在运行但是并没有遇到yield，就认为该生成器是空，原因可能是循环终止，或者没有满足任何”if/else”。

接下来读一小段代码来理解生成器的优点：

控制生成器穷举

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

>>> class Bank ( ) : # 创建银行，构造ATM机 . . .      crisis = False . . .      def create_atm ( self ) : . . .          while not self . crisis : . . .              yield "$100" >>> hsbc = Bank ( ) # 没有危机时，你想要多少，ATM就可以吐多少 >>> corner_street_atm = hsbc . create_atm ( ) >>> print ( corner_street_atm . next ( ) ) $ 100 >>> print ( corner_street_atm . next ( ) ) $ 100 >>> print ( [ corner_street_atm . next ( ) for cash in range ( 5 ) ] ) [ '$100' , '$100' , '$100' , '$100' , '$100' ] >>> hsbc . crisis = True # 危机来临，银行没钱了 >>> print ( corner_street_atm . next ( ) ) < type 'exceptions.StopIteration' > >>> wall_street_atm = hsbc . ceate_atm ( ) # 新建ATM，银行仍然没钱 >>> print ( wall_street_atm . next ( ) ) < type 'exceptions.StopIteration' > >>> hsbc . crisis = False # 麻烦就是，即使危机过后银行还是空的 >>> print ( corner_street_atm . next ( ) ) < type 'exceptions.StopIteration' > >>> brand_new_atm = hsbc . create_atm ( ) # 构造新的ATM，恢复业务 >>> for cash in brand_new_atm : . . .      print cash $ 100 $ 100 $ 100 $ 100 $ 100 $ 100 $ 100 $ 100 $ 100

对于访问控制资源，生成器显得非常有用。

迭代工具，你最好的朋友

迭代工具模块包含了操做指定的函数用于操作迭代器。想复制一个迭代器出来？链接两个迭代器？以one liner（这里的one-liner只需一行代码能搞定的任务)用内嵌的列表组合一组值？不使用list创建Map/Zip？···，你要做的就是 import itertools，举个例子吧：

四匹马赛跑到达终点排名的所有可能性：

Python

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

>>> horses = [ 1 , 2 , 3 , 4 ] >>> races = itertools . permutations ( horses ) >>> print ( races ) < itertools . permutations object at 0xb754f1dc > >>> print ( list ( itertools . permutations ( horses ) ) ) [ ( 1 , 2 , 3 , 4 ) , ( 1 , 2 , 4 , 3 ) , ( 1 , 3 , 2 , 4 ) , ( 1 , 3 , 4 , 2 ) , ( 1 , 4 , 2 , 3 ) , ( 1 , 4 , 3 , 2 ) , ( 2 , 1 , 3 , 4 ) , ( 2 , 1 , 4 , 3 ) , ( 2 , 3 , 1 , 4 ) , ( 2 , 3 , 4 , 1 ) , ( 2 , 4 , 1 , 3 ) , ( 2 , 4 , 3 , 1 ) , ( 3 , 1 , 2 , 4 ) , ( 3 , 1 , 4 , 2 ) , ( 3 , 2 , 1 , 4 ) , ( 3 , 2 , 4 , 1 ) , ( 3 , 4 , 1 , 2 ) , ( 3 , 4 , 2 , 1 ) , ( 4 , 1 , 2 , 3 ) , ( 4 , 1 , 3 , 2 ) , ( 4 , 2 , 1 , 3 ) , ( 4 , 2 , 3 , 1 ) , ( 4 , 3 , 1 , 2 ) , ( 4 , 3 , 2 , 1 ) ]

理解迭代的内部机制：

迭代(iteration）就是对可迭代对象（iterables，实现了__iter__()方法）和迭代器（iterators，实现了__next__()方法）的一个操作过程。可迭代对象是任何可返回一个迭代器的对象，迭代器是应用在迭代对象中迭代的对象，换一种方式说的话就是：iterable对象的__iter__()方法可以返回iterator对象，iterator通过调用next()方法获取其中的每一个值(译者注)，读者可以结合Java API中的 Iterable接口和Iterator接口进行类比。