注： generator的next()方法在python 2中为next()，但在python 3中为 __next__() 【next的前后各是两个下划线】
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。即：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。
#!/usr/bin/env python
# -*- coding: utf-8 -*-def fab(max):
n , a, b = 0, 0 , 1
while n < max:
print(b)
a, b = b, a + b
n = n + 1if __name__ == '__main__':
fab(6) # 1 1 2 3 5 8#!/usr/bin/env python
# -*- coding: utf-8 -*-def fab(max):
n , a, b = 0, 0 , 1
while n < max:
yield b
a, b = b, a + b
n = n + 1if __name__ == '__main__':
for n in fab(6): # 1 1 2 3 5 8
print(n)#!/usr/bin/env python
# -*- coding: utf-8 -*-from inspect import isgeneratorfunction
def fab(max):
n , a, b = 0, 0 , 1
while n < max:
yield b
a, b = b, a + b
n = n + 1if __name__ == '__main__':
f1 = fab(3)
# True fab是一个generator function
print(isgeneratorfunction(fab))
# False fab(3)不是一个generator function
# 而fab(3)是调用fab返回的一个generator print(isgeneratorfunction(fab(3)))#!/usr/bin/env python
# -*- coding: utf-8 -*-def read_file(fpath):
BLOCK_SIZE = 100
with open(fpath, "rb") as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block else:
returnif __name__ == '__main__':
fpath = "/home/exercise-python3.7.1/vote/mysite/mysite/polls/test.txt"
read_gen = read_file(fpath)
print(read_gen.__next__())
print(read_gen.__next__())
print(read_gen.__next__())
print(read_gen.__next__())
# for循环会自动调用generatr的__next__()方法，故输出效果同如上的4个print 【内容较短，4个print就将test.txt中的内容输出完了】 for data in read_gen:
print(data)#!/usr/bin/env python
# -*- coding: utf-8 -*-if __name__ == '__main__':
astr = "ABC"
alist = [1, 2, 3]
adict = {"name": "wangbm", "age": 18}
# generate
agen = (i for i in range(4, 8))
def gen(*args, **kw):
for item in args:
for i in item:
yield i
new_list = gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]#!/usr/bin/env python
# -*- coding: utf-8 -*-if __name__ == '__main__':
astr = "ABC"
alist = [1, 2, 3]
adict = {"name": "wangbm", "age": 18}
# generate
agen = (i for i in range(4, 8))
def gen(*args, **kw):
for item in args:
yield from item
new_list = gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]结论：
由上面两种方式对比，可以看出，yield from后面加上可迭代对象，他可以把可迭代对象里的每个元素一个一个的yield出来，对比yield来说代码更加简洁，结构更加清晰。
相关学习推荐：python视频教程
以上是python yield和yield from用法总结详解的详细内容。更多信息请关注PHP中文网其他相关文章！
