初步解析Python中的yield函数的用法

您可能听说过，带有 yield 的函数在 Python 中被称之为 generator（生成器），何谓 generator ？

我们先抛开 generator，以一个常见的编程题目来展示 yield 的概念。

如何生成斐波那契數列

斐波那契（Fibonacci）數列是一个非常简单的递归数列，除第一个和第二个数外，任意一个数都可由前两个数相加得到。用计算机程序输出斐波那契數列的前 N 个数是一个非常简单的问题，许多初学者都可以轻易写出如下函数：

清单 1. 简单输出斐波那契數列前 N 个数
 

def fab(max): n, a, b = 0, 0, 1 while n < max:  print b  a, b = b, a + b  n = n + 1

执行 fab(5)，我们可以得到如下输出：
 

>>> fab(5)11235

结果没有问题，但有经验的开发者会指出，直接在 fab 函数中用 print 打印数字会导致该函数可复用性较差，因为 fab 函数返回 None，其他函数无法获得该函数生成的数列。

要提高 fab 函数的可复用性，最好不要直接打印出数列，而是返回一个 List。以下是 fab 函数改写后的第二个版本：

清单 2. 输出斐波那契數列前 N 个数第二版
 

def fab(max): n, a, b = 0, 0, 1 L = [] while n < max:  L.append(b)  a, b = b, a + b  n = n + 1 return L

可以使用如下方式打印出 fab 函数返回的 List：
 

>>> for n in fab(5):...  print n...11235

改写后的 fab 函数通过返回 List 能满足复用性的要求，但是更有经验的开发者会指出，该函数在运行中占用的内存会随着参数 max 的增大而增大，如果要控制内存占用，最好不要用 List

来保存中间结果，而是通过 iterable 对象来迭代。例如，在 Python2.x 中，代码：

清单 3. 通过 iterable 对象来迭代
 

for i in range(1000): pass

会导致生成一个 1000 个元素的 List，而代码：
 

for i in xrange(1000): pass

则不会生成一个 1000 个元素的 List，而是在每次迭代中返回下一个数值，内存空间占用很小。因为 xrange 不返回 List，而是返回一个 iterable 对象。

利用 iterable 我们可以把 fab 函数改写为一个支持 iterable 的 class，以下是第三个版本的 Fab：
清单 4. 第三个版本

class Fab(object):  def __init__(self, max):  self.max = max  self.n, self.a, self.b = 0, 0, 1  def __iter__(self):  return self  def next(self):  if self.n < self.max:   r = self.b   self.a, self.b = self.b, self.a + self.b   self.n = self.n + 1   return r  raise StopIteration()

Fab 类通过 next() 不断返回数列的下一个数，内存占用始终为常数：