要想理解yield, 需要先理解generators(生成器), 要想理解generators, 需要先理解iterables(迭代器)

iterables

先看这段代码:

>>> mylist = [1, 2, 3]
>>> for i in mylist:
...    print(i)
1
2
3
>>> mylist2 = [x for x in range(3)]
>>> for i in mylist2:
...     print i
...
0
1
2

这段代码的意思是list(列表)在python中是可以迭代的, 如果你需要一个接一个的访问一个数据集合, 大多数的时候使用一个for xx in yy这种方式, 那么这里的yy就是一个可以迭代访问的数据集合, 很明显, list, tuple, string, file这些都是迭代器

iterables是保存在内存中的, 你可以随便访问他们, 比如上面的mylist,mylist2

generators

再看这一段

>>> mygenerator = (x*x for x in range(3))
>>> for i in mygenerator:
...    print(i)
0
1
4
>>> mygenerator
<generator object <genexpr> at 0x10d35eaa0>

这段代码中mygenerator就是一个迭代器, 跟上文的mylist2生成方式有点点区别, []改成了(), 从使用上来说, generators和iterables都是类似for in的这种方式

但是 : generators不是保存在内存中的, 而是惰性加载的, 也就是你用到它的时候, 它才临时去计算, 只能使用一次for in, 比如上面的mygenerator, 计算0*0并返回之后就不在保留了, 继续计算1*1

适用场景: 当需要迭代访问一组量非常大的数据集的时候, generator是非常有用的, 因为它计算完了前面的数据然后就计算后面, 并不在内存里保留所有的数据, 这样就不至于内存爆掉

yield

理解了generator之后, 再来看yield就非常好理解了, 可以把yield当成return看待

>>> def createGenerator():
...    mylist = range(3)
...    for i in mylist:
...        yield i*i
...
>>> mygenerator = createGenerator() # 创建一个生成器, 这里createGenerator内的代码并没有运行
>>> print(mygenerator) # 生成器就是一个object
<generator object createGenerator at 0xb7555c34>
>>>
>>> for i in mygenerator: # 这里createGenerator内的代码才开始运行
...     print(i)
0
1
4

上面的代码中当调用createGenerator()的时候, 其实方法内的代码并没有运行, 而在for in循环访问的时候, 才开始从头计算, 当运行到yield的时候返回第一个值, 然后就停下来, 当再次请求数据的时候继续运算直到再次碰到yield… 直到没有值可以返回

参考: The Python yield keyword explained