We find two main senses for the verb “to yield” in dictionaries: to produce or to give way.

Luciano Ramalho 在他的《Fluent Python》协程一节中如是写道。yield 是一个在很多语言中都有的关键字和特性，和它有关的种种概念——生成器，协程……可能让人费解，但一旦真正理解了它们的含义，一扇新的大门将为我们展开。

代替递归

很多时候，生成器可以用来代替递归。众所周知，递归实现的算法简洁，优雅，但对于Python来说，性能很差，而且还有递归深度限制。当然我们可以把某些递归改写成循环和迭代的形式，但生成器可以帮助我们写出既优雅又高性能的代码。

我们先来个简单的例子——生成斐波那契数列。

def fib_rec(n):
    if n==0 or n==1:
        return 1
    else:
        return fib_rec(n-2) + fib_rec(n-1)
def fib_gen():
    before2 = 0 #原谅变量名起的渣
    before1 = 1
    while True:
        now = before2 + before1
        yield now
        before2, before1 = before1 , now复制代码

这个例子很简单，而且好像生成器版本的代码也不怎么优雅和易读，但是理解了程序流就会觉得很好理解。

开胃小菜过后，我们来道可口的。

David Beazley 在他的《Python Cookbook（第三版）》中的一节中介绍了如何使用生成器来改写访问者类的递归版本。让人拍案。

首先我们看一下改写的基础代码

import types

class Node:
    pass

class NodeVisitor:
    def visit(self, node):
        stack = [node]
        last_result = None
        while stack:
            try:
                last = stack[-1]
                if isinstance(last, types.GeneratorType):
                    stack.append(last.send(last_result))
                    last_result = None
                elif isinstance(last, Node):
                    stack.append(self._visit(stack.pop()))
                else:
                    last_result = stack.pop()
            except StopIteration:
                stack.pop()

        return last_result

    def _visit(self, node):
        methname = 'visit_' + type(node).__name__
        meth = getattr(self, methname, None)
        if meth is None:
            meth = self.generic_visit
        return meth(node)

    def generic_visit(self, node):
        raise RuntimeError('No {} method'.format('visit_' + type(node).__name__))复制代码

递归的调用

class UnaryOperator(Node):
    def __init__(self, operand):
        self.operand = operand

class BinaryOperator(Node):
    def __init__(self, left, right):
        self.left = left
        self.right = right

class Add(BinaryOperator):
    pass

class Sub(BinaryOperator):
    pass

class Mul(BinaryOperator):
    pass

class Div(BinaryOperator):
    pass

class Negate(UnaryOperator):
    pass

class Number(Node):
    def __init__(self, value):
        self.value = value

# A sample visitor class that evaluates expressions
class Evaluator(NodeVisitor):
    def visit_Number(self, node):
        return node.value

    def visit_Add(self, node):
        return self.visit(node.left) + self.visit(node.right)

    def visit_Sub(self, node):
        return self.visit(node.left) - self.visit(node.right)

    def visit_Mul(self, node):
        return self.visit(node.left) * self.visit(node.right)

    def visit_Div(self, node):
        return self.visit(node.left) / self.visit(node.right)

    def visit_Negate(self, node):
        return -self.visit(node.operand)

if __name__ == '__main__':
    # 1 + 2*(3-4) / 5
    t1 = Sub(Number(3), Number(4))
    t2 = Mul(Number(2), t1)
    t3 = Div(t2, Number(5))
    t4 = Add(Number(1), t3)
    # Evaluate it
    e = Evaluator()
    print(e.visit(t4))  # Outputs 0.6复制代码

一旦嵌套过深，就会出现问题

>>> a = Number(0)
>>> for n in range(1, 100000):
... a = Add(a, Number(n))
...
>>> e = Evaluator()
>>> e.visit(a)
Traceback (most recent call last):
...
    File "visitor.py", line 29, in _visit
return meth(node)
    File "visitor.py", line 67, in visit_Add
return self.visit(node.left) + self.visit(node.right)
RuntimeError: maximum recursion depth exceeded
>>>复制代码

而我们用生成器的方式来调用，一切又都可以运行了

class Evaluator(NodeVisitor):
    def visit_Number(self, node):
        return node.value

    def visit_Add(self, node):
        yield (yield node.left) + (yield node.right)

    def visit_Sub(self, node):
        yield (yield node.left) - (yield node.right)

    def visit_Mul(self, node):
        yield (yield node.left) * (yield node.right)

    def visit_Div(self, node):
        yield (yield node.left) / (yield node.right)

    def visit_Negate(self, node):
        yield - (yield node.operand)复制代码

>>> a = Number(0)
>>> for n in range(1,100000):
...     a = Add(a, Number(n))
...
>>> e = Evaluator()
>>> e.visit(a)
4999950000
>>>复制代码

神奇吗？仅仅是将return换成了yield，就能有如此巨大的改变。

我们来梳理一下代码。显然，重要的地方是第一段中NodeVisitor的定义。他用一个stack来保存程序计算中的数据结构，一开始，这里保存的是一个node的实例——t4。然后调用evaluator的visit方法，取出栈顶元素——此时是t4——保存在last中。判断它是一个Node的实例，再对其调用evaluator的_visit方法，同时把它从栈中弹出。而_visit 方法基本就是一个典型的访问者的设计模式的实现。然后，我们又看到，在后几段代码中，evaluator的visit_xxx方法的实现中将return换成了yield，这意味着，它将返回一个生成器——而不是和前面的实现中递归地调用。这个生成器被追加到了stack中。这时，Nodevisitor又检查栈顶元素，是生成器，调用其send方法，参数是last_result（此时值是None）。根据evaluator的定义，它又将返回一个Node的实例，然后再把它转换为一个生成器，或者如果是一个特定的子类（这里是Number）的话，直接返回值，如此循环往复。要注意的是，如果直接返回了值，说明已经产生了一个结果，这时将它赋值给last_result（原来的值是None的哦），再由evaluator将其通过send方法传给上一个层次的生成器，如此来实现结果的传递。直至最后计算出一个总的结果，返回。

思想是什么呢？原先嵌套的调用（递归）是由python解释器来处理的。现在，我们将每一次分解转化为一个生成器保存在栈中，每次检查栈顶元素的类型来决定执行什么操作。如果是一个Node的实例，就再将其转化为生成器，或者，直接返回值。如果是数值，将其保存在last_result中，将其从栈中弹出。如果是一个生成器，调用它的send方法，参数是last_result。这样，原本面对很深的嵌套，我们可能会需要递归地调用很多次才能真正返回一个值。而现在，yield将执行权再次交还给了evaluator，告诉它先计算第一个节点，出结果之后，再计算下一个——恰好和递归的执行顺序相反（虽然代码极其相似）。而生成器依然保存着执行状态，随时等待调用。自然递归深度限制也就不会再有。

我们再来看看这个例子是如何将生成器的特性发挥的淋漓尽致的。

其实，我们已经不能把它叫成是单纯的生成器，它还用到了协程的概念。首先，就像我们开头说的，yield有两个意思——to produce or to give way 。yield (yield node.left) + (yield node.right)这一句中的yield将node返回，既是produce 也是 give way，执行权交还给了evaluator，那evaluator怎么将结果传递给生成器呢？这就是send方法的作用。send方法的参数就是生成器中yield生成的值，这句话好像有点难理解，就是说，生成器恢复执行之后，原先的yield产生的值就是send传入的参数。而生成器会执行到下一个yield处，或者raise StopIteration。这时的生成器又会产生一个值，这个值哪了呢？它就是调用send方法后返回的值。所以我们才说还用到了协程的概念，事实上，协程的逻辑和这里基本相同。

状态机

ES6向Python借鉴了列表推导的语法糖，同时，它还添加了生成器的新特性（当然不是从Python中借鉴的）。

在阮一峰的《ES6标准入门》中，他介绍了使用生成器来定义状态机，用yield来划分不同状态的技巧。我在Python书籍和社区中没有见过（可能是我孤陋寡闻）。但仔细一想，python的标准库中就有类似的用法——contextlib.contextmanager

它的用法就是使用yield来划分代码，之前的相当于上下文管理器的__enter__()，之后的相当于__exit__()。我们也可将其看作是一个状态机，只不过控制它的是python解释器。

最后

前面说的几个例子，其实也就是用了关于yield的那几个特性，只是要有想象力来充分的利用。希望我们都能让它们变成改善代码的好帮手。