python中yield的用法详解——最简单，最清晰的解释

### Python中`yield`的关键概念与使用详解 #### 前言 在Python编程语言中，`yield`关键字提供了一种高效且灵活的方式来处理大型数据集或无限序列，尤其是在涉及迭代器、生成器等概念时更为突出。本文将详细介绍`yield`的工作原理以及如何在实际开发中有效利用它。 #### `yield`的基础理解 在讨论`yield`之前，我们需要明确几个基础概念： 1. **函数(Function)**：传统意义上的Python函数，当被调用时会执行一系列预定义的操作并返回结果。 2. **迭代器(Iterator)**：实现了迭代协议的对象，即拥有`__iter__()`和`__next__()`方法。迭代器可以用来遍历集合中的元素，每次调用`next()`方法时返回下一个元素。 3. **生成器(Generator)**：一种特殊的迭代器，由带有`yield`关键字的函数创建。生成器函数不会立即执行其内部代码，而是返回一个可以迭代的对象。每当调用`next()`或`send()`方法时，函数从上次暂停的位置继续执行直到遇到下一个`yield`语句。 `yield`关键字是生成器的核心，它使函数能够暂停执行并返回一个值，同时保留函数的状态。这意味着函数可以在后续的调用中从暂停处恢复执行，而不是像普通函数那样重新开始。 #### `yield`的基本用法 以下是一个基本的`yield`示例： ```python def foo(): print("starting") while True: res = yield 4 print("res:", res) g = foo() print(next(g)) print("*" * 20) print(next(g)) ``` **输出结果**: ``` starting 4 ******************** res: None 4 ``` **分析**: 1. **初始化生成器**: `g = foo()`，这里并没有立即执行`foo()`函数内的任何代码，而是创建了一个生成器对象`g`。 2. **第一次`next()`调用**: - 执行`foo()`函数内部的代码直到遇到第一个`yield`语句。 - 输出`starting`，然后`yield 4`，返回4，并暂停函数执行。 - `print(next(g))`打印出4。 3. **第二次`next()`调用**: - 从上次暂停的位置继续执行。 - `yield`表达式右侧的`res`变量默认值为`None`，因为上一次`yield`没有接收到任何值。 - 输出`res: None`，然后`yield 4`，返回4，并再次暂停函数执行。 - `print(next(g))`打印出4。 #### `yield`的高级特性 除了基本的`yield`用法之外，我们还可以利用`send()`方法向生成器发送值，从而进一步控制生成器的行为。 以下是一个使用`send()`的示例： ```python def foo(): print("starting") while True: res = yield 4 print("res:", res) g = foo() print(next(g)) print("*" * 20) print(g.send(7)) ``` **输出结果**: ``` starting 4 ******************** res: 7 4 ``` **分析**: 1. **初始化生成器**: `g = foo()`，创建生成器对象`g`。 2. **第一次`next()`调用**: - 输出`starting`，然后`yield 4`，返回4，并暂停函数执行。 - `print(next(g))`打印出4。 3. **`send()`调用**: - `g.send(7)`会继续从上次暂停的位置执行，并将7赋值给`res`。 - 输出`res: 7`，然后`yield 4`，返回4，并再次暂停函数执行。 - `print(g.send(7))`打印出4。 #### 总结 通过以上示例我们可以看出，`yield`关键字使得Python函数能够像迭代器一样工作，允许函数在执行过程中保存状态并在后续调用中恢复。此外，通过`send()`方法，我们可以更灵活地控制生成器的状态和行为。这为处理大量数据或实现复杂的流式处理逻辑提供了极大的便利。理解并掌握`yield`的使用，对于提升Python编程技巧至关重要。