yield 的用法有以下四种常见的情况：一个是生成器，二是用于定义上下文管理器，三是协程，四是配合 from 形成 yield from 用于消费子生成器并传递消息。这四种用法，其实都源于 yield 所具有的暂停的特性，也就说程序在运行到 yield 所在的位置 result = yield expr 时，先执行 yield expr 将产生的值返回给调用生成器的 caller，然后暂停，等待 caller 再次激活并恢复程序的执行。而根据恢复程序使用的方法不同，yield expr 表达式的结果值 result 也会跟着变化。如果使用 __next()__ 来调用，则 yield 表达式的值 result 是 None；如果使用 send() 来调用，则 yield 表达式的值 result 是通过 send 函数传送的值。下面是官方文档介绍 yield 表达式时的一个例子，能够很好地说明关键字 yield 的特性和用法：

<code>非诚勿扰：正在学习python的小伙伴或者打算学习的，可以私信小编“01”领取资料！/<code>

上面这段代码的说明如下图所示：

1. 执行第一个 next(generator) 的时候，也就是预激活生成器，生成器开始执行，打印 Begin... 字符串，执行到 value = (yield value) 的位置时，首先调用 yield value 产生数字 1，然后生成器在 yield 的位置暂停。
2. 接着调用第 2 个 next(generator) 的时候，生成器恢复执行，由于使用 next() 来调用生成器函数， value 的值会变成 None ，因此生成器函数继续执行到 yield value 时，会将 value 的值 None 返回给解释器，然后再次暂停。
3. 接着使用 send(2) 方法继续调用生成器，value 接收到传入的数字 2，继续到执行 value = (yield value) ，将数字 2 返回给解释器后暂停。
4. 此后，解释器再次通过 throw(TypeError, "spam") 方法调用，生成器恢复执行，并抛出异常，生成器捕获到异常，并将异常 TypeError('spam') 赋值给变量 value，然后程序再次执行到 value = (yield value) ，将 TypeError('spam') 返回给解释器。
5. 最后，程序调用 close() 方法，在生成器函数的位置抛出 GeneratorExit ，异常被抛出，生成器正常退出，并最终执行最外层 try 语句对应的 finally 分支，打印输出 Clean up。

生成器

不出意外，你最先遇到 yield 一定会是一个生成器函数里面。生成器是一个用于不断生成数字或者其他类型的值的函数，可以通过 for 循环或者 next() 函数逐一调用。这里需要强调的是，生成器包含的是一个没有赋值的 yield 表达式，所以下面两种形式是等价的：

这里之所以强调第二种形式，是为了在理解通过 send() 方法发送 value 时，能够更好地理解 yield。同时，也能够更正确地说明，调用生成器返回的值是 yield 关键字右边的表达式 i + 1 的值，而不是 yield 表达式本身的结果值。

我们试着调用一下：

上下文管理器

配合 Python 的 contexlib 模块里的 @contextmanager 装饰器，yield 也可以用于定义上下文管理器，下面是 Python Tricks 书中的一个例子

上面通过装饰器和 yield 关键字定义的上下文管理器和下面类的方法定义等同：

可以利用下面的方法分别进行调用：

协程

协程的概念充满了美感，非常符合人的办事模式，想要完全掌握却还是需要花费一些功夫。不过这些功夫是值得的，因为有时多线程所带来的麻烦会远远比协程多。下面是 Python Cookbook 中的一个只用 yield 表达式编写的协程实例：

<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>

运行上面的脚本，可以得到以下输出：

countdown 和 countup 两个任务交替执行，主程序在执行到 countdown 函数的 yield 表达式时，暂停后将被重新附加到队列里面。然后，countup 任务从队列中取了出来，并开始执行到 yield 表达式的地方后暂停，同样将暂停后的协程附加到队列里面，接着从队列里取出最左边的任务 countdown 继续执行。重复上述过程，直到队列为空。

上面的协程可以利用 Python3.7 中的 asyncio 库改写为：

可以看到利用 asyncio 库编写的协程示例比用 yield 来编写的协程要优雅地多，也简单地多，更容易被人理解。

yield from

说实话，yield from 实在有点令人费解，让人摸不着头脑。yield from 更多地被用于协程，而 await 关键字的引入会大大减少 yield from 的使用频率。yield from 一方面可以迭代地消耗生成器，另一方面则建立了一条双向通道，可以让调用者和子生成器便捷地通信，并自动地处理异常，接收子生成器返回的值。下面是 Python Cookbook 书里的一个例子，用于展开嵌套的序列：

而 yield from 用于建立双向通道的用法则可以参考 Fluent Python 里例子[6]，这里就不详细地解释这段代码：

<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>

可能对于熟练掌握 Python 的程序员来说，yield 和 yield from 相关的语法充满了美感。但对于刚入门的我来说，除了生成器语法让我感觉到了美感，其他的语法都让我理解起来很是费解。不过还好，asyncio 库融入了 Python 的标准库里，关键字 async 和 await 的引入，将会让我们更少地在编写协程时去使用 yield 和 yield from。 但不管怎么样，yield 都是 Python 里非常特别的一个关键字，值得花时间好好掌握了解。

结尾

最后多说一句，小编是一名python开发工程师，这里有我自己整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习等。想要这些资料的可以关注小编，并在后台私信小编：“01”即可领取。

閱讀更多 Python之眼 的文章

關鍵字: 关键字 小白 用法