一文读懂Python的yield：初学者也能轻松掌握的生成器神器

一文读懂Python的yield：初学者也能轻松掌握的生成器神器

如果你刚学Python，可能对yield这个关键字有点陌生——它看起来像return，却又和return不一样。其实yield一点都不难，它的核心作用就一个：帮我们创建“生成器”，实现“用的时候再生成数据”，既省内存又灵活。不管是处理大文件，还是生成无限序列，yield都能派上大用场。今天我们就用最直白的话讲清yield，再配上简单代码练习，新手也能快速上手！

要搞懂yield，先对比我们最熟悉的return——毕竟它们都是“返回值”的工具，但用法和效果完全不同。下面我们先从基础例子入手，看看yield到底特殊在哪。

配合练习效果更佳哦！！

生成器函数 VS 普通函数

1、普通函数（用return）：执行到return就结束，状态全销毁

# 普通函数，使用returndefnormal_func():print('执行第1步')return1print('执行第2步')# 调用执行result=normal_func()print(f'普通函数：{result}')

这段代码运行的结果会是什么呢？

结果如下

执行第1步 普通函数：1

2、生成器函数（用yield）：遇到yield就暂停，保留状态

只要函数里有yield，它就不是普通函数了，而是“生成器函数”。调用它不会执行代码，只会得到一个“生成器对象”；只有用next()或for循环迭代时，才会执行代码

# 生成器函数，使用yielddefgen_func():print("执行第一步")yield1# 暂停执行，返回1，保留当前状态print("执行第二步")yield2# 再次暂停，返回2print("执行第三步")yield3# 最后一次暂停，返回3# 调用生成器函数，不会执行代码，只得到生成器对象gen=gen_func()print("直接调用的结果：",gen)# 用next()触发执行（每次next()，执行到下一个yield就停）print("\n第一次调用next(gen)：")print(next(gen))print("\n第二次调用next(gen)：")print(next(gen))print("\n第三次调用next(gen)：")print(next(gen))# print(next(gen)) # 会抛出StopIteration异常！

对应结果如下：

如果第四次调用next(gen)：生成器耗尽，会抛StopIteration异常

直接调用的结果：<generator object gen_func at 0x00000238C50BA3B0>第一次调用next(gen)： 执行第一步1第二次调用next(gen)： 执行第二步2第三次调用next(gen)： 执行第三步3

3、用for循环迭代生成器

手动写next()太麻烦，for循环会自动处理StopIteration异常，迭代起来更简单，这也是实际开发中最常用的方式

defgen_func():print("执行第一步")yield1# 暂停执行，返回1，保留当前状态print("执行第二步")yield2# 再次暂停，返回2print("执行第三步")yield3# 最后一次暂停，返回3print("for循环迭代生成器：")fornumingen_func():print("获取到的值：",num)

可以得到结果如下：

for循环迭代生成器： 执行第一步 获取到的值：1执行第二步 获取到的值：2执行第三步 获取到的值：3

通过以上代码的练习，我们可以发现：

return是“一次性返回，直接结束”，yield是“分次返回，暂停保留状态”——这就是yield最核心的特点。

核心区别

特性	return（普通函数）	yield（生成器函数）
执行逻辑	执行到 return 立即终止函数，销毁状态	执行到 yield 暂停函数，保留当前状态
返回值	直接返回最终值，函数调用即执行	返回生成器对象，迭代时才逐步返回值
内存占用	一次性生成所有数据，占用内存大	按需生成数据，仅占用当前迭代的内存
可迭代性	无（返回单个 / 多个值，需手动封装迭代）	生成器对象本身是可迭代对象，支持 for/next

yield的核心优势：惰性求值

这个时候，问题很多的小明就要问了：“既然return也能返回值，我为啥还要用yield呀？”

答曰：yield能省内存！这种“用的时候再生成数据”的方式，叫“惰性求值”

为啥用yield就可以省内存呀？

假如说，现在我们需要100w条数据，用list存储，return返回，他会一次性把100w的数据全部放到内存中，这个时候，就有可能会导致电脑卡顿；但是如果使用yield，yield每次只会返回1个数据，用完就扔，可以说是几乎不占内存。

现在我们写一段代码来实验一下：

importtimeimportsysdefcreate_big_list():print("开始创建列表...")result=[iforiinrange(1000000)]print("列表创建完成")returnresultdefcreate_big_gen():print("创建生成器对象...")foriinrange(1000000):yieldiprint("生成器完成所有值的生成")# 对比创建时间print("=== 创建阶段 ===")start=time.time()list_big=create_big_list()print(f"创建列表耗时:{time.time()-start:.6f}秒")start=time.time()gen_big=create_big_gen()print(f"创建生成器耗时:{time.time()-start:.6f}秒")# 对比内存使用print(f"\n=== 内存使用 ===")print(f"列表大小:{sys.getsizeof(list_big):,}字节")print(f"生成器大小:{sys.getsizeof(gen_big):,}字节")# 验证惰性取值print("\n=== 惰性求值验证 ===")print("从生成器获取前5个值：")foriinrange(5):print(f" 第{i+1}个值:{next(gen_big)}")

结果如下：

===创建阶段===开始创建列表... 列表创建完成 创建列表耗时:0.043654秒 创建生成器耗时:0.000000秒===内存使用===列表大小:8,448,728 字节 生成器大小:104字节===惰性求值验证===从生成器获取前5个值： 创建生成器对象... 第1个值:0第2个值:1第3个值:2第4个值:3第5个值:4

可以看出yield消耗的内存可以说是远小于直接使用return返回的消耗的

另一个实用场景：逐行读取大文件。如果直接用read()读取几十GB的日志文件，会瞬间占满内存；用yield逐行读，就不会有这个问题

defread_big_file(file_path):# 打开文件（with语句会自动关闭文件，新手放心用）withopen(file_path,"r",encoding="utf-8")asf:forlineinf:yieldline.strip()

这里可以把内存看作家里的冰箱，而return与yield的区别就在于：

return会一次性买一周的量，可能会有冰箱装不下的风险，

而yield则是每次只买做一顿饭的量，吃多少买多少，所以冰箱不会有爆满的风险。

普通函数执行流程：
调用函数 → 执行代码 → 遇到return → 返回值 → 函数结束

生成器函数执行流程：
调用函数 → 返回生成器对象 → next()触发 → 执行到yield暂停 →
返回值 → 保留状态 → 下次next() → 从暂停处继续 → …

yield的进阶小技巧

send()：给生成器“传值”（双向通信）

yield不仅能返回值，还能接收外部传进来的值，用send()方法就行。注意：第一次传值前，要先用next()触发生成器到暂停状态。

defchat_gen():print("生成器：你好！请给我发一条消息～")msg1=yield"等待你的消息..."# 暂停，返回提示语，同时接收外部传值print(f"生成器：收到你的消息啦：{msg1}")msg2=yieldf"已确认消息：{msg1}"# 再次暂停，接收第二条消息print(f"生成器：又收到一条消息：{msg2}")yieldf"结束对话，共收到两条消息"# 测试send()用法gen_chat=chat_gen()# 第一步：用next()触发生成器到第一个yieldfirst_reply=next(gen_chat)print("我收到的回复：",first_reply)# 第二步：用send()传值，同时触发生成器继续执行second_reply=gen_chat.send("Hello! yield真有趣～")print("我收到的回复：",second_reply)# 第三步：再传一条消息third_reply=gen_chat.send("我学会啦！")print("我收到的回复：",third_reply)

结果如下：

生成器：你好！请给我发一条消息～ 我收到的回复： 等待你的消息... 生成器：收到你的消息啦：Hello!yield真有趣～ 我收到的回复： 已确认消息：Hello!yield真有趣～ 生成器：又收到一条消息：我学会啦！ 我收到的回复： 结束对话，共收到两条消息

yield from：简化嵌套生成器

如果有嵌套的生成器（生成器里套生成器），用yield from能直接迭代内部生成器的值，不用写复杂循环。

# 子生成器（内部的小生成器）defsub_gen():yield"苹果"yield"香蕉"# 主生成器（外部的生成器）defmain_gen():yield"开始输出水果："yieldfromsub_gen()# 直接迭代sub_gen()的所有值，等价于for val in sub_gen(): yield valyield"结束输出水果"# 迭代主生成器forvalinmain_gen():print(val)

可以得到如下结果：

开始输出水果： 苹果 香蕉 结束输出水果

yield常见应用场景

常见的应用场景如下：

• 处理大文件/大数据：比如逐行读日志、生成百万级数据（省内存）；
• 生成无限序列：比如生成自然数、斐波那契数列（列表存不下，生成器能一直给值）；
• 分步执行任务：比如爬虫的“请求网页→解析数据→保存数据”，每一步用yield暂停，方便调试；
• 简单协程/异步：入门级的异步操作（比如简单的任务调度），yield是基础。

最后再实现一个用yield生成无限斐波那契数列的代码：

斐波那契数列：在一组数据中，每个数都等于前两个数之和

deffib_gen():a,b=0,1whileTrue:# 无限循环，生成器不会一次性执行完yielda# 每次返回一个斐波那契数a,b=b,a+b# 更新值# 取前10个斐波那契数（避免无限迭代）fib=fib_gen()print("前10个斐波那契数：")for_inrange(10):print(next(fib),end=" ")

总结：新手掌握yield的核心要点

其实yield一点都不复杂，新手记住3个核心点就行：

1. 有yield的函数是生成器函数，调用不执行，返回生成器对象；
2. 用next()或for循环触发执行，遇到yield就暂停、返回值、保留状态；
3. 核心优势是惰性求值，省内存，适合大数据/大文件场景。