Python 生成器函数详解

在 Python 中，有一种非常神奇的函数：生成器函数（Generator Function） 。它既像函数，又像一个"能记住中间状态"的魔法盒子，处理大数据流时特别好用！

本篇文章会一步一步带你搞懂生成器函数到底是个啥，有啥用，怎么写，怎么用。

参考文章：Python 迭代器 | 简单一点学习 easyeasy.me

---

目录

1. 什么是生成器函数？
2. 普通函数 vs 生成器函数
3. yield 是啥？怎么用？
4. 用 for 遍历生成器函数
5. yield 与 return 的区别
6. 用 next() 手动调用生成器
7. yield from：更优雅地嵌套生成器
8. 生成器函数的应用场景
9. 注意事项与陷阱
10. 小结和写法建议

---

1. 什么是生成器函数？

生成器函数，就是一种用 yield 而不是 return 返回值的函数 。它的作用是：每次调用返回一个值，但不会退出函数，而是暂停在当前位置，下一次继续从暂停处执行。

举个栗子：

def my_gen():
    yield 1
    yield 2
    yield 3

调用这个函数时，它不会立马执行，而是返回一个生成器对象：

g = my_gen()
print(g)  # <generator object my_gen at ...>

---

2. 普通函数 vs 生成器函数

特性	普通函数	生成器函数
使用关键字	return	yield
返回什么	一次性返回所有结果	每次返回一个值
内存消耗	可能较大	非常省内存
可暂停执行	❌ 不可以	✅ 可以暂停并恢复执行

---

3. yield 是啥？怎么用？

yield 是生成器函数的灵魂。它会把函数暂停，把值"送"出去，并等待下一次调用。

def count_up_to(max):
    count = 1
    while count <= max:
        yield count
        count += 1

用法：

for num in count_up_to(3):
    print(num)

输出：

1
2
3

每次 yield 一个值，下一轮从 yield 的下一行接着运行。

---

4. 用 for 遍历生成器函数

这是最常见的用法。其实背后是迭代器的原理（用 next() 一点点去取），但你不用管这些，只管像遍历列表一样用就行：

def gen_words():
    yield "hello"
    yield "world"

for word in gen_words():
    print(word)

输出：

hello
world

---

5. yield 与 return 的区别

对比点	yield	return
暂停函数	✅ 是	❌ 否（直接结束函数）
返回值	一次一个	一次性全部
多次调用	每次从上次 yield 后继续	每次都重新开始

例子对比：

def func_return():
    return 1
    return 2  # 永远不会执行

def func_yield():
    yield 1
    yield 2

---

6. 用 next() 手动调用生成器

可以不用 for，直接用 next() 来一个一个取值：

g = (x * 2 for x in range(3))
print(next(g))  # 0
print(next(g))  # 2
print(next(g))  # 4
# print(next(g))  # StopIteration

对生成器函数也是一样：

def simple_gen():
    yield "A"
    yield "B"

g = simple_gen()
print(next(g))  # A
print(next(g))  # B

---

7. yield from：更优雅地嵌套生成器

如果你要在一个生成器中调用另一个生成器，可以用 yield from 代替一大堆 for 循环。

传统写法：

def outer():
    for val in [1, 2, 3]:
        yield val

更简洁写法：

def outer():
    yield from [1, 2, 3]

也支持嵌套生成器函数：

def gen1():
    yield "A"
    yield "B"

def gen2():
    yield from gen1()
    yield "C"

for x in gen2():
    print(x)

输出：

A
B
C

---

8. 生成器函数的应用场景

生成器函数在处理大量数据 或流式数据时非常好用：

📄 场景1：按行读取大文件

def read_large_file(path):
    with open(path, "r") as f:
        for line in f:
            yield line.strip()

🔢 场景2：无限序列（如斐波那契）

def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

f = fib()
for _ in range(10):
    print(next(f))

🎲 场景3：模拟数据流或日志流

import time

def log_stream():
    count = 0
    while True:
        yield f"log line {count}"
        count += 1
        time.sleep(1)

---

9. 注意事项与陷阱

• 🚫 生成器只能遍历一次，想再用得重新生成
• ❗不能随便混用 yield 和 return，尤其是在同一个代码路径上
• ⛔ yield 后的函数不会立马执行，只有取值时才会跑
• 📉 如果里面抛异常没处理，会导致整个生成器终止

---

10. 小结和写法建议

🔑 关键词记牢：

• yield 产生一个值，函数暂停
• next() 继续执行生成器
• yield from 简化嵌套
• 生成器 = 惰性计算 + 节省内存 + 逻辑清晰

✅ 什么时候用生成器函数？

• 数据太大不能一次加载
• 想要按需生成值（比如实时日志、数据流）
• 想写更优雅的代码逻辑，减少临时变量