yield 的用法有以下四種常見的情況：一個是生成器，二是用於定義上下文管理器，三是協程，四是配合 from 形成 yield from 用於消費子生成器並傳遞消息。這四種用法，其實都源於 yield 所具有的暫停的特性，也就說程序在運行到 yield 所在的位置 result = yield expr 時，先執行 yield expr 將產生的值返回給調用生成器的 caller，然後暫停，等待 caller 再次激活並恢復程序的執行。而根據恢復程序使用的方法不同，yield expr 表達式的結果值 result 也會跟著變化。如果使用 __next()__ 來調用，則 yield 表達式的值 result 是 None；如果使用 send() 來調用，則 yield 表達式的值 result 是通過 send 函數傳送的值。下面是官方文檔介紹 yield 表達式時的一個例子，能夠很好地說明關鍵字 yield 的特性和用法：

<code>非誠勿擾：正在學習python的小夥伴或者打算學習的，可以私信小編“01”領取資料！/<code>

上面這段代碼的說明如下圖所示：

1. 執行第一個 next(generator) 的時候，也就是預激活生成器，生成器開始執行，打印 Begin... 字符串，執行到 value = (yield value) 的位置時，首先調用 yield value 產生數字 1，然後生成器在 yield 的位置暫停。
2. 接著調用第 2 個 next(generator) 的時候，生成器恢復執行，由於使用 next() 來調用生成器函數， value 的值會變成 None ，因此生成器函數繼續執行到 yield value 時，會將 value 的值 None 返回給解釋器，然後再次暫停。
3. 接著使用 send(2) 方法繼續調用生成器，value 接收到傳入的數字 2，繼續到執行 value = (yield value) ，將數字 2 返回給解釋器後暫停。
4. 此後，解釋器再次通過 throw(TypeError, "spam") 方法調用，生成器恢復執行，並拋出異常，生成器捕獲到異常，並將異常 TypeError('spam') 賦值給變量 value，然後程序再次執行到 value = (yield value) ，將 TypeError('spam') 返回給解釋器。
5. 最後，程序調用 close() 方法，在生成器函數的位置拋出 GeneratorExit ，異常被拋出，生成器正常退出，並最終執行最外層 try 語句對應的 finally 分支，打印輸出 Clean up。

生成器

不出意外，你最先遇到 yield 一定會是一個生成器函數里面。生成器是一個用於不斷生成數字或者其他類型的值的函數，可以通過 for 循環或者 next() 函數逐一調用。這裡需要強調的是，生成器包含的是一個沒有賦值的 yield 表達式，所以下面兩種形式是等價的：

這裡之所以強調第二種形式，是為了在理解通過 send() 方法發送 value 時，能夠更好地理解 yield。同時，也能夠更正確地說明，調用生成器返回的值是 yield 關鍵字右邊的表達式 i + 1 的值，而不是 yield 表達式本身的結果值。

我們試著調用一下：

上下文管理器

配合 Python 的 contexlib 模塊裡的 @contextmanager 裝飾器，yield 也可以用於定義上下文管理器，下面是 Python Tricks 書中的一個例子

上面通過裝飾器和 yield 關鍵字定義的上下文管理器和下面類的方法定義等同：

可以利用下面的方法分別進行調用：

協程

協程的概念充滿了美感，非常符合人的辦事模式，想要完全掌握卻還是需要花費一些功夫。不過這些功夫是值得的，因為有時多線程所帶來的麻煩會遠遠比協程多。下面是 Python Cookbook 中的一個只用 yield 表達式編寫的協程實例：

<code>from collections import deque# Two simple generator functionsdef countdown(n):    while n > 0:        print('T-minus', n)        yield        n -= 1    print('Blastoff!')def countup(n):    x = 0    while x < n:        print('Counting up', x)        yield        x += 1class TaskScheduler:    def __init__(self):        self._task_queue = deque()    def new_task(self, task):        '''        Admit a newly started task to the scheduler        '''        self._task_queue.append(task)    def run(self):        '''        Run until there are no more tasks        '''        while self._task_queue:            task = self._task_queue.popleft()            try:                # Run until the next yield statement                next(task)                self._task_queue.append(task)            except StopIteration:                # Generator is no longer executing                pass# Example usesched = TaskScheduler()sched.new_task(countdown(2))sched.new_task(countup(5))sched.run()/<code>

運行上面的腳本，可以得到以下輸出：

countdown 和 countup 兩個任務交替執行，主程序在執行到 countdown 函數的 yield 表達式時，暫停後將被重新附加到隊列裡面。然後，countup 任務從隊列中取了出來，並開始執行到 yield 表達式的地方後暫停，同樣將暫停後的協程附加到隊列裡面，接著從隊列裡取出最左邊的任務 countdown 繼續執行。重複上述過程，直到隊列為空。

上面的協程可以利用 Python3.7 中的 asyncio 庫改寫為：

可以看到利用 asyncio 庫編寫的協程示例比用 yield 來編寫的協程要優雅地多，也簡單地多，更容易被人理解。

yield from

說實話，yield from 實在有點令人費解，讓人摸不著頭腦。yield from 更多地被用於協程，而 await 關鍵字的引入會大大減少 yield from 的使用頻率。yield from 一方面可以迭代地消耗生成器，另一方面則建立了一條雙向通道，可以讓調用者和子生成器便捷地通信，並自動地處理異常，接收子生成器返回的值。下面是 Python Cookbook 書裡的一個例子，用於展開嵌套的序列：

而 yield from 用於建立雙向通道的用法則可以參考 Fluent Python 裡例子[6]，這裡就不詳細地解釋這段代碼：

<code># BEGIN YIELD_FROM_AVERAGERfrom collections import namedtupleResult = namedtuple('Result', 'count average')# the subgeneratordef averager():    total = 0.0    count = 0    average = None    while True:        term = yield        if term is None:            break        total += term        count += 1        average = total/count    return Result(count, average)# the delegating generatordef grouper(results, key):    while True:        results[key] = yield from averager()# the client code, a.k.a. the callerdef main(data):    results = {}    for key, values in data.items():        group = grouper(results, key)        next(group)        for value in values:            group.send(value)        group.send(None)    report(results)# output reportdef report(results):    for key, result in sorted(results.items()):        group, unit = key.split(';')        print(f'{result.count:2} {group:5} averaging {result.average:.2f}{unit}')data = {    'girls;kg':        [40.9, 38.5, 44.3, 42.2, 45.2, 41.7, 44.5, 38.0, 40.6, 44.5],    'girls;m':        [1.6, 1.51, 1.4, 1.3, 1.41, 1.39, 1.33, 1.46, 1.45, 1.43],    'boys;kg':        [39.0, 40.8, 43.2, 40.8, 43.1, 38.6, 41.4, 40.6, 36.3],    'boys;m':        [1.38, 1.5, 1.32, 1.25, 1.37, 1.48, 1.25, 1.49, 1.46],}if __name__ == '__main__':    main(data)/<code>

可能對於熟練掌握 Python 的程序員來說，yield 和 yield from 相關的語法充滿了美感。但對於剛入門的我來說，除了生成器語法讓我感覺到了美感，其他的語法都讓我理解起來很是費解。不過還好，asyncio 庫融入了 Python 的標準庫裡，關鍵字 async 和 await 的引入，將會讓我們更少地在編寫協程時去使用 yield 和 yield from。 但不管怎麼樣，yield 都是 Python 裡非常特別的一個關鍵字，值得花時間好好掌握瞭解。

結尾

最後多說一句，小編是一名python開發工程師，這裡有我自己整理了一套最新的python系統學習教程，包括從基礎的python腳本到web開發、爬蟲、數據分析、數據可視化、機器學習等。想要這些資料的可以關注小編，並在後臺私信小編：“01”即可領取。

閱讀更多 Python之眼 的文章

關鍵字: Python 用法 小白