yield

yield

yield 用来写生成器（generator） 。

函数里面一旦出现 yield，这个函数就不再是普通函数，调用它不会直接执行函数体，返回一个生成器对象（迭代器）。

return：直接返回结果，函数终止 。

yield：产出一个值，暂停当前函数，保存现场；下次迭代再从暂停位置继续往下跑。

最简单示例

def gen():
    yield 1
    yield 2
    yield 3

g = gen()   # 不会执行函数内部！拿到生成器对象
print(g)    # <generator object gen at ...>

print(next(g)) # 走到第一个yield，产出1，暂停 →输出1
print(next(g)) # 从暂停处继续，走到yield2，产出2 →输出2
print(next(g)) # 走到yield3，产出3 →输出3
print(next(g)) # 函数跑完，抛出 StopIteration

也可以 for 遍历：

for v in gen():
    print(v)
# 1  2  3

---

yield 和 return 的核心对比

• return val：返回值，函数直接结束，局部状态全部销毁。
• yield val：产出值，挂起函数，保存局部变量、执行位置；下次next恢复继续执行。

def f_ret():
    return 1
    return 2 # 永远跑不到

def f_yield():
    yield 1
    yield 2 # 可以跑到

带状态：yield会保存函数局部变量

def count():
    n = 0
    while n < 3:
        n += 1
        yield n

g = count()
print(next(g)) #1
print(next(g)) #2
print(next(g)) #3

n 的值被保存，不会每次调用重置。普通函数调用一次就销毁局部变量，生成器会保留现场。

关键坑：调用生成器函数不会跑代码

def gen():
    print("start")
    yield 1

gen()   # 啥都不打印！仅仅拿到生成器
g = gen()
next(g) # 这时才打印 start，产出1

---

结合之前学的 @contextmanager

from contextlib import contextmanager

@contextmanager
def demo():
    print("进入，获取资源")
    yield "传给as的值"   # ← with的as拿到这个值
    print("退出，释放资源")

with demo() as v:
    print(v)

执行流程：

1. 进入with，执行到 yield，产出值给v，函数暂停
2. 运行with缩进块里面业务代码
3. 离开with块，恢复生成器，执行yield后面的代码（释放资源）

⚠️ 如果with内部抛异常，异常会在yield位置抛出来。所以 @contextmanager 内部一般要包 try‑finally：

@contextmanager
def demo():
    print("获取")
    try:
        yield "xxx"
    finally:
        print("释放，一定执行")

如果不写try‑finally，with内部抛异常，yield后面的清理代码不会执行！

---

yield from（委托生成器）

把另一个生成器的所有值直接产出，不用手写循环：

def sub():
    yield 10
    yield 20

def main():
    yield from sub()
    yield 30

for x in main():
    print(x) #10,20,30

send()：向生成器发送值（进阶）

yield 可以作为表达式接收外部传入的值：

def gen():
    res = yield "a"
    print(f"收到:{res}")
    yield "b"

g = gen()
print(next(g))      #产出 a
print(g.send(666))  #把666传给 yield表达式，res=666，继续执行产出b

生成器优点：惰性求值

不是一次性把全部数据加载到内存，用一个算一个。处理超大文件、无限数据流非常好用，不占内存。

# 不会一次性生成100万元素，迭代一个算一个
def big_data(n):
    for i in range(n):
        yield i

for num in big_data(1_000_000):
    if num>10:
        break

极简总结

1. 函数写了yield →变成生成器函数 ；调用返回生成器对象，不执行函数体。
2. next() / for迭代，驱动函数运行，遇到yield就产出数据、暂停，保存现场。
3. yield暂停；return直接结束函数。
4. @contextmanager就是利用生成器：yield之前=进入上下文；yield之后=退出清理。清理逻辑必须放finally里，否则异常会跳过清理。
5. 惰性计算，适合大数据，内存友好。