Python学不会来打我(37)yield关键字详解，一篇讲清所有知识点
在Python中，yield 关键字 是生成器（Generator）的核心组成部分。它使得函数可以“暂停执行”，并在后续调用时“继续执行”，从而实现了一种轻量级的协程机制。
本文将详细讲解 yield 的功能、使用方法、常见场景，并通过大量示例帮助你全面掌握这一重要概念。无论你是刚入门的新手，还是想深入理解生成器原理的开发者，这篇文章都能为你提供清晰的知识体系和实践指导。
一、什么是 yield？
yield 是一个关键字，用于定义生成器函数。当一个函数中包含 yield 表达式时，该函数就不再是普通的函数，而是一个生成器函数。
普通函数 vs 生成器函数
二、yield的基本使用方法
示例1：最简单的生成器函数
def simple_generator():
yield "Hello"
yield "World"
yield "!"
# 调用生成器函数
gen = simple_generator()
print(next(gen)) # 输出 Hello
print(next(gen)) # 输出 World
print(next(gen)) # 输出 !
print(next(gen)) # 抛出 StopIteration 异常注意：生成器函数不会立即执行其代码，而是返回一个生成器对象。只有在调用 next() 或使用 for 循环时才会逐步执行。
示例2：带循环的生成器函数
def count_up_to(n):
i = 1
while i <= n:
yield i
i += 1
# 使用 for 循环遍历生成器
for num in count_up_to(5):
print(num)输出：
1
2
3
4
5在这个例子中，count_up_to 函数会逐个返回数字，而不是一次性把列表全部构建出来，节省了内存空间。
三、yield的工作机制
生成器之所以能实现“按需生成”，是因为它内部维护了一个状态机。每当遇到 yield 语句时，函数会暂停执行，并保存当前的状态；下次调用 next() 时，函数从中断处继续执行。
示例3：yield与状态保持
def stateful_generator():
value = 0
while True:
value += 1
yield value
gen = stateful_generator()
print(next(gen)) # 输出 1
print(next(gen)) # 输出 2
print(next(gen)) # 输出 3每次调用 next(gen)，函数都会从上次 yield 的位置继续执行，保留了 value 的状态。
四、yield的高级用法
除了基本的 yield 表达式，我们还可以利用以下特性来增强生成器的功能：
1. yield表达式赋值 —— 实现双向通信
def echo():
while True:
received = yield
print("收到:", received)
gen = echo()
next(gen) # 启动生成器
gen.send("你好") # 发送数据
gen.send("再见")输出：
收到: 你好
收到: 再见注意：第一次必须调用 next() 或 send(None) 来启动生成器。
2. throw() 方法 —— 在生成器中抛出异常
def my_gen():
try:
yield 1
yield 2
except ValueError:
print("捕获到异常")
gen = my_gen()
print(next(gen)) # 输出 1
gen.throw(ValueError) # 触发异常输出：
1
捕获到异常这个功能可用于在生成器中处理错误或中断流程。
3. close() 方法 —— 关闭生成器
def infinite_gen():
while True:
yield "Hello"
gen = infinite_gen()
print(next(gen)) # Hello
gen.close() # 终止生成器调用 close() 会触发 GeneratorExit 异常，确保生成器释放资源。
五、yield的应用场景
场景1：惰性求值与大数据处理
当我们需要处理非常大的数据集时，一次性加载所有数据会占用大量内存。使用 yield 可以实现按需生成，节省内存。
def read_large_file(file_path):
with open(file_path, 'r', encoding='utf-8') as f:
for line in f:
yield line.strip()
for line in read_large_file('big_data.txt'):
print(line)场景2：无限序列生成器
比如斐波那契数列、质数生成等。
def fibonacci():
a, b = 0, 1
while True:
yield a
a, b = b, a + b
fib = fibonacci()
for _ in range(10):
print(next(fib))输出前10个斐波那契数：
0
1
1
2
3
5
8
13
21
34场景3：协程（Coroutine）与异步编程
生成器可以作为协程使用，在异步编程中有广泛应用。
def consumer():
while True:
item = yield
print("消费了:", item)
def producer(consumer_gen):
for i in range(5):
print("生产了:", i)
consumer_gen.send(i)
prod = producer(consumer())
next(prod) # 启动协程场景4：懒加载与资源控制
例如数据库查询结果分页获取。
def query_database(limit=10):
offset = 0
while True:
results = fetch_from_db(offset, limit)
if not results:
break
for row in results:
yield row
offset += limit六、yield的优点与注意事项
优点：
- 节省内存：不一次性加载所有数据
- 支持惰性求值：只在需要时计算
- 状态自动保存：无需手动管理变量状态
- 可组合性强：多个生成器可以串联使用，构建复杂流程
注意事项：
- 不可重复使用：一旦遍历完成就“耗尽”
- 不能索引访问：不像列表那样可以直接通过下标取值
- 学习曲线略陡：特别是涉及 send / throw / close 时
- 调试困难：由于函数是分段执行的，调试时不易追踪流程
七、yield与return的区别
八、yield与生成器表达式的区别
除了生成器函数，我们还可以使用生成器表达式创建简洁的生成器。
示例：生成器表达式 vs 列表推导式
# 列表推导式：一次性生成所有元素
squares_list = [x*x for x in range(10)]
print(squares_list) # 输出完整列表
# 生成器表达式：按需生成
squares_gen = (x*x for x in range(10))
print(squares_gen) # <generator object ...>两者区别在于：
- 列表推导式一次性生成整个列表，占用内存
- 生成器表达式只在需要时计算下一个值，节省内存
九、总结
yield 是 Python 中实现生成器和协程的关键字。它让我们能够轻松地编写出高效、灵活的数据处理逻辑，尤其适合处理大数据、流式数据、异步任务等场景。
通过本文的学习，你应该已经掌握了：
- yield 的基本语法和工作原理
- 如何定义生成器函数并使用 next() 和 for 遍历
- yield 的高级用法（send、throw、close）
- 常见应用场景（大文件处理、无限序列、协程等）
- yield 与 return、生成器表达式的异同点
作为 Python 初学者，建议你在练习中多尝试使用 yield 来优化代码结构，提升性能，并结合实际需求进行拓展。
希望这篇文章能帮助你在 Python 编程之路上越走越远！