python代码，如何正确使用生成器里的yield关键字操作？

我们相信：世界是美好的，你是我也是。平行空间的世界里面，不同版本的生活也在继续...

生成器在很多高级语言里面都存在，使用方式也都差不多。本文聚焦于python大蟒蛇中的生成器generator中的yield关键字。那么，generator和普通的函数有何区别呢？yield和return又有什么区别呢？这就是苏南大叔在本文中要讨论的内容。

苏南大叔的“程序如此灵动”技术博客，记录苏南大叔的代码感想感悟。测试环境：win10，python@3.11.0。

概述

概述一下generator和yield，其实和大家已经熟知的function和return的作用非常类似。区别就在于：

• generator是使用了yield关键字的function。
• generator获取数据是使用next(g)函数，它的数据并不是一次性获得的。而是通过next(g)一步一步获得的。
• yield执行的时候，仅仅返回的是一个数。下次next(g)的时候，代码将从上一次yield的后一条语句继续执行。
• 一个generator里面可以有多个yield，多个yield的数据返回规则也是可以不同的。

代码一，最简单方式【next(g)】

在下面的代码中，

• 要明白rang(n)的范围是[0,n)，代码传入参数2的话，只会涉及0和1两个数。
• 因为只涉及两个数，同时也只有一个yield，所以next(g)也只能执行两次，以返回对应的结果。

测试代码如下：

def generator_sn(n):
    for i in range(n):      # [0,n)
        print('内部输出：生成之前...')
        yield i+1
        print('内部输出：生成之后...')

g = generator_sn(2)
result = next(g)
print("yield返回：",result)
print("外部输出：第一次生成")
result = next(g)
print("yield返回：",result)
print("外部输出：第二次生成")

输出：

内部输出：生成之前...
yield返回： 1
外部输出：第一次生成


内部输出：生成之后...
内部输出：生成之前...
yield返回： 2
外部输出：第二次生成

代码一后续：异常控制

如果仔细查看上一个代码的输出的话，还差一个“内部输出：生成之后...”并没有被输出。但是如果继续next(g)的话，因为并没有数据可以被yield了，所以会得到一个异常信息StopIteration。

这里继续上一个代码的输出，第三次执行next(g)：

try:
    print("try 第三次生成 之前...")
    result = next(g) # 这里就发生异常了，后续并不执行，但是意外带出了yield语句之后未被执行的部分。
    print(result)
    print("try 第三次生成 之后...")
except StopIteration as e:
    print("发生异常 StopIteration exception")

输出：

try 第三次生成 之前...
内部输出：生成之后...
发生异常 StopIteration exception

可以看到：yield语句之后未被执行的部分，在这次失败的next(g)中被输出了。异常的捕获方式，可以参考文章：

• https://newsn.net/say/python-try.html

代码二：正确的使用方式【for in循环】

def generator_sn(n):
    for i in range(n):      # [0,n)
        print('内部输出：生成之前...')
        yield i+1
        print('内部输出：生成之后...')

g = generator_sn(2)
for result in g:
    print(result)
    print("#############\r\n")

输出：

内部输出：生成之前...
1
#############

内部输出：生成之后...
内部输出：生成之前...
2
#############

内部输出：生成之后...

全部该输出的内容，都被输出了，并且没有任何异常信息。这个【for】使用方式相比较而已，更靠谱一点。但是却脱离了“生成器”迭代的初衷了。

代码三：多重yield

这个情况下，yield就比return似乎先进多了，可以多次yield，并且数据生成规则还能保持不同。测试代码：

def generator_sn(n):
    for i in range(n):
        print('第一个yield准备...')
        yield i
        print('第二个yield准备...')
        yield i + 10
        print('双重yield完成...')


g = generator_sn(2)
for result in g:
    print(result)
    print("#############\r\n")

输出：

第一个yield准备...
0
#############

第二个yield准备...
10
#############

双重yield完成...


第一个yield准备...
1
#############

第二个yield准备...
11
#############

双重yield完成...

与普通函数对比

def s():
    for i in range(10):
        yield i * i

def n():
    for i in range(10):
        return i * i
    
ss = s()
nn = n()
sss = next(ss)

print(type(s),type(ss),type(sss))
print(type(n),type(nn))

输出：

<class 'function'> <class 'generator'> <class 'int'>
<class 'function'> <class 'int'>

在代码中，并没有显式的出现生成器generator的字样，它和普通的函数是一样使用def进行定义的。只有当代码中出现yield字样的时候，才能把这个函数看成一个生成器。其返回值类型是：<class 'generator'>。

相关文章

• https://newsn.net/say/python-init-call.html
• https://newsn.net/say/python-def.html
• https://newsn.net/say/python-decorators.html
• https://newsn.net/say/python-decorators-2.html
• https://newsn.net/say/python-decorators-3.html

结论

从代码中可以看到：

• yield是返回数据的标志性代码，但是只是暂停代码，并不会中断代码的执行。return会中断并返回。
• next(g)就是推动yield流程进行下一步的代码，next(g)一次，就执行到下一个yield处。
• 多个yield就可以返回不同规则的数据。
• next(g)控制不好的话，就会引发异常。但是for result in g这种方式，就不会引发异常。

结束语

在目前很多高级编程语言里面，都有yield的身影，是单个函数分次返回多个数值的比较好的节省内存的方式。更多python相关经验文章，请参考苏南大叔的博客：

• https://newsn.net/tag/python/

如果本文对您有帮助，或者节约了您的时间，欢迎打赏瓶饮料，建立下友谊关系。
本博客不欢迎：各种镜像采集行为。请尊重原创文章内容，转载请保留作者链接。