python中的yield关键字

yield 是把一个普通函数变成 生成器函数 的关键字。它的核心作用是：产出一个值并“暂停”函数执行，保留当前局部状态；下次继续从暂停处往下执行。因此：
• return：一次性返回，函数结束。
• yield：返回一个值但不结束，下次迭代再继续（直到遇到 return 或运行到结尾）。

什么时候用 yield
1. 惰性计算、节省内存：一次产出一个值，而不是一次把所有结果装进列表。
2. 可中断/可恢复的流程：生成器在每次 yield 处暂停、恢复。
3. 数据管道：一段一段处理大文件/网络数据。
4. （进阶）协程风格：配合 .send() 向生成器“反向传值”。
5. （进阶）委托：用 yield from 把迭代转发给子生成器。

⸻

基础示例：把函数变成生成器

def squares(n):
    for i in range(n):
        yield i * i  # 每次产出一个值并暂停

g = squares(3)       # 只是创建生成器，不执行
next(g)              # -> 0
next(g)              # -> 1
next(g)              # -> 4

再 next 会 StopIteration（生成器耗尽）

实际使用更常见的是：

for x in squares(5):
    print(x)

流式处理/节省内存

def read_chunks(path, size=8192):
    with open(path, "rb") as f:
        while True:
            buf = f.read(size)
            if not buf:
                return         # 或者写 `break`，生成器结束
            yield buf         # 一块一块读，适合大文件

与 return 的关系
• 生成器里 return 会结束生成器；
• Python 3.3+ 允许 return value，这个 value 只能被 yield from 的调用方拿到（见下例）。

进阶一：send() 做“协程式”通信

你可以把值“发回去”给上一次 yield 表达式：

def averager():
    total = count = 0
    avg = None
    while True:
        x = yield avg      # 程序在这里暂停，等待外部 send(x)
        total += x
        count += 1
        avg = total / count

g = averager()
next(g)            # 先“预热”，让生成器跑到第一个 yield
print(g.send(10))  # -> 10.0
print(g.send(20))  # -> 15.0
print(g.send(30))  # -> 20.0

注意：未启动的生成器不能直接 send(非 None)，必须先 next(g) 或 g.send(None)。

进阶二：yield from 委托给子生成器（PEP 380）
• 扁平化子迭代器的 yield；
• 透传 .send()/.throw()/.close()；
• 接收子生成器的 return value。

def sub():
    yield 1
    yield 2
    return "done"   # 返回值供外层拿

def outer():
    result = yield from sub()  # 把迭代委托给 sub()
    print("sub returned:", result)

for _ in outer():
    pass

迭代过程中会产出 1、2；结束时打印：sub returned: done

异步生成器（了解即可）

在 async def 里用 yield 会得到 异步生成器，需要 async for 消费：

import asyncio

async def ticker(n):
    for i in range(n):
        yield i
        await asyncio.sleep(1)

async def main():
    async for x in ticker(3):
        print(x)

asyncio.run(main())

常见坑
• 只拿到生成器对象：忘了迭代它（for、next()、list()）。
• 启动时 send：首次必须 next(g) 或 send(None)。
• 在 preload_app/多进程场景：把不可 fork 的资源（线程池/连接）放到启动钩子里，不要在定义生成器的模块顶层就执行。
• StopIteration 传播：不要在生成器内部显式 raise StopIteration（PEP 479 约束）；用 return 结束。
• lambda 里不能用 yield。

⸻

小抄
• 想要“边算边用、少占内存” → 用 yield。
• 想把多个迭代器拼起来/代理 → 用 yield from。
• 想双向通信（把值送回生成器） → 用 .send()；先预热。
• 需要把生成器结果一次性收集 → list(gen) 或 for 循环。