Yield？

总的来说，yield关键字和return关键字有相似之处，但其工作机制却大相径庭。想要完整地理解yield的工作机制，我们首先需要明白什么是generator。而为了明白什么是generator，我们需要明白什么是iterable。

本文接下来将首先给出一种理解含yield关键字的函数/代码的便捷方法。然后讨论iterable和generator。接着在此基础上讨论yield的工作机制。

理解yield关键字的葵花宝典

在遇到一段含有yield的函数的代码时，使用如下方法我们就可以轻松的读懂这个函数。

1. 在函数开头插入result = []
2. 将所有的yield表达式替换成result.append(表达式)
3. 在函数结尾插入return result
4. 此时这段代码已经变为不含yield的普通代码， 重读一遍代码就可以轻松理解该函数了
5. 和原代码对比一下，理解yield的意义是什么

通过这种方法我们可以理解函数的逻辑是什么，但是实际上yield的工作机制和用list替换实现的工作机制是非常不同的。在某些情况下，使用yield关键字从内存和运行时间角度看都更加高效。在另外一些情况下，即使原本的代码工作良好，使用本方法替换yield却可能会导致死循环的产生。

iterable 和 iterator

for ele in mylist:
    loop body

在Python中，任何可以使用for ... in ...模式进行循环的对象都是iterable。例如list, string, file等。或者说，在Python中，实现了__iter()__方法的类实例都是iterable。__iter()__方法需要返回一个iterator。iterator指的是实现了next()方法的对象。在一个类中同时实现__iter()__和next()是合法的。这种情况下__iter()__只需要返回self即可。在简单的应用中这样做没有问题。但是如果我们想要同时使用两个或两个以上的iterator同时循环同一个对象，这种模式就无法满足要求了。

换句话说，iterable是任何你能通过调用iter()方法得到iterator的对象。而iterator是你用来循环iterable对象的对象。

for ele in mylist在Python中的工作模式如下：

1. 得到一个mylist的iterator：调用iter(mylist)-->该方法返回一个实现了next()方法（Python3中为__next()__）的对象（iterator)。
2. 使用该iterator逐个循环mylist中的项目：不断调用iterator中的next()方法。next()方法的返回值被赋给ele，然后执行loop body中的语句。如果iterator中所有元素都已被循环，则next()方法抛出StopIteration异常，意味着循环结束。

事实上，Python在任何执行循环的时候都会执行以上两部——可能是在显式地for循环中，也可能是otherlist.extend(mylist)这样含有隐式循环的操作（其中otherlist是一个list）。

所以Python中的iterable有如下几种：

1. Python中可使用for ... in ...循环的对象：list, dict, string, files。
2. 用户自定义的实现了iter()方法的类实例。
3. Generator。

需要注意的是，Python中的for循环并不关心它处理的是以上哪一种情况。只要其处理的是可以通过next()方法逐个调用元素的iterator，for循环就可以正常工作。例如我们使用for循环逐个访问list中的元素，dict中的key，file中的行，等等。

generator

generator的功能实际上同iterator完全相同，但其与iterator的区别在于generator中的元素只能被循环一次。这是因为generator不会在内存中存储全部的元素，而是动态地产生下一个将被循环的元素。

# 这是一个iterator
>>> mylist = [x * x for x in range(3)]
>>> for ele in mylist:
...     print(ele)
0
1
4

# 这是一个generator
>>> mylist = (x * x for x in range(3))
>>> for ele in mylist:
...     print(ele)
0
1
4

可以看出，只需要将[]换成()我们就得到了一个generator。与iterator不同的是，对于generator，我们只能调用一次for ele in mylist。因为generator将先计算0，然后删除这部分内容；再计算1，然后再删除这部分内容，等等。也就是说generator不会在内存中保存任何之前已经循环过的元素的值。

yield

yield关键字的用法类似于return，但是区别在于yield关键使得函数返回一个generator对象。看如下示例代码。

def createGenerator():
    yield 1
    yield 2
    yield 3

myGenerator = createGenerator()
print(myGenerator) #(1)

for ele in myGenerator:
    print(ele) #(2)

print(myGenerator.next())

上述代码的三个输出结果分别为：

<generator object createGenerator at 0x1010b1960> #(1)

1
2
3
#(2)

Traceback (most recent call last):
  File "<stdin>", line 12, in <module>
StopIteration
#(3)

从输出结果我们可以看出，yield关键字返回了一个generator，且generator只能被循环一次。

当createGenerator()被调用的时候，事实上其不会返回yield语句中的任何值。该函数返回的其实是一个generator对象。并且函数事实上也并没有退出，而是处于一种暂停的状态。当我们使用for循环来遍历generator的时候，函数将会从暂停的状态恢复，并继续执行之前最后执行的yield语句后面的代码。在createGenerator()中也就是下一行yield语句，然后将yield中的值返回给for循环。这个过程会持续到函数执行至结尾退出之前（函数退出，或者说generator为空意味着函数持续运行但无法发现yield语句。这可能是由于函数已经执行至结尾，也可能是因为我们的函数中包含的if/else条件无法被继续满足）。此时generator会抛出StopIteration异常，for循环结束。需要注意的是，在for循环第一次调用generator时，函数将会从开头执行至第一个yield并返回该语句中的值。

相反，如果我们用return代替createGenerator()中的yield，则函数中只有第一行会被执行，函数返回1后就会结束。

从某种程度上来说，generator的作用类似于一个适配器。一方面其next()方法使得for循环能够逐个取得下一个值。另一方面，它将函数执行至恰好取得下一个值的部分，然后将函数重新置为暂停状态。

为什么使用generator?

通常情况下，我们可以写出不使用generator但是实现完全相同的逻辑的代码。方法之一就是使用前面替换yield关键字的list方法。但这种方法并不是永远都有效。比如当我们有无限长的循环的时候；并且如果list非常大的话，这种方法对内存的利用效率非常低。

另一种方法是实现另一个iterable类并利用这个类中的实例成员记录状态。利用这个类中实现的next()方法（Python3中的__next()__）来实现逐个循环的操作。根据逻辑设计的需要，next()中的代码块可能会非常复杂并且容易产生bug。这种情况下，使用generator也可以提供干净利落的解决方法。

控制generator元素的耗尽

>>> class Bank(): # let's create a bank, building ATMs
...    crisis = False
...    def create_atm(self):
...        while not self.crisis:
...            yield "$100"
>>> hsbc = Bank() # when everything's ok the ATM gives you as much as you want
>>> corner_street_atm = hsbc.create_atm()
>>> print(corner_street_atm.next())
$100
>>> print(corner_street_atm.next())
$100
>>> print([corner_street_atm.next() for cash in range(5)])
['$100', '$100', '$100', '$100', '$100']
>>> hsbc.crisis = True # crisis is coming, no more money!
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> wall_street_atm = hsbc.create_atm() # it's even true for new ATMs
>>> print(wall_street_atm.next())
<type 'exceptions.StopIteration'>
>>> hsbc.crisis = False # trouble is, even post-crisis the ATM remains empty
>>> print(corner_street_atm.next())
<type 'exceptions.StopIteration'>
>>> brand_new_atm = hsbc.create_atm() # build a new one to get back in business
>>> for cash in brand_new_atm:
...    print cash
$100
$100
$100
$100
$100
$100
$100
$100
$100
...

在某些需要控制对某个资源的获取的时候，这个方法可能会有用。