共计 3494 个字符，预计需要花费 9 分钟才能阅读完成。
Python 高级语法中，由一个 yield 关键词生成的 generator 生成器，是精髓中的精髓。它虽然比装饰器、魔法方法更难懂，但是它强大到我们难以想象的地步：小到简单的 for loop 循环，大到代替多线程做服务器的高并发处理，都可以基于 yield 来实现。
理解 yield：代替 return 的 yield
简单来说，yield 是代替 return 的另一种方案:
return 就像人只有一辈子，一个函数一旦 return，它的生命就结束了
yield 就像有“第二人生”、“第三人生”甚至轮回转世一样，函数不但能返回值，“重生”以后还能再接着“上辈子”的记忆继续返回值
我的定义：yield 在循环中代替 return，每次循环返回一次值，而不是全部循环完了才返回值。
yield 怎么念？
return 我们念“返回 xx 值”，我建议：yield 可以更形象的念为 ” 呕吐出 xx 值“，每次呕一点。
一般我们进行循环迭代的时候，都必须等待循环结束后才 return 结果。数量小的时候还行，但是如果循环次数上百万？上亿？我们要等多久？如果循环中不涉及 I / O 还行，但是如果涉及 I / O 堵塞，一个堵几秒，后边几百万个客户等着呢，银行柜台还能不能下班了？
所以这里肯定是要并行处理的。除了传统的多线程多进程外，我们还可以选择 Generator 生成器，也就是由 yield 代替 return，每次循环都返回值，而不是全部循环完了才返回结果。
这样做的好处就是——极大的节省了内存。如果用 return，那么循环中的所有数据都要不断累计到内存里直到循环结束，这个不友好。而 yield 则是一次一次的返回结果，就不会在内存里累加了。所以数据量越大，优势就越明显。
有多明显？如果做一百万的简单数字计算，普通的 for loop return 会增加 300MB+ 的内存占用！而用 yield 一次一次返回，增加的内存占用几乎为 0MB！
yield 的位置
既然 yield 不是全部循环完了再返回，而是循环中每次都返回，所以位置自然不是在 for loop 之后，而是在 loop 之中。
先来看一般的 for loop 返回：
def square(numbers):
result = []
for n in numbers:
result.append(n**2)
return result #在 for 之外
再来看看 yield 怎么做：
def square(numbers):
for n in numbers:
yield n**2 #在 for 之中
可以看到，yield 在 for loop 之中，且函数完全不需要写 return 返回。
这时候如果你 print(square([1,2,3]) ) 得到的就不是直接的结果，而是一个 <generator object>。如果要使用，就必须一次一次的 next(…) 来获取下一个值：
>>> results = square([1,2,3] )
>>> next(result)
1
>>> next(result)
4
>>> next(result)
9
>>> next(result)
ERROR: StopIteration
这个时候更简单的做法是：
for r in results:
print(r)
因为 in 这个关键词自动在后台为我们调用生成器的 next(..) 函数
什么是 generator 生成器？只要我们在一个函数中用了 yield 关键字，函数就会返回一个 <generator object> 生成器对象，两者是相辅相成的。有了这个对象后，我们就可以使用一系列的操作来控制这个循环结果了，比如 next(..) 获取下一个迭代的结果。
yield 和 generator 的关系，简单来说就是一个起因一个结果：只要写上 yield, 其所在的函数就立马变成一个 <generator object> 对象。
xrange：用生成器实现的 range
Python 中我们使用 range() 函数生成数列非常常用。而 xrange() 的使用方法、效果几乎一模一样，唯一不同的就是——xrange() 返回的是生成器，而不是直接的结果。如果数据量大时，xrange() 能极大的减小内存占用，带来卓越的性能提升。
当然，几百、几千的数量级，就直接用 range 好了。
多重 yield
有时候我们可能会在一个函数中、或者一个 for loop 中看到多个 yield，这有点不太好理解。但其实很简单！
一般情况下，我们写的：
for n in [1,2,3]:
yield n**2
实际上它的本质是生成了这个东西：
yield 1**2
yield 2**2
yield 3**2
也就是说，不用 for loop，我们自己手写一个一个的 yield，效果也是一样的。
你每次调用一次 next(..)，就得到一个 yield 后面的值。然后三个 yield 的第一个就会被划掉，剩两个。再调用一次，再划掉一个，就剩一个。直到一个都不剩，next(..) 就返回异常。一旦了解这个本质，我们就能理解一个函数里写多个 yield 是什么意思了。
更深入理解 yield：作为暂停符的 yield
从多重 yield 延伸，我们可以开始更进一步了解 yield 到底做了些什么了。
现在，我们不把 yield 看作是 return 的替代品了，而是把它看作是一个 suspense 暂停符。即每次程序遇到 yield，都会暂停。当你调用 next(..) 时候，它再 resume 继续。
比如我们改一下上面的程序：
def func():
yield 1**2
print(‘Hi, Im A!’)
yield 2**2
print(‘Hi, Im B!’)
yield 3**2
print(‘Hi, Im C!’)
然后我们调用这个小函数，来看看 yield 产生的实际效果是什么：
>>> f = func()
>>> f
<generator object func at 0x10d36c840>
>>> next(f)
1
>>> next(f)
Hi, Im A!
4
>>> next(f)
Hi, Im B!
9
>>> next(f)
Hi, Im C!
ERROR: StopIteration
从这里我们可以看到：
第一次调用生成器的时候，yield 之后的打印没有执行。因为程序 yield 这里暂停了
第二次调用生成器的时候，第一个 yield 之后的语句执行了，并且再次暂停在第二个 yield
第三次调用生成器的时候，卡在了第三个 yield。
第四次调用生成器的时候，最后一个 yield 以下的内容还是执行了，但是因为没有找到第四个 yield，所以报错。
所以到了这里，如果我们能理解 yield 作为暂停符的作用，就可以非常灵活的用起来了。
yield from 与 sub-generator 子生成器
yield from 是 Python 3.3 开始引入的新特性。它主要作用就是：当我需要在一个生成器函数中使用另一个生成器时，可以用 yield from 来简化语句。
举例，正常情况下我们可能有这么两个生成器，第二个调用第一个：
def gen1():
yield 11
yield 22
yield 33
def gen2():
for g in gen1():
yield g
yield 44
yield 55
yield 66
可以看到，我们在 gen2() 这个生成器中调用了 gen1() 的结果，并把每次获取到的结果 yield 转发出去，当成自己的 yield 出来的值。
我们把这种一个生成器中调用的另一个生成器叫做 sub-generator 子生成器，而这个子生成器由 yield from 关键字生成。
由于 sub-generator 子生成器很常用，所以 Python 引入了新的语法来简化这个代码：yield from。
上面 gen2() 的代码可以简化为：
def gen2():
yield from gen1()
yield 44
yield 55
yield 66
这样看起来是不是更 ”pythonic” 了呢？:)
所以只要记住：yield from 只是把别人呕吐出来的值，直接当成自己的值呕吐出去。
递归 +yield 能产生什么？
一般我们只是二选一：要不然递归，要不然 for 循环中 yield。有时候 yield 就可以解决递归的问题，但是有时候光用 yield 并不能解决，还是要用递归。那么怎么既用到递归，又用到 yield 生成器呢？
参考：Recursion using yield
def func(n):
result = n**2
yield result
if n < 100:
yield from func(result)
for x in func(100):
print(x)
上面代码的逻辑是：如果 n 小于 100，那么每次调用 next(..) 的时候，都得到 n 的乘方。下次 next，会继续对之前的结果进行乘方，直到结果超过 100 为止。
我们看到代码里利用了 yield from 子生成器。因为 yield 出的值不是直接由变量来，而是由“另一个”函数得来了。
