pyhton中的yield关键字的作用

翻译自： https://stackoverflow.com/questions/231767/what-does-the-yield-keyword-do

基本理解

为了理解yield管自己的作用，你需要先理解什么是生成器(generators).理解生成器之前，需要先理解可迭代对象(iterables)

可迭代对象(iterables)

当你创建一个list对象时，你可以逐个成员去遍历，这种逐个成员遍历读取的操作叫做迭代（iteration）

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

这里mylist就是一个可迭代对象。如果你使用列表解析（list comprehension，或翻译成列表推导），你创建一个列表的同时，也创建了一个可迭代对象

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

每一种你可以使用for…in…语法操作的对象都是可迭代对象，比如lists、strings、files…
这些可迭代对象使用起来非常方便，你可以在需要的时候任意读取使用，因为所有的数据都存在内存（memory）里。然而你并不总是希望这些数据都存在内存里，尤其是当可迭代对象的数据量非常大的时候

生成器（generators）

生成器是迭代器（iterators），一种只能迭代一次的可迭代对象。生成器不会把所有的数据都存在内存里，而是在执行时，动态生成数据（generate values on the fly）

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

这段代码和上一段相比，除了"[]“换成了”()"，其他逻辑完全一样，但是这里的mygenerator已经不再是一个列表，而是一个生成器了。生成器只能被遍历一次，所以这里不能第二次执行for i in mygenerator。在第一个for…in…循环中，计算00，打印0，丢弃0 --> 计算11，打印1，丢弃1 --> 计算2*2，打印4，丢弃4

yield

yield是一个跟return用法类似的关键字，区别在于前者返回的是一个生成器

def createGenerator():
	mylist = range(3)
	for i in mylist:
		yield i*i

mygenerator = createGenerator()
print(mygenerator)
for i in mygenerator:
	print(i)

执行结果

<generator object createGenerator at 0x03662B30>
0
1
4

这个是个没啥用的例子，但是当你的函数会返回一个巨大的数据集，而且这个数据集你只会使用一次时，这种方式用起来就很方便了
为了理解yield，你必须理解当你调用你的函数时，你在这个函数里面写的代码并不会被执行，这个函数只会返回一个生成器对象。 这个听起来有点儿迷惑（a bit tricky）
然后，当遇到for代码处理生成器时，代码才会从中断的地方继续执行
现在，最难的部分：
第一次用for语句访问你的函数返回的生成器时，代码会从函数的开头一直执行到第一个yield处，返回第一次yield的值，后面的其他继续访问这个生成器的调用，将会从这个yield之后继续执行到下一次遇到yield，返回yield的值，依此执行，直到没有返回值
一旦函数执行完（逻辑上：因为循环结束或者不满足if/else条件导致的不会再执行yield操作），执行器中不会再有值

进阶操作

控制一个生成器的消耗（controlling a generator exhaustion）

>>> class Bank(): # Let's create a bank, building ATMs
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
...
>>> hsbc = Bank()  # When everything's ok the ATM gives you as much as you want
>>> 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 # Crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # It's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # The trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # Build a new one to get back in business
>>> for cash in brand_new_atm:
...    print cash
...
$100
$100
$100
$100
$100
$100
$100
$100
$100
...

说明：python3里面，用next(corner_street_atm)或者corner_street_atm.next()代替corner_street_atm.next()，其他生成器亦然
这种操作针对各种与控制资源读取类似的场景非常有用

itertools， your best friend

itertools库包含管理迭代对象的各种特殊函数。可以实现诸如复制生成器、连接两个生成器、对交织在一个list里面的数据进行分组、在不创建新的list的情况下实现map/zip等操作。使用时直接import itertools即可
示例：一个四匹马的赛马所有可能的到达顺序

>>> 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)是一中对可迭代对象（实现了__iter__（)这个魔术方法）和迭代器（实现了__next__()这个魔术方法）的操作。可迭代对象(iterable)是包含迭代器的一种python对象。迭代器（iterator）是一个让你能够遍历一个可迭代对象的python对象

更多关于for循环迭代的信息见这里
协程相关的信息见官方文档