python中的yeild

生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。

生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。

生成器的特点：

     生成器是一个函数，而且函数的参数都会保留。

     迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的

在Python中，yield就是这样的一个生成器。

yield 生成器的运行机制：

当你问生成器要一个数时，生成器会执行，直至出现 yield 语句，生成器把 

     yield 的参数给你，之后生成器就不会往下继续运行。 当你问他要下一个数时，他会从上次的状态。开始运行，直至出现yield语句，把参数给你，之后停下。如此反复直至退出函数。（以上关于yield的描述，在后面列举一个简单的例子来解释这段话）

yield的使用：

在python中，当你定义一个函数，使用了yield关键字时，这个函数就是一个生成器，它的执行会和其他普通的函数有很多不同，函数返回的是一个对象，而不是你平常所用return语句那样，能得到结果值。如果想取得值，那得调用next()函数，如：

[python]  view plain  copy

 print ?

1. c = h() #h()包含了yield关键字  
2. #返回值  
3. c.next()  

每当调用一次迭代器的next函数，生成器函数运行到yield之处，返回yield后面的值且在这个地方暂停，所有的状态都会被保持住，直到下次next函数被调用，或者碰到异常循环退出。

下面，来看看以下的例子代码吧，是用来说明yield运行机制的。

[python]  view plain  copy

 print ?

1. def fib(max):  
2.     a, b = 1, 1  
3.     while a < max:  
4.         yield a #generators return an iterator that returns a stream of values.  
5.         a, b = b, a+b  

程序运行：

[python]  view plain  copy

 print ?

1. for n in fib(15):  
2.     print n  

从前面的运行机制描述中，可以获知，程序运行到yield这行时，就不会继续往下执行。而是返回一个包含当前函数所有参数的状态的iterator对象。目的就是为了第二次被调用时，能够访问到函数所有的参数值都是第一次访问时的值，而不是重新赋值。

程序第一次调用时：

[python]  view plain  copy

 print ?

1. def fib(max):  
2.     a, b = 1, 1  
3.     while a < max:  
4.         yield a #这时a,b值分别为1,1，当然，程序也在执行到这时，返回  
5.         a, b = b, a+b  

程序第二次调用时：

从前面可知，第一次调用时，a,b=1,1，那么，我们第二次调用时（其实就是调用第一次返回的iterator对象的next()方法），程序跳到yield语句处，

执行a,b = b, a+b语句，此时值变为：a,b = 1, (1+1) => a,b = 1, 2

程序继续while循环，当然，再一次碰到了yield a 语句，也是像第一次那样，保存函数所有参数的状态，返回一个包含这些参数状态的iterator对象。

等待第三次的调用....

[python]  view plain  copy

 print ?

1. def fib(max):  
2.     a, b = 1, 1  
3.     while a < max:  
4.         yield a   
5.         a, b = b, a+b  

通过上面的分析，可以一次类推的展示了yield的详细运行过程了！

通过使用生成器的语法，可以免去写迭代器类的繁琐代码，如，上面的例子使用迭代类来实现，代码如下：

[python]  view plain  copy

 print ?

1. class Fib:  
2.     def __init__(self, max):  
3.         self.max = max  
4.     def __iter__(self):  
5.         self.a = 0  
6.         self.b = 1  
7.         return self  
8.     def next(self):  
9.         fib = self.a  
10.         if fib > self.max:  
11.             raise StopIteration  
12.         self.a, self.b = self.b, self.a + self.b  
13.         return fib  

yield其他例子展示：排列，组合

#生成全排列    

[python]  view plain  copy

 print ?

1. def perm(items, n = None):  
2.     if n is None:  
3.         n = len(items)  
4.     for i in range(len(items)):  
5.         v = items[i:i+1]  
6.         if n==1:  
7.             yield v  
8.         else:  
9.             rest = items[:i] + items[i+1:]  
10.             for p in perm(rest, n-1):  
11.                 yield v + p  
12. def comb(items, n = None):  
13.     if n is None:  
14.         n = len(items)  
15.     else:  
16.         for i in range(len(items)):  
17.             v = items[i:i+1]  
18.             if 1 == n:  
19.                 yield v  
20.             else:  
21.                 rest = items[i+1:]  
22.                 for c in comb(rest, n-1):  
23.                     yield v + c  

另一个 yield 的例子来源于文件读取。如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取：

清单 9. 另一个 yield 的例子

 def read_file(fpath): 
    BLOCK_SIZE = 1024 
    with open(fpath, 'rb') as f: 
        while True: 
            block = f.read(BLOCK_SIZE) 
            if block: 
                yield block 
            else: 
                return