本文目录一览：
闲话python 45: 浅谈生成器yield
生成器似乎并不是一个经常被开发者讨论的语法，因此也就没有它的大兄弟迭代器那么著名。大家不讨论它并不是说大家都已经对它熟悉到人尽皆知，与之相反，即使是工作多年的开发者可能对生成器的运行过程还是知之甚少。这是什么原因导致的呢？我猜想大概有以下几点原因： (1)运行流程不同寻常，(2)日常开发不需要，(3)常常将生成器与迭代器混淆。 生成器的运行流程可以按照协程来理解，也就是说 返回中间结果，断点继续运行 。这与我们通常对于程序调用的理解稍有差异。这种运行模式是针对什么样的需求呢？ 一般而言，生成器是应用于大量磁盘资源的处理。 比如一个很大的文件，每次读取一行，下一次读取需要以上一次读取的位置为基础。下面就通过代码演示具体看看生成器的运行机制、使用方式以及与迭代器的比较。
什么是生成器？直接用文字描述可能太过抽象，倒不如先运行一段代码，分析这段代码的运行流程，然后总结出自己对生成器的理解。
从以上演示可以看出，这段代码定义了一个函数，这个函数除了yield这个关键字之外与一般函数并没有差异，也就是说生成器的魔法都是这个yield关键字引起的。 第一点，函数的返回值是一个生成器对象。 上述代码中，直接调用这个看似普通的函数，然后将返回值打印出来，发现返回值是一个对象，而并不是普通函数的返回值。 第二点，可以使用next对这个生成器对象进行操作 。生成器对象天然的可以被next函数调用，然后返回在yield关键字后面的内容。 第三，再次调用next函数处理生成器对象，发现是从上次yield语句之后继续运行，直到下一个yield语句返回。
生成器的运行流程确实诡异，下面还要演示一个生成器可以执行的更加诡异的操作：运行过程中向函数传参。
返回生成器和next函数操作生成器已经并不奇怪了，但是在函数运行过程中向其传参还是让人惊呆了。 调用生成器的send函数传入参数，在函数内使用yield语句的返回值接收，然后继续运行直到下一个yield语句返回。 以前实现这种运行流程的方式是在函数中加上一个从控制台获取数据的指令，或者提前将参数传入，但是现在不用了，send方式使得传入的参数可以随着读取到的参数变化而变化。
很多的开发者比较容易混淆生成器和迭代器，而迭代器的运行过程更加符合一般的程序调用运行流程，因此从亲进度和使用熟悉度而言，大家对迭代器更有好感。比如下面演示一个对迭代器使用next方法进行操作。
从以上演示来看，大家或许会认为迭代器比生成器简单易用得太多了。不过，如果你了解迭代器的实现机制，可能就不会这么早下结论了。python内置了一些已经实现了的迭代器使用确实方便，但是如果需要自己去写一个迭代器呢？下面这段代码就带大家见识以下迭代器的实现。
在python中，能被next函数操作的对象一定带有__next__函数的实现，而能够被迭代的对象有必须实现__iter__函数。看了这么一段操作，相信大家对迭代器实现的繁琐也是深有体会了，那么生成器的实现是不是会让你觉得更加简单易用呢？不过千万别产生一个误区，即生成器比迭代器简单就多用生成器。 在实际开发中，如果遇到与大量磁盘文件或者数据库操作相关的倒是可以使用生成器。但是在其他的任务中使用生成器难免有炫技，并且使逻辑不清晰而导致可读性下降的嫌疑。 这大概也能解释生成器受冷落的原因。不过作为一个专业的开发者，熟悉语言特性是分内之事。
到此，关于生成器的讨论就结束了。本文的notebook版本文件在github上的cnbluegeek/notebook仓库中共享，欢迎感兴趣的朋友前往下载。
学 Python 怎能不知 yield？
理解yield 的 generator 概念，首先以一个常见的编程题目来展示 yield 的概念。
斐波那契（Fibonacci）数列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契数列的前 N 个数是一个非常简单的问题，有些 Python 基础的小伙伴都可以轻易写出如下函数：
第 1 版本：简单输出斐波那契数列前 N 个数
执行以上代码，我们可以得到如下输出：
输出结果是没有问题的，但是版本 1 中的写法是直接在 createNum 函数中用 print 打印数字会导致该函数可复用性较差，因为 createNum 函数返回 None，其他函数无法获得该函数生成的数列。
要提高 createNum 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。以下是 createNum 函数改写后的第二个版本：
第 2 版本：输出斐波那契数列前 N 个数
该版本中 createNum 函数返回的 List的结果如下：
改写后的 createNum 函数通过返回 List 能满足复用性的要求，但是与此同时也会存在一个明显的问题是：该函数在运行中占用的内存会随着参数 count 的增大而增大，如果要控制内存占用，最好不要用 List 来保存中间结果，而是通过 iterable 对象来迭代。在每次迭代中返回下一个数值，如此：内存空间占用很小。因为是直接返回一个 iterable 对象。
第 3 版本：使用 yield 输出斐波那契数列前 N 个数
也可以手动调用 createNum(5) 的 next() 方法（因为 createNum(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 createNum 的执行流程：
第 4 版本：执行流程
运行以上代码，结果输出如下：
由输出结果可发现在执行第 6 个 print(next(num)) 时抛出一个 StopIteration 的异常，是因为在第 5 个 print(next(num)) 执行完时函数已经结束，再执行第 6 个print(next(num))时，generator 自动抛出 StopIteration 异常，表示迭代完成。在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。
简单地讲，yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator，调用 createNum(5) 不会执行 createNum 函数，而是返回一个 iterable 对象！
在 for 循环执行时，每次循环都会执行 createNum 函数内部的代码，执行到 yield b 时，createNum 函数就会返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。
一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，并返回一个迭代值，下次执行时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
yield 的好处是显而易见的，把一个函数改写为一个 generator 就获得了迭代能力，比起用类的实例保存状态来计算下一个 next() 的值，不仅代码简洁，而且执行流程异常清晰。
如何理解Python关键字yield
当函数被调用时，函数体中的代码是不会运行的，函数仅仅是返回一个生成器对象。这里理解起来可能稍微有点复杂。
函数中的代码每次会在 for循环中被执行，接下来是最难的一部分：
for第一次调用生成器对象时，代码将会从函数的开始处运行直到遇到 yield为止，然后返回此次循环的第一个值，接着循环地执行函数体，返回下一个值，直到没有值返回为止。
Python yield关键字实现生产者和消费者
通常 yield 用在函数中表示这个函数被定义为一个生成器，可以通过 for 循环去遍历这个生成器对象得到 yield 的值，如下：
yield 除了可以返回值，还能接收调用者传参，下面以 廖雪峰博客
的生产者和消费者为例说明：
若在 c = consumer() 前面加上断点调试可知程序的执行顺序为