文章出處：http://m.survivalescaperooms.com/winstic/，請保留此連接

在python編程中，我們經常會看到函數中帶有yield關鍵字，但請注意，此時的函數不再是我們熟知的一般函數，而是所謂的generator（生成器）

生成器

　　對于生成器，可以對比于列表來看，我們在循環代碼中經常會使用range()產生一個list對象，繼而在for循環下依次遍歷，

for i in range(1000):    PRint i

　　或者是使用列表生成式生成一個list對象：

[x * x for x in range(1000)]

　　這么做確實很方便，但這有個很大的缺點，我們所生產的list對象在程序運行過程中是存放在內存中的，占用內存大小與list規模有關，若要在編程時控制內存的占用，最好不要使用list。

　　相比于list對象對內存的占用，generator有很大的優勢，generator保存的是算法，不會生成所有的元素，而只是在調用next()時產生一個元素，很好的優化了內存占用的問題，可以通過next方法訪問數據，當沒有數據時會自動拋出StopIteration異常

>>> gener = (x * x for x in [1, 2, 3])>>> g = (x * x for x in [1, 2, 3])>>> g<generator object <genexpr> at 0x02534968>>>> g.next()1>>> g.next()4>>> g.next()9>>> g.next()Traceback (most recent call last):  File "<pyshell#16>", line 1, in <module>    g.next()StopIteration>>> 

　　這么做的話難免有些繁瑣，還好在for循環中會幫我們實現next方法的調用也可以這么實現

>>> for i in g:    print i

yield 初體驗

　　以上所實現的generator只是規律十分簡單的，這很好實現，只需要類似于列表生成式的簡單語法即可，那么對于其他的數列計算如何實現呢，例如斐波那契數列，它的定義雖然簡單：除第一、二個數據外，所有的數據均是其前兩個數據之和；如果我們通過一般函數實現，無疑當數列規模很大時，占用大量內存

>>> def fib(N):    n, a, b = 0, 0, 1    while n < N:        print b        a, b = b, a + b        n = n + 1

　　那么如何將上述方法轉換為generator加以實現呢，很簡單，只需要將print b 替換為yield b即可，我們可以試一下：

>>> def fib(N):    n, a, b = 0, 0, 1    while n < N:        yield b        a, b = b, a + b        n = n + 1        >>> fib(5)<generator object fib at 0x02530F80>>>> for i in fib(5):    print i    11235

　　加了yield關鍵字后的函數是如何執行的呢，不應該說是函數，這時應該稱為generator；我們調用fib(5)并不會執行函數，而是返回一個generator對象，真正的執行是在調用next方法（for循環中自動調用next()），每次循環都會執行fib內的代碼，遇到yield則返回一個迭代值（類似于中斷）；在下次循環時執行yield的下一語句，直至遇到下一個yield。

yield 協程

　　協程（coroutine）也叫微線程，相比于多線程更為高效，因為協程是多個程序在一個線程中執行，沒有線程間切換的開銷；同時在協程中不需要加鎖機制，因為在一個線程中不存在變量沖突問題。

　　例如經典問題（生產者-消費者問題）就可以使用協程機制實現，相比于多線程更為高效

def consumer():    r = ''    while True:        n = yield r        if not n:            return        print 'consumer %s' % n        r = 'OK'def produce(c):    c.next()    n = 0    while n < 5:        n = n + 1        print 'produce %s' % n        r = c.send(n)        print 'consumer return %s' % r    c.close()if __name__ == '__main__':    c = consumer()    produce(c)

produce 1consumer 1consumer return OKproduce 2consumer 2consumer return OKproduce 3consumer 3consumer return OKproduce 4consumer 4consumer return OKproduce 5consumer 5consumer return OK

執行結果

　　在上述代碼中，consumer是一個生成器，執行過程中首先通過consumer產生generator對象c，

　　我們在執行到produce（c）的next方法時，才切換到生成器函數consumer中執行，

　　在consumer中遇到yield中斷，又切回到produce中

　　在produce中的c.send(n)：主要干兩件事：1.將n添加到生成器中，2.返回下一個yield值（return next()）;所以當我們運行到send方法時，內含next機制進而切換到consumer函數中執行（傳入參數n），得到返回值'OK'(在下一個yield中返回)

　　。。。。。

　　最后在produce中關閉迭代器c.close()

參考：　       　http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/0013868328689835ecd883d910145dfa8227b539725e5ed000

總結：

1. 在generator中不同于一般函數，調用方法名不會執行，只會返回一個generator對象，只有在調用next方法時才會執行
2. 一個函數中加入yield則變為generator，函數執行到yield時中斷，下次迭代時定位到yield的下一條語句；yield還常用于文件的讀取，用read()會造成不可預測的內存占用問題，而使用yield可以實現內存只存儲每次迭代過程中固定的size