python中yield关键字的使用（附使用场景代码--conll文本数据读取）

通俗理解

1.当一个函数中带有yield关键字之后，这个函数就变成了一个生成器。当我们直接调用它时，返回的是一个生成器对象。

2.那么既然它是一个生成器，那么我们可以通过循环来调用它，来执行它内部的逻辑。那么关键来了，带yield关键字的生成器它的执行逻辑是怎样的呢？

总结来说那就是当我们在外部循环调用该生成器时，每次遇到yield关键字时，返回其后面的的返回值，一次循环结束，然后程序会停在这个地方。然后下一次循环开始的时候，程序会从上一次停止的地方开始继续执行，知道再次遇到yield关键字，返回结果，该次循环结束，程序再次停止在该地方。也就是说每一次遇到yield,就意味着完成一次循环过程，返回一个对象。当生成器循环结束时，经历几个yield关键字，就意味着生成器经历几轮的循环，返回几个对象。下面举一个简单的例子

def generator():
    for i in range(10):
        yield i
    yield 11
    yield 12

在这个生成器中，我首先定义了一个循环体，让它能够产生0-10之间的整数，然后我又单独定义了两个yield来生成11和12。如果我们在外部通过for循环来遍历这个生成器，最终就会生成0-12的遍历结果，对应着生成器内部的12个yield对象。

[i for i in generator()]

#执行结果
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12]

应用场景

在做机器学习项目时，必不可少的就是数据的读取。但是很多时候，特别是文本类型的数据，一条数据存储在多行中，而且行数各不相同。唯一的分隔就是一个空行。这个时候使用yield来循环读取数据就非常方便。下面展示了一个用yield定义生成器来读取conll文本数据。

首先先来看一下原始的文本格式：

每两条数据之间都通过一个空行隔开，每条数据包括文本（地址）以及标签（地址要素）中间用空格分开。OK，那我们具体该怎么读取每条数据呢？下面是我定义的一个读取函数（生成器）

#定义生成器读取conll格式文件
def read_conll_file(file_name):
        current_words = []
        current_tag_classes = []
        with open(file_name, encoding='utf-8') as conll:
            for line in conll:
                line = line.strip()
                if line:
                    word,tag_class = line.split(' ')
                    current_words.append(word)
                    current_tag_classes.append(tag_class)

                else:
                    yield (current_words, current_tag_classes)
                    current_words = []
                    current_tag_classes = []
            #将最后一部分buffer内容输出，针对文件最后一行非空的情况
            if current_tag_classes != []:
                yield (current_words, current_tag_classes)       
 
 #读取训练集和验证集
train_set=[(words,tag_classes) for (words,tag_classes) in read_conll_file('train.conll')]
dev_set=[(words,tag_classes) for (words,tag_classes) in read_conll_file('dev.conll')]  


len(train_set),len(dev_set)
# 结果
(8856, 1970)