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

python 复制代码
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:

python 复制代码
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。
python 复制代码
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

python 复制代码
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

python 复制代码
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

python 复制代码
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:

python 复制代码
@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:

python 复制代码
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:

python 复制代码
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。

python 复制代码
# 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。
相关推荐
达梦产品与服务5 小时前
SQLark V4.4 更新 | 新增 SQL Server 数据库支持、自定义格式复制、Agent 辅助建表等 20+ 项功能已上线!
数据库
Mh7 小时前
我是如何设计品牌站组件库的?
前端·css·设计模式
小Ti客栈7 小时前
MySQL 常用函数速查(完整篇)
数据库·mysql·adb
TomEval7 小时前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
隔窗听雨眠7 小时前
高可用不止于数据库的全栈工程实践
数据库·架构设计·高可用
程序员大阳7 小时前
副队长Vue3教程(2)--Vite 搭建 Vue 项目,认识目录结构
前端·javascript·vue.js·vite·创建项目·目录结构·项目结构
濮水大叔8 小时前
Cabloy/Zova 与 Next.js 的 SSR 水合差异
前端·typescript·next.js
prince_zxill8 小时前
PEP 751 pylock.toml 实测:pip 26.3 装 6 个包版本全钉死,但 [web] 选不中任何东西
python·pip·依赖管理·pep 751
SoaringHeart8 小时前
Flutter最佳实践:用 flutter_html 渲染富文本
前端·flutter