学Python怎能不知yield？

　　引言
　　你可能听说过，带有 yield 的函数在 Python 中被称之为 generator（生成器），又或者都没关注过，Python 中还有个 yield 的存在。如果你了解过 Python 中的 yield，那你知道何谓 generator 吗？
　　yield 的概念
　　理解yield 的 generator 概念，首先以一个常见的编程题目来展示 yield 的概念。
　　如何生成斐波那契數列
　　斐波那契（Fibonacci）數列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契數列的前 N 个数是一个非常简单的问题，有些 Python 基础的小伙伴都可以轻易写出如下函数：
　　第 1 版本：简单输出斐波那契數列前 N 个数   def createNum(count):      n, a, b = 0, 0, 1      while n < count:          print b          a, b = b, a + b          n = n + 1 createNum(5)
　　执行以上代码，我们可以得到如下输出：   1  1  2  3  5
　　输出结果是没有问题的，但是版本 1 中的写法是直接在 createNum 函数中用 print 打印数字会导致该函数可复用性较差，因为 createNum 函数返回 None，其他函数无法获得该函数生成的数列。
　　要提高 createNum 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。以下是 createNum 函数改写后的第二个版本：
　　第 2 版本：输出斐波那契數列前 N 个数   def createNum(count):      n, a, b = 0, 0, 1      L = []      while n < count:          L.append(b)          a, b = b, a + b          n = n + 1      return L   for n in createNum(5):      print n
　　该版本中 createNum 函数返回的 List的结果如下：   1  1  2  3  5
　　改写后的 createNum 函数通过返回 List 能满足复用性的要求，但是与此同时也会存在一个明显的问题是：该函数在运行中占用的内存会随着参数 count 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。在每次迭代中返回下一个数值，如此：内存空间占用很小。因为是直接返回一个 iterable 对象。
　　第 3 版本：使用 yield 输出斐波那契數列前 N 个数   def createNum(count):      n, a, b = 0, 0, 1      while n < count:          yield b      # 使用 yield         # print(b)          a, b = b, a + b          n = n + 1   for n in createNum(5):      print n
　　也可以手动调用 createNum(5) 的 next() 方法（因为 createNum(5) 是一个 generator 对象，该对象具有 next() 方法），这样我们就可以更清楚地看到 createNum 的执行流程：
　　第 4 版本：执行流程   def createNum(count):      n, a, b = 0, 0, 1      while n < count:          yield b      # 使用 yield         # print(b)          a, b = b, a + b          n = n + 1    #使用for循环来执行createNum()函数，它返回一个迭代值，下次迭代从yield语句的下一条语句继续执行   #使用next方法来执行createNum()函数，generator（生成器）对象具有next()方法 num = createNum(5) print(next(num)) print(next(num)) print(next(num)) print(next(num)) print(next(num)) print(next(num))
　　运行以上代码，结果输出如下：   1 1 2 3 5 Traceback (most recent call last):   File ＂＂, line 1, in   StopIteration
　　由输出结果可发现在执行第 6 个 print(next(num)) 时抛出一个 StopIteration 的异常，是因为在第 5 个 print(next(num)) 执行完时函数已经结束，再执行第 6 个print(next(num))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。
　　yield 的作用
　　简单地讲，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 createNum(5) 不会执行 createNum 函数，而是返回一个 iterable 对象！
　　在 for 循环执行时，每次循环都会执行 createNum 函数内部的代码，执行到 yield b 时，createNum 函数就会返回一个迭代值，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。
　　yield 使用场景迭代生成数据(生产者，数据量巨大时优势更加明显，它可以不占用大量内存)   接收数据(消费者)   中断(协作式的任务)
　　总结
　　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。