Python中的yield用法示例，代码示例在Python3下运行。

进入yield之前，先了解为什么要使用yield的背景，以生成斐波那契数列为例：

版本1：

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        print(b)
        a, b = b, a + b
        n = n + 1

直接在fab函数中用print打印数字会导致该函数可复用性较差，因为fab函数返回None，其他函数无法获得该函数生成的数列。

版本2：

def fab(max):
    n, a, b = 0, 0, 1
    L = []
    while n < max:
        # print(b)
        L.append(b)
        a, b = b, a + b
        n = n + 1
    return L

改写后的fab函数通过返回List能满足复用性的要求，但该函数在运行中占用的内存会随着参数max的增大而增大，如果要控制内存占用，最好不要用List来保存中间结果，而是通过 iterable对象来迭代。

Python2.x中的xrange(1000)和Python3.x中的range(1000)的遍历不会生成列表，而是在每次迭代中返回下一个数值，内存空间占用很小。因为返回的一个iterable对象。

利用iterable可以把fab函数改写为一个支持iterable的类。

版本3：

class Fab(object): 
 
   def __init__(self, max): 
       self.max = max 
       self.n, self.a, self.b = 0, 0, 1 
 
   def __iter__(self): 
       return self 
 
   def __next__(self): 
       if self.n < self.max: 
           r = self.b 
           self.a, self.b = self.b, self.a + self.b 
           self.n = self.n + 1 
           return r 
       raise StopIteration()

Fab类通过next不断返回数列中的下一个数，内存占用始终为常数。

可以看到，使用类实现远没有版本1、2来得简洁。既要简洁又要获得iterable的效果，yield就派上用场了。

版本4：

def fab(max):
    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1

版本4跟版本1的区别，仅仅把print(b)改为了yield b，就在保持简洁性的同时获得了iterable的效果。

版本4的调用跟版本2一样，如：

for n in fab(5)：
    print(n)

yield的用法解释：

yield的作用就是把一个函数变成一个generator，带有yield的函数不再是一个普通函数，Python解释器会将其视为一个generator，调用fab(5)不会执行fab函数返回一个iterable对象！在for循环执行时，每次循环都会执行fab函数内部的代码，执行到yield b时，fab函数就返回一个迭代值，下次迭代时，代码从yield b的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。

执行流程：

当函数执行结束时，generator自动抛出StopIteration异常，表示迭代完成。在for循环里，无需处理StopIteration异常，循环会正常结束。

一个带有yield的函数就是一个generator，它和普通函数不同，生成一个generator看起来像函数调用，但不会执行任何函数代码，直到对其调用next()（在for循环中会自动调用next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个yield语句就会中断，并返回一个迭代值，下次执行时从yield的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被yield中断了数次，每次中断都会通过yield返回当前的迭代值。

yield的好处是显而易见的，把一个函数改写为一个generator就获得了迭代能力，比起用类的实例保存状态来计算下一个next() 的值，不仅代码简洁，而且执行流程异常清晰。

利用isgeneratorfunction判断判断一个函数是不是生成器函数：

>>> from inspect import isgeneratorfunction
>>> isgeneratorfunction(fab)

要注意区分fab和fab(5)，fab是一个生成器函数，而fab(5)是调用fab返回的一个生成器：

>>> import types
>>> isinstance(fab, types.GeneratorType)
False
>>> isinstance(fab(5), types.GeneratorType)
True

fab是无法迭代的，而fab(5)是可迭代的：

>>> from collections import Iterable
>>> isinstance(fab, Iterable)
False
>>> isinstance(fab(5), Iterable)
True

每次调用fab函数都会生成一个新的generator实例，各实例互不影响。

在一个生成器函数中，如果没有return，则默认执行至函数完毕，如果在执行过程中return，则直接抛出StopIteration终止迭代。

利用yield来读取文件，降低内存使用的例子：

def read_file(fpath): 
   BLOCK_SIZE = 1024 
   with open(fpath, 'rb') as f: 
       while True: 
           block = f.read(BLOCK_SIZE) 
           if block: 
               yield block 
           else: 
               return

如果直接对文件对象调用read()方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。通过 yield，我们不再需要编写读文件的迭代类，就可以轻松实现文件读取。

以上仅仅简单介绍了yield的基本概念和用法，yield在 Python3中还有更强大的用法。

参考： 文章内容基本是来自这里，做了少许修改。