python中yield的用法
在 Python 開發中，yield 關鍵字的使用其實較為頻繁，例如大集合的生成，簡化代碼結構、協程與并發都會用到它。
生成器
如果在一個方法內，包含了 yield 關鍵字，那么這個函數就是一個「生成器」。
生成器其實就是一個特殊的迭代器，它可以像迭代器那樣，迭代輸出方法內的每個元素。
我們來看一個包含 yield 關鍵字的方法：
# coding: utf8# 生成器 def gen(n):for i in range(n):yield ig = gen(5) # 創建一個生成器 print(g) # <generator object gen at 0x10bb46f50> print(type(g)) # <type 'generator'># 迭代生成器中的數據 for i in g:print(i)# Output: # 0 1 2 3 4注意，在這個例子中，當我們執行 g = gen(5) 時，gen 中的代碼其實并沒有執行，此時我們只是創建了一個「生成器對象」，它的類型是 generator。
然后，當我們執行 for i in g，每執行一次循環，就會執行到 yield 處，返回一次 yield 后面的值。
這個迭代過程是和迭代器最大的區別。
換句話說，如果我們想輸出 5 個元素，在創建生成器時，這個 5 個元素其實還并沒有產生，什么時候產生呢？只有在執行for循環遇到 yield 時，才會依次生成每個元素。
此外，生成器除了和迭代器一樣實現迭代數據之外，還包含了其他方法：
- generator.__next__()：執行 for 時調用此方法，每次執行到 yield 就會停止，然后返回 yield 后面的值，如果沒有數據可迭代，拋出 StopIterator 異常，for 循環結束
- generator.send(value)：外部傳入一個值到生成器內部，改變 yield 前面的值
- generator.throw(type[, value[, traceback]])：外部向生成器拋出一個異常
- generator.close()：關閉生成器
通過使用生成器的這些方法，我們可以完成很多有意思的功能。
next
先來看生成器的 __next__ 方法，我們看下面這個例子。
# coding: utf8def gen(n):for i in range(n):print('yield before')yield iprint('yield after')g = gen(3) # 創建一個生成器 print(g.__next__()) # 0 print('----') print(g.__next__()) # 1 print('----') print(g.__next__()) # 2 print('----') print(g.__next__()) # StopIteration# Output: # yield before # 0 # ---- # yield after # yield before # 1 # ---- # yield after # yield before # 2 # ---- # yield after # Traceback (most recent call last): # File "gen.py", line 16, in <module> # print(g.__next__()) # StopIteration # StopIteration在這個例子中，我們定義了 gen 方法，這個方法包含了 yield 關鍵字。然后我們執行 g = gen(3) 創建一個生成器，但是這次沒有執行 for 去迭代它，而是多次調用 g.__next__() 去輸出生成器中的元素。
我們看到，當執行 g.__next__()時，代碼就會執行到 yield 處，然后返回 yield 后面的值，如果繼續調用 g.__next__()，注意，你會發現，這次執行的開始位置，是上次 yield 結束的地方，并且它還保留了上一次執行的上下文，繼續向后迭代。
這就是使用 yield 的作用，在迭代生成器時，每一次執行都可以保留上一次的狀態，而不是像普通方法那樣，遇到 return 就返回結果，下一次執行只能再次重復上一次的流程。
生成器除了能保存狀態之外，我們還可以通過其他方式，改變其內部的狀態，這就是下面要講的 send 和 throw 方法。
send
上面的例子中，我們只展示了在 yield 后有值的情況，其實還可以使用 j = yield i 這種語法，我們看下面的代碼：
# coding: utf8def gen():i = 1while True:j = yield ii *= 2if j == -1:break此時如果我們執行下面的代碼：
for i in gen():print(i)time.sleep(1)輸出結果會是 1 2 4 8 16 32 64 ... 一直循環下去， 直到我們殺死這個進程才能停止。
這段代碼一直循環的原因在于，它無法執行到 j == -1 這個分支里 break 出來，如果我們想讓代碼執行到這個地方，如何做呢？
這里就要用到生成器的 send 方法了，send 方法可以把外部的值傳入生成器內部，從而改變生成器的狀態。
g = gen() # 創建一個生成器 print(g.__next__()) # 1 print(g.__next__()) # 2 print(g.__next__()) # 4 # send 把 -1 傳入生成器內部 走到了 j = -1 這個分支 print(g.send(-1)) # StopIteration 迭代停止當我們執行 g.send(-1) 時，相當于把 -1 傳入到了生成器內部，然后賦值給了 yield 前面的 j，此時 j = -1，然后這個方法就會 break 出來，不會繼續迭代下去。
throw
外部除了可以向生成器內部傳入一個值外，還可以傳入一個異常，也就是調用 throw 方法：
# coding: utf8def gen():try:yield 1except ValueError:yield 'ValueError'finally:print('finally')g = gen() # 創建一個生成器 print(g.__next__()) # 1 # 向生成器內部傳入異常 返回ValueError print(g.throw(ValueError))# Output： # 1 # ValueError # finally這個例子創建好生成器后，使用 g.throw(ValueError) 的方式，向生成器內部傳入了一個異常，走到了生成器異常處理的分支邏輯。
close
生成器的 close 方法也比較簡單，就是手動關閉這個生成器，關閉后的生成器無法再進行操作。
>>> g = gen() >>> g.close() # 關閉生成器 >>> g.__next__() # 無法迭代數據 Traceback (most recent call last):File "<stdin>", line 1, in <module> StopIterationclose 方法我們在開發中使用得比較少，了解一下就好。
使用場景
了解了 yield 和生成器的使用方式，那么 yield 和生成器一般用在哪些業務場景中呢？
下面我介紹幾個例子，分別是大集合的生成、簡化代碼結構、協程與并發，你可以參考這些使用場景來使用 yield。
大集合的生成
如果你想生成一個非常大的集合，如果使用 list 創建一個集合，這會導致在內存中申請一個很大的存儲空間，例如想下面這樣：
# coding: utf8def big_list():result = []for i in range(10000000000):result.append(i)return result# 一次性在內存中生成大集合 內存占用非常大 for i in big_list():print(i)這種場景，我們使用生成器就能很好地解決這個問題。
因為生成器只有在執行到 yield 時才會迭代數據，這時只會申請需要返回元素的內存空間，代碼可以這樣寫：
# coding: utf8def big_list():for i in range(10000000000):yield i# 只有在迭代時 才依次生成元素 減少內存占用 for i in big_list():print(i)簡化代碼結構
我們在開發時還經常遇到這樣一種場景，如果一個方法要返回一個 list，但這個 list 是多個邏輯塊組合后才能產生的，這就會導致我們的代碼結構變得很復雜：
# coding: utf8def gen_list():# 多個邏輯塊 組成生成一個列表result = []for i in range(10):result.append(i)for j in range(5):result.append(j * j)for k in [100, 200, 300]:result.append(k)return resultfor item in gen_list():print(item)這種情況下，我們只能在每個邏輯塊內使用 append 向 list 中追加元素，代碼寫起來比較啰嗦。
此時如果使用 yield 來生成這個 list，代碼就簡潔很多：
# coding: utf8def gen_list():# 多個邏輯塊 使用yield 生成一個列表for i in range(10):yield ifor j in range(5):yield j * jfor k in [100, 200, 300]:yield kfor item in gen_list():print(i)使用 yield 后，就不再需要定義 list 類型的變量，只需在每個邏輯塊直接 yield 返回元素即可，可以達到和前面例子一樣的功能。
我們看到，使用 yield 的代碼更加簡潔，結構也更清晰，另外的好處是只有在迭代元素時才申請內存空間，降低了內存資源的消耗。
協程與并發
還有一種場景是 yield 使用非常多的，那就是「協程與并發」。
如果我們想提高程序的執行效率，通常會使用多進程、多線程的方式編寫程序代碼，最常用的編程模型就是「生產者-消費者」模型，即一個進程 / 線程生產數據，其他進程 / 線程消費數據。
在開發多進程、多線程程序時，為了防止共享資源被篡改，我們通常還需要加鎖進行保護，這樣就增加了編程的復雜度。
在 Python 中，除了使用進程和線程之外，我們還可以使用「協程」來提高代碼的運行效率。
什么是協程？
簡單來說，由多個程序塊組合協作執行的程序，稱之為「協程」。
而在 Python 中使用「協程」，就需要用到 yield 關鍵字來配合。
可能這么說還是太好理解，我們用 yield 實現一個協程生產者、消費者的例子：
# coding: utf8def consumer():i = Nonewhile True:# 拿到 producer 發來的數據j = yield i print('consume %s' % j)def producer(c):c.__next__()for i in range(5):print('produce %s' % i)# 發數據給 consumerc.send(i)c.close()c = consumer() producer(c)# Output: # produce 0 # consume 0 # produce 1 # consume 1 # produce 2 # consume 2 # produce 3 # consume 3 ...這個程序的執行流程如下：
在這個例子中我們發現，程序在 producer 和 consumer 這 2 個函數之間來回切換執行，相互協作，完成了生產任務、消費任務的業務場景，最重要的是，整個程序是在單進程單線程下完成的。
總結
以上是生活随笔為你收集整理的python中yield的用法的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 三颗门牙可以做牙套吗
- 下一篇： 种植牙对身体健康的作用有哪些