Python 中的 yield 关键字详解

2.2 生成器表达式

除了生成器函数，Python 还提供了生成器表达式，它类似于列表推导式，但是返回一个生成器对象，逐个生成值。生成器表达式的语法更紧凑，且不会一次性占用大量内存。

以下是一个生成器表达式的示例，用于生成自然数的平方：

gen = (x**2 for x in range(1, 6))
for value in gen:
    print(value)  # 输出：1 4 9 16 25

生成器表达式可以在不创建额外的函数的情况下生成值，适用于简单的迭代需求。

三、yield 的高级用法

3.1 生成器的状态保存与恢复

生成器函数在每次执行时都会保持其状态。这意味着它可以用于生成无限序列或大数据集，而不必将所有数据存储在内存中。

以下是一个无限递增的生成器示例：

def infinite_increment():
    num = 0
    while True:
        yield num
        num += 1

gen = infinite_increment()
for _ in range(5):
    print(next(gen))  # 输出：0 1 2 3 4

3.2 生成器的数据过滤

yield 可以与条件结合使用，用于过滤生成的值。这允许生成器仅生成符合特定条件的值。

以下是一个示例，生成偶数的生成器：

def even_numbers():
    num = 0
    while True:
        if num % 2 == 0:
            yield num
        num += 1

gen = even_numbers()
for _ in range(5):
    print(next(gen))  # 输出：0 2 4 6 8

3.3 生成器的懒惰计算

生成器的懒惰计算是一种在需要时计算值的方式，而不是一次性计算所有值。这在处理大型数据集或无限序列时非常有用。

以下是一个示例，生成自然数的平方，但只计算前 5 个：

def lazy_square(limit):
    for x in range(1, limit + 1):
        yield x**2

gen = lazy_square(5)
for value in gen:
    print(value)  # 输出：1 4 9 16 25

懒惰计算允许在处理大量数据时节省内存和计算资源。

3.4 向生成器发送数据 (send)

生成器不仅可以产出值，还可以接收外部传入的值。通过 send() 方法，可以向生成器内部发送数据，该数据会成为当前 yield 表达式的值。

def counter():
    n = 0
    while True:
        value = yield n
        if value is not None:
            n = value
        else:
            n += 1

gen = counter()
print(next(gen))  # 初始化，必须用 next() 先启动
print(gen.send(10))  # 发送 10，n 变为 10，下一次 yield 10
print(next(gen))     # 输出 11

注意：第一次调用 send() 之前，通常需要先调用 next() 来启动生成器，否则会因为等待第一个 yield 而报错。

3.5 生成器中的异常处理

生成器可以使用 try...finally 块来确保清理操作被执行。当生成器被垃圾回收或被显式关闭时，finally 块中的代码会运行。

def resource_generator():
    try:
        yield 1
        yield 2
    finally:
        print("资源已释放")

gen = resource_generator()
print(next(gen))
gen.close()  # 触发 finally 块

四、性能对比：列表 vs 生成器

使用列表存储大量数据会占用大量内存，因为所有元素都存储在内存中。而生成器是惰性计算的，只存储当前状态。

import sys

# 列表：占用大量内存
list_data = [i for i in range(1000000)]
print(f"列表占用内存：{sys.getsizeof(list_data)} bytes")

# 生成器：占用极少内存
gen_data = (i for i in range(1000000))
print(f"生成器占用内存：{sys.getsizeof(gen_data)} bytes")

通常情况下，生成器的内存占用远小于列表，特别是在处理百万级数据时优势明显。

五、总结

yield 的高级用法包括生成器的状态保存，允许无限递增或递减的生成器。还可以与条件结合使用，用于过滤生成的值，仅生成符合特定条件的值。最重要的是，yield 支持懒惰计算，允许在需要时计算值，而不是一次性计算所有值，从而节省内存和计算资源。

此外，yield 还支持 send() 方法实现双向通信，以及配合 try...finally 进行资源管理。在处理大型数据集、无限序列或需要逐个生成值的情况下，yield 是一个强大的工具。通过深入理解 yield，可以更好地利用生成器和懒惰计算，提高代码的效率和可维护性。

在实际开发中，建议优先使用生成器表达式或生成器函数来处理大规模数据流，避免不必要的内存消耗。