Python中的yield

带有yield的函数在Python中被称为generator（生成器），那么什么是generator呢？

我们可以通过列表生成式创建一个列表，由于内存的限制，我们的列表容量肯定的是有限的，而且如果要创建一个超过一个几百万个元素的列表时，占用很大的空间不说，如果我们仅仅访问前面的几个元素的话，那么后面的大部分元素说占用的空间都白白的浪费掉了。这时候有没有一种方法可以节省这些空间呢？如果列表中的元素可以通过某种算法推算出来，那么我们可不可以在程序循环的时候不断推算出后面的元素呢？答案是可以。这种一边循环一边计算的机制就叫做生成器：generator

要创建一个生成器，有很多种方法，最简单的一种就是把列表生成式的[]改成（）就成功创建了一个生成器

我们可以直接打印出列表中的元素，对于generator中的元素我们则可以使用next（）或者for循环打印出来

每次调用next（G)，就计算G的下一个元素的值，如果到了最后一个元素的时候，就抛出StopIteration的错误

或者像这样：

一般来说，我们都是会通过for循环来打印的，如果推算的算法很复杂，用for循环无法做到，那么就可以用函数来实现。

比如说菲波那切数列：

def fib(max):
  n,a,b=0,0,1
  while n < max:
    print(b)
    a,b = b,a+b
    n = n+1
  return 'done'

我们可以发现菲波那切数列可以从第一个元素开始，推算出后续的任意数，也就是说，我们可以使用generator来实现，我们只需改变print（b）为yield b就可以了。看到这里就大概明白yield的作用了吧。yield也是定义generator的另一种方法，如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通的函数，而是一个generator了

这里要注意的是函数与generator的执行流程是不一样的。我们知道函数是按照顺序执行的，遇到return的时候或者到了最后一行的时候就返回。而我们使用generator函数的时候，会在每次调用next（）的时候执行，遇到yield语句返回，再次执行的时候从上次返回的yield语句处继续执行。举一个例子说明：

调用generator的时候，首先要生成一个generator的对象，然后用next（）函数不断获得下一个返回值，我们也可以看到，在执行的过程中，每次遇到yield就会中断，下次又从上次中断的地方开始执行，到了第三次的时候，因为已经没有了yield，所以第四次调用的时候就会报错。也就是说在使用循环的时候，如果不加上限制条件，那么就会不断调用yield，产生一个无限数列出来。

我们可以得出以下结论：

一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。

yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。