yield 作用：
注： generator 的 next () 方法在 python 2 中为 next ()，
但在 python 3 中为 __next__() 【next 的前后各是两个下划线】
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。即：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。
-
用 print 实现打印斐波拉切数列 —— 基础版
#!/usr/bin/env python
# -*- coding: utf-8 -*-
def fab(max):
n , a, b = 0, 0 , 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1
if __name__ == '__main__':
fab(6) # 1 1 2 3 5 8
-
用 yield 实现打印斐波拉切数列 —— 升级版
def fab(max):
n , a, b = 0, 0 , 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
if __name__ == '__main__':
for n in fab(6): # 1 1 2 3 5 8
print(n)
-
如何判断一个函数是否是一个特殊的 generator 函数
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from inspect import isgeneratorfunction
def fab(max):
n , a, b = 0, 0 , 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
if __name__ == '__main__':
f1 = fab(3)
# True fab是一个generator function
print(isgeneratorfunction(fab))
# False fab(3)不是一个generator function
# 而fab(3)是调用fab返回的一个generator
print(isgeneratorfunction(fab(3)))
结果：
True
False
进程已结束,退出代码0
-
用 yield 实现大文件读取
def read_file(fpath):
BLOCK_SIZE = 10
with open(fpath, 'r', encoding='utf-8') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
if __name__ == '__main__':
fpath = '/Users/zhanglichuan/Desktop/test.txt'
read_gen = read_file(fpath)
print('1==', read_gen.__next__())
print('2==', read_gen.__next__())
print('3==', read_gen.__next__())
print('4==', read_gen.__next__())
print('结束\n\n\n\n' )
# for循环会自动调用generatr的__next__()方法，故输出效果同如上的4个print
# 【内容较短，4个print就将test.txt中的内容输出完了】
for data in read_gen:
print('data===', data)
结果：
1== 在自我与世界的两级里
2== ，我们总有叩问。一方
3== 自我的空间给予了我们
4== 歇脚、成长的港湾；世
结束
data=== 界博大无垠的天空让我
data=== 们拥有更多畅想、创造
data=== 的机会。出入自我与世
data=== 界的自由之门，青年的
data=== 心，已然开始展望，自
data=== 己能够创造出的无限可
data=== 能。
进程已结束,退出代码0
-
yield 和 yield from 用法对比
使用 yield 拼接可迭代对象
if __name__ == '__main__':
astr = "ABC"
alist = [1, 2, 3]
adict = {"name": "wangbm", "age": 18}
# generate
agen = (i for i in range(4, 8))
def gen(*args, **kw):
for item in args:
for i in item:
yield i
new_list = gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
使用 yield from 拼接可迭代对象
if __name__ == '__main__':
astr = "ABC"
alist = [1, 2, 3]
adict = {"name": "wangbm", "age": 18}
# generate
agen = (i for i in range(4, 8))
def gen(*args, **kw):
for item in args:
yield from item
new_list = gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
结论：
由上面两种方式对比，可以看出，yield from 后面加上可迭代对象，他可以把可迭代对象里的每个元素一个一个的 yield 出来，对比 yield 来说代码更加简洁，结构更加清晰。
