在開(kāi)始課程之前，我要求學(xué)生們填寫一份調(diào)查表，這個(gè)調(diào)查表反映了它們對(duì)Python中一些概念的理解情況。一些話題("if/else控制流" 或者 "定義和使用函數(shù)")對(duì)于大多數(shù)學(xué)生是沒(méi)有問(wèn)題的。但是有一些話題，大多數(shù)學(xué)生只有很少，或者完全沒(méi)有任何接觸，尤其是“生成器和yield關(guān)鍵字”。我猜這對(duì)大多數(shù)新手Python程序員也是如此。

有事實(shí)表明，在我花了大功夫后，有些人仍然不能理解生成器和yield關(guān)鍵字。我想讓這個(gè)問(wèn)題有所改善。在這篇文章中，我將解釋yield關(guān)鍵字到底是什么，為什么它是有用的，以及如何來(lái)使用它。

注意：最近幾年，生成器的功能變得越來(lái)越強(qiáng)大，它已經(jīng)被加入到了PEP。在我的下一篇文章中，我會(huì)通過(guò)協(xié)程(coroutine)，協(xié)同式多任務(wù)處理(cooperative multitasking)，以及異步IO(asynchronous I/O)(尤其是GvR正在研究的 "tulip" 原型的實(shí)現(xiàn))來(lái)介紹yield的真正威力。但是在此之前，我們要對(duì)生成器和yield有一個(gè)扎實(shí)的理解.

協(xié)程與子例程

我們調(diào)用一個(gè)普通的Python函數(shù)時(shí)，一般是從函數(shù)的第一行代碼開(kāi)始執(zhí)行，結(jié)束于return語(yǔ)句、異常或者函數(shù)結(jié)束（可以看作隱式的返回None）。一旦函數(shù)將控制權(quán)交還給調(diào)用者，就意味著全部結(jié)束。函數(shù)中做的所有工作以及保存在局部變量中的數(shù)據(jù)都將丟失。再次調(diào)用這個(gè)函數(shù)時(shí)，一切都將從頭創(chuàng)建。

對(duì)于在計(jì)算機(jī)編程中所討論的函數(shù)，這是很標(biāo)準(zhǔn)的流程。這樣的函數(shù)只能返回一個(gè)值，不過(guò)，有時(shí)可以創(chuàng)建能產(chǎn)生一個(gè)序列的函數(shù)還是有幫助的。要做到這一點(diǎn)，這種函數(shù)需要能夠“保存自己的工作”。

我說(shuō)過(guò)，能夠“產(chǎn)生一個(gè)序列”是因?yàn)槲覀兊暮瘮?shù)并沒(méi)有像通常意義那樣返回。return隱含的意思是函數(shù)正將執(zhí)行代碼的控制權(quán)返回給函數(shù)被調(diào)用的地方。而"yield"的隱含意思是控制權(quán)的轉(zhuǎn)移是臨時(shí)和自愿的，我們的函數(shù)將來(lái)還會(huì)收回控制權(quán)。

在Python中，擁有這種能力的“函數(shù)”被稱為生成器，它非常的有用。生成器（以及yield語(yǔ)句）最初的引入是為了讓程序員可以更簡(jiǎn)單的編寫用來(lái)產(chǎn)生值的序列的代碼。 以前，要實(shí)現(xiàn)類似隨機(jī)數(shù)生成器的東西，需要實(shí)現(xiàn)一個(gè)類或者一個(gè)模塊，在生成數(shù)據(jù)的同時(shí)保持對(duì)每次調(diào)用之間狀態(tài)的跟蹤。引入生成器之后，這變得非常簡(jiǎn)單。

為了更好的理解生成器所解決的問(wèn)題，讓我們來(lái)看一個(gè)例子。在了解這個(gè)例子的過(guò)程中，請(qǐng)始終記住我們需要解決的問(wèn)題：生成值的序列。

注意：在Python之外，最簡(jiǎn)單的生成器應(yīng)該是被稱為協(xié)程（coroutines）的東西。在本文中，我將使用這個(gè)術(shù)語(yǔ)。請(qǐng)記住，在Python的概念中，這里提到的協(xié)程就是生成器。Python正式的術(shù)語(yǔ)是生成器；協(xié)程只是便于討論，在語(yǔ)言層面并沒(méi)有正式定義。

例子：有趣的素?cái)?shù)

假設(shè)你的老板讓你寫一個(gè)函數(shù)，輸入?yún)?shù)是一個(gè)int的list，返回一個(gè)可以迭代的包含素?cái)?shù)1 的結(jié)果。

記住，迭代器（Iterable） 只是對(duì)象每次返回特定成員的一種能力。

你肯定認(rèn)為"這很簡(jiǎn)單"，然后很快寫出下面的代碼：
 

def get_primes(input_list):  result_list = list()  for element in input_list:    if is_prime(element):      result_list.append()   return result_list # 或者更好一些的... def get_primes(input_list):  return (element for element in input_list if is_prime(element)) # 下面是 is_prime 的一種實(shí)現(xiàn)... def is_prime(number):  if number > 1:    if number == 2:      return True    if number % 2 == 0:      return False    for current in range(3, int(math.sqrt(number) + 1), 2):      if number % current == 0:        return False    return True  return False

上面 is_prime 的實(shí)現(xiàn)完全滿足了需求，所以我們告訴老板已經(jīng)搞定了。她反饋說(shuō)我們的函數(shù)工作正常，正是她想要的。

處理無(wú)限序列

噢，真是如此嗎？過(guò)了幾天，老板過(guò)來(lái)告訴我們她遇到了一些小問(wèn)題：她打算把我們的get_primes函數(shù)用于一個(gè)很大的包含數(shù)字的list。實(shí)際上，這個(gè)list非常大，僅僅是創(chuàng)建這個(gè)list就會(huì)用完系統(tǒng)的所有內(nèi)存。為此，她希望能夠在調(diào)用get_primes函數(shù)時(shí)帶上一個(gè)start參數(shù)，返回所有大于這個(gè)參數(shù)的素?cái)?shù)（也許她要解決 Project Euler problem 10）。

我們來(lái)看看這個(gè)新需求，很明顯只是簡(jiǎn)單的修改get_primes是不可能的。 自然，我們不可能返回包含從start到無(wú)窮的所有的素?cái)?shù)的列表 (雖然有很多有用的應(yīng)用程序可以用來(lái)操作無(wú)限序列)。看上去用普通函數(shù)處理這個(gè)問(wèn)題的可能性比較渺茫。

在我們放棄之前，讓我們確定一下最核心的障礙，是什么阻止我們編寫滿足老板新需求的函數(shù)。通過(guò)思考，我們得到這樣的結(jié)論：函數(shù)只有一次返回結(jié)果的機(jī)會(huì)，因而必須一次返回所有的結(jié)果。得出這樣的結(jié)論似乎毫無(wú)意義；“函數(shù)不就是這樣工作的么”，通常我們都這么認(rèn)為的。可是，不學(xué)不成，不問(wèn)不知，“如果它們并非如此呢？”

想象一下，如果get_primes可以只是簡(jiǎn)單返回下一個(gè)值，而不是一次返回全部的值，我們能做什么？我們就不再需要?jiǎng)?chuàng)建列表。沒(méi)有列表，就沒(méi)有內(nèi)存的問(wèn)題。由于老板告訴我們的是，她只需要遍歷結(jié)果，她不會(huì)知道我們實(shí)現(xiàn)上的區(qū)別。
 

不幸的是，這樣做看上去似乎不太可能。即使是我們有神奇的函數(shù)，可以讓我們從n遍歷到無(wú)限大，我們也會(huì)在返回第一個(gè)值之后卡住：
 

def get_primes(start):  for element in magical_infinite_range(start):    if is_prime(element):      return element假設(shè)這樣去調(diào)用get_primes： def solve_number_10():  # She *is* working on Project Euler #10, I knew it!  total = 2  for next_prime in get_primes(3):    if next_prime < 2000000:      total += next_prime    else:      print(total)      return

顯然，在get_primes中，一上來(lái)就會(huì)碰到輸入等于3的，并且在函數(shù)的第4行返回。與直接返回不同，我們需要的是在退出時(shí)可以為下一次請(qǐng)求準(zhǔn)備一個(gè)值。

不過(guò)函數(shù)做不到這一點(diǎn)。當(dāng)函數(shù)返回時(shí)，意味著全部完成。我們保證函數(shù)可以再次被調(diào)用，但是我們沒(méi)法保證說(shuō)，“呃，這次從上次退出時(shí)的第4行開(kāi)始執(zhí)行，而不是常規(guī)的從第一行開(kāi)始”。函數(shù)只有一個(gè)單一的入口：函數(shù)的第1行代碼。
 
走進(jìn)生成器

這類問(wèn)題極其常見(jiàn)以至于Python專門加入了一個(gè)結(jié)構(gòu)來(lái)解決它：生成器。一個(gè)生成器會(huì)“生成”值。創(chuàng)建一個(gè)生成器幾乎和生成器函數(shù)的原理一樣簡(jiǎn)單。

一個(gè)生成器函數(shù)的定義很像一個(gè)普通的函數(shù)，除了當(dāng)它要生成一個(gè)值的時(shí)候，使用yield關(guān)鍵字而不是return。如果一個(gè)def的主體包含yield，這個(gè)函數(shù)會(huì)自動(dòng)變成一個(gè)生成器（即使它包含一個(gè)return）。除了以上內(nèi)容，創(chuàng)建一個(gè)生成器沒(méi)有什么多余步驟了。

生成器函數(shù)返回生成器的迭代器。這可能是你最后一次見(jiàn)到“生成器的迭代器”這個(gè)術(shù)語(yǔ)了， 因?yàn)樗鼈兺ǔ＞捅环Q作“生成器”。要注意的是生成器就是一類特殊的迭代器。作為一個(gè)迭代器，生成器必須要定義一些方法(method)，其中一個(gè)就是__next__()。如同迭代器一樣，我們可以使用next()函數(shù)來(lái)獲取下一個(gè)值。

為了從生成器獲取下一個(gè)值，我們使用next()函數(shù)，就像對(duì)付迭代器一樣。

(next()會(huì)操心如何調(diào)用生成器的__next__()方法)。既然生成器是一個(gè)迭代器，它可以被用在for循環(huán)中。

每當(dāng)生成器被調(diào)用的時(shí)候，它會(huì)返回一個(gè)值給調(diào)用者。在生成器內(nèi)部使用yield來(lái)完成這個(gè)動(dòng)作(例如yield 7)。為了記住yield到底干了什么，最簡(jiǎn)單的方法是把它當(dāng)作專門給生成器函數(shù)用的特殊的return(加上點(diǎn)小魔法)。**

yield就是專門給生成器用的return(加上點(diǎn)小魔法)。

下面是一個(gè)簡(jiǎn)單的生成器函數(shù)：
 

>>> def simple_generator_function():>>>  yield 1>>>  yield 2>>>  yield 3這里有兩個(gè)簡(jiǎn)單的方法來(lái)使用它： >>> for value in simple_generator_function():>>>   print(value)123>>> our_generator = simple_generator_function()>>> next(our_generator)1>>> next(our_generator)2>>> next(our_generator)3

魔法?

那么神奇的部分在哪里?我很高興你問(wèn)了這個(gè)問(wèn)題!當(dāng)一個(gè)生成器函數(shù)調(diào)用yield，生成器函數(shù)的“狀態(tài)”會(huì)被凍結(jié)，所有的變量的值會(huì)被保留下來(lái)，下一行要執(zhí)行的代碼的位置也會(huì)被記錄，直到再次調(diào)用next()。一旦next()再次被調(diào)用，生成器函數(shù)會(huì)從它上次離開(kāi)的地方開(kāi)始。如果永遠(yuǎn)不調(diào)用next()，yield保存的狀態(tài)就被無(wú)視了。

我們來(lái)重寫get_primes()函數(shù)，這次我們把它寫作一個(gè)生成器。注意我們不再需要magical_infinite_range函數(shù)了。使用一個(gè)簡(jiǎn)單的while循環(huán)，我們創(chuàng)造了自己的無(wú)窮串列。
 
def get_primes(number):
    while True:
        if is_prime(number):
            yield number
        number += 1

如果生成器函數(shù)調(diào)用了return，或者執(zhí)行到函數(shù)的末尾，會(huì)出現(xiàn)一個(gè)StopIteration異常。 這會(huì)通知next()的調(diào)用者這個(gè)生成器沒(méi)有下一個(gè)值了(這就是普通迭代器的行為)。這也是這個(gè)while循環(huán)在我們的get_primes()函數(shù)出現(xiàn)的原因。如果沒(méi)有這個(gè)while，當(dāng)我們第二次調(diào)用next()的時(shí)候，生成器函數(shù)會(huì)執(zhí)行到函數(shù)末尾，觸發(fā)StopIteration異常。一旦生成器的值用完了，再調(diào)用next()就會(huì)出現(xiàn)錯(cuò)誤，所以你只能將每個(gè)生成器的使用一次。下面的代碼是錯(cuò)誤的：

>>> our_generator = simple_generator_function()>>> for value in our_generator:>>>   print(value) >>> # 我們的生成器沒(méi)有下一個(gè)值了...>>> print(next(our_generator))Traceback (most recent call last): File "<ipython-input-13-7e48a609051a>", line 1, in <module>  next(our_generator)StopIteration >>> # 然而，我們總可以再創(chuàng)建一個(gè)生成器>>> # 只需再次調(diào)用生成器函數(shù)即可 >>> new_generator = simple_generator_function()>>> print(next(new_generator)) # 工作正常1

因此，這個(gè)while循環(huán)是用來(lái)確保生成器函數(shù)永遠(yuǎn)也不會(huì)執(zhí)行到函數(shù)末尾的。只要調(diào)用next()這個(gè)生成器就會(huì)生成一個(gè)值。這是一個(gè)處理無(wú)窮序列的常見(jiàn)方法（這類生成器也是很常見(jiàn)的）。

執(zhí)行流程

讓我們回到調(diào)用get_primes的地方：solve_number_10。
 

def solve_number_10():  # She *is* working on Project Euler #10, I knew it!  total = 2  for next_prime in get_primes(3):    if next_prime < 2000000:      total += next_prime    else:      print(total)      return

我們來(lái)看一下solve_number_10的for循環(huán)中對(duì)get_primes的調(diào)用，觀察一下前幾個(gè)元素是如何創(chuàng)建的有助于我們的理解。當(dāng)for循環(huán)從get_primes請(qǐng)求第一個(gè)值時(shí)，我們進(jìn)入get_primes，這時(shí)與進(jìn)入普通函數(shù)沒(méi)有區(qū)別。

•     進(jìn)入第三行的while循環(huán)
•     停在if條件判斷（3是素?cái)?shù)）
•     通過(guò)yield將3和執(zhí)行控制權(quán)返回給solve_number_10

接下來(lái)，回到insolve_number_10：

•     for循環(huán)得到返回值3
•     for循環(huán)將其賦給next_prime
•     total加上next_prime
•     for循環(huán)從get_primes請(qǐng)求下一個(gè)值

這次，進(jìn)入get_primes時(shí)并沒(méi)有從開(kāi)頭執(zhí)行，我們從第5行繼續(xù)執(zhí)行，也就是上次離開(kāi)的地方。
 

def get_primes(number):  while True:    if is_prime(number):      yield number    number += 1 # <<<<<<<<<<

最關(guān)鍵的是，number還保持我們上次調(diào)用yield時(shí)的值（例如3）。記住，yield會(huì)將值傳給next()的調(diào)用方，同時(shí)還會(huì)保存生成器函數(shù)的“狀態(tài)”。接下來(lái)，number加到4，回到while循環(huán)的開(kāi)始處，然后繼續(xù)增加直到得到下一個(gè)素?cái)?shù)（5）。我們?cè)僖淮伟裯umber的值通過(guò)yield返回給solve_number_10的for循環(huán)。這個(gè)周期會(huì)一直執(zhí)行，直到for循環(huán)結(jié)束（得到的素?cái)?shù)大于2,000,000）。

更給力點(diǎn)

在PEP 342中加入了將值傳給生成器的支持。PEP 342加入了新的特性，能讓生成器在單一語(yǔ)句中實(shí)現(xiàn)，生成一個(gè)值（像從前一樣），接受一個(gè)值，或同時(shí)生成一個(gè)值并接受一個(gè)值。

我們用前面那個(gè)關(guān)于素?cái)?shù)的函數(shù)來(lái)展示如何將一個(gè)值傳給生成器。這一次，我們不再簡(jiǎn)單地生成比某個(gè)數(shù)大的素?cái)?shù)，而是找出比某個(gè)數(shù)的等比級(jí)數(shù)大的最小素?cái)?shù)（例如10， 我們要生成比10，100，1000，10000 ... 大的最小素?cái)?shù)）。我們從get_primes開(kāi)始：

def print_successive_primes(iterations, base=10):  # 像普通函數(shù)一樣，生成器函數(shù)可以接受一個(gè)參數(shù)    prime_generator = get_primes(base)  # 這里以后要加上點(diǎn)什么  for power in range(iterations):    # 這里以后要加上點(diǎn)什么 def get_primes(number):  while True:    if is_prime(number):    # 這里怎么寫? get_primes的后幾行需要著重解釋。yield關(guān)鍵字返回number的值，而像 other = yield foo 這樣的語(yǔ)句的意思是，"返回foo的值，這個(gè)值返回給調(diào)用者的同時(shí)，將other的值也設(shè)置為那個(gè)值"。你可以通過(guò)send方法來(lái)將一個(gè)值”發(fā)送“給生成器。 def get_primes(number):  while True:    if is_prime(number):      number = yield number    number += 1

通過(guò)這種方式，我們可以在每次執(zhí)行yield的時(shí)候?yàn)閚umber設(shè)置不同的值。現(xiàn)在我們可以補(bǔ)齊print_successive_primes中缺少的那部分代碼：
 

def print_successive_primes(iterations, base=10):  prime_generator = get_primes(base)  prime_generator.send(None)  for power in range(iterations):    print(prime_generator.send(base ** power))

這里有兩點(diǎn)需要注意：首先，我們打印的是generator.send的結(jié)果，這是沒(méi)問(wèn)題的，因?yàn)閟end在發(fā)送數(shù)據(jù)給生成器的同時(shí)還返回生成器通過(guò)yield生成的值（就如同生成器中yield語(yǔ)句做的那樣）。

第二點(diǎn)，看一下prime_generator.send(None)這一行，當(dāng)你用send來(lái)“啟動(dòng)”一個(gè)生成器時(shí)（就是從生成器函數(shù)的第一行代碼執(zhí)行到第一個(gè)yield語(yǔ)句的位置），你必須發(fā)送None。這不難理解，根據(jù)剛才的描述，生成器還沒(méi)有走到第一個(gè)yield語(yǔ)句，如果我們發(fā)生一個(gè)真實(shí)的值，這時(shí)是沒(méi)有人去“接收”它的。一旦生成器啟動(dòng)了，我們就可以像上面那樣發(fā)送數(shù)據(jù)了。

綜述

在本系列文章的后半部分，我們將討論一些yield的高級(jí)用法及其效果。yield已經(jīng)成為Python最強(qiáng)大的關(guān)鍵字之一。現(xiàn)在我們已經(jīng)對(duì)yield是如何工作的有了充分的理解，我們已經(jīng)有了必要的知識(shí)，可以去了解yield的一些更“費(fèi)解”的應(yīng)用場(chǎng)景。

不管你信不信，我們其實(shí)只是揭開(kāi)了yield強(qiáng)大能力的一角。例如，send確實(shí)如前面說(shuō)的那樣工作，但是在像我們的例子這樣，只是生成簡(jiǎn)單的序列的場(chǎng)景下，send幾乎從來(lái)不會(huì)被用到。下面我貼一段代碼，展示send通常的使用方式。對(duì)于這段代碼如何工作以及為何可以這樣工作，在此我并不打算多說(shuō)，它將作為第二部分很不錯(cuò)的熱身。
 

import random def get_data():  """返回0到9之間的3個(gè)隨機(jī)數(shù)"""  return random.sample(range(10), 3) def consume():  """顯示每次傳入的整數(shù)列表的動(dòng)態(tài)平均值"""  running_sum = 0  data_items_seen = 0   while True:    data = yield    data_items_seen += len(data)    running_sum += sum(data)    print('The running average is {}'.format(running_sum / float(data_items_seen))) def produce(consumer):  """產(chǎn)生序列集合，傳遞給消費(fèi)函數(shù)（consumer）"""  while True:    data = get_data()    print('Produced {}'.format(data))    consumer.send(data)    yield if __name__ == '__main__':  consumer = consume()  consumer.send(None)  producer = produce(consumer)   for _ in range(10):    print('Producing...')    next(producer)

 
請(qǐng)謹(jǐn)記……

我希望您可以從本文的討論中獲得一些關(guān)鍵的思想：

•     generator是用來(lái)產(chǎn)生一系列值的
•     yield則像是generator函數(shù)的返回結(jié)果
•     yield唯一所做的另一件事就是保存一個(gè)generator函數(shù)的狀態(tài)
•     generator就是一個(gè)特殊類型的迭代器（iterator）
•     和迭代器相似，我們可以通過(guò)使用next()來(lái)從generator中獲取下一個(gè)值
•     通過(guò)隱式地調(diào)用next()來(lái)忽略一些值

我希望這篇文章是有益的。如果您還從來(lái)沒(méi)有聽(tīng)說(shuō)過(guò)generator，我希望現(xiàn)在您可以理解它是什么以及它為什么是有用的，并且理解如何使用它。如果您已經(jīng)在某種程度上比較熟悉generator，我希望這篇文章現(xiàn)在可以讓您掃清對(duì)generator的一些困惑。