Python中yield的用法详解——最简单，最清晰的解释 | 生成器/面试必看（2026版）

Python 中 yield 的用法详解
——最简单、最清晰的解释（2026版，生成器 & 面试必看）

yield 是 Python 中最容易让人“一知半解”的关键字，但一旦真正理解，它会成为你写优雅、高性能代码的利器。

一句话记住 yield 的本质：

yield 让函数变成“可以暂停并保存现场的发电机”，而不是一次性把所有结果算完再返回。

下面用最直白的语言 + 对比 + 代码，把 yield 的各种用法讲透。

1. yield vs return —— 最核心区别

写法	执行到这里会发生什么	函数结束后状态	下次调用函数时从哪里继续
return	返回结果 + 立即结束函数	函数彻底死亡	从头开始
yield	返回结果 + 暂停函数，保存所有现场（变量、位置）	函数进入“挂起”状态	从 yield 下一行继续执行

这就是 yield 能实现“惰性求值”“内存友好”“无限序列”的根本原因。

2. 最简单的例子 —— 从列表到生成器

普通函数（一次性返回全部）

def get_numbers():
    return [1, 2, 3, 4, 5]   # 一次性创建整个列表

nums = get_numbers()
for n in nums:
    print(n)

改成生成器函数（用 yield）

def get_numbers():
    for i in range(1, 6):
        yield i               # 每次只产生一个数

nums = get_numbers()          # 此时 nums 是一个生成器对象
for n in nums:
    print(n)                  # 1 2 3 4 5（按需产生，不占内存）

关键观察：

• 没有 yield → 返回 list（占用完整内存）
• 有 yield → 返回 generator（几乎不占内存，只在迭代时逐个产生）

3. yield 最经典的三大使用场景

场景1：内存友好的大数据/文件逐行读取

def read_large_file(filename):
    with open(filename, 'r', encoding='utf-8') as f:
        for line in f:        # 不会一次性把文件全部读进内存
            yield line.strip()

for line in read_large_file("very_big.log"):
    process(line)             # 每次只在内存中处理一行

场景2：无限序列 / 惰性序列

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = fibonacci()
for _ in range(10):
    print(next(fib))          # 0 1 1 2 3 5 8 13 21 34

想取第 10000 个斐波那契数？
普通列表方式会先把前面 9999 个都算出来并存内存，而 yield 方式只算到第 10000 个为止。

场景3：协程 / 生成器 + send()（高级用法，面试常考）

def talker():
    while True:
        name = yield               # 暂停在这里，等外部 send 值
        print(f"你好，{name}！")

t = talker()
next(t)                        # 必须先启动生成器（到第一个 yield）
t.send("Alice")                # → 你好，Alice！
t.send("Bob")                  # → 你好，Bob！

这就是 Python 协程最原始的实现方式（async/await 底层就是基于这种机制）。

4. yield from（Python 3.3+）—— 委托生成器

最优雅的写法，避免手动 for 循环 yield。

def chain(*iterables):
    for it in iterables:
        yield from it           # 相当于 for x in it: yield x

list(chain("ABC", [1,2,3]))     # ['A','B','C',1,2,3]

5. 面试必考的 8 个核心知识点（背下来基本稳）

1. yield 出现后函数变成生成器函数，调用它返回的是生成器对象（generator），不是执行结果。
2. 生成器只能迭代一次，迭代完后就耗尽（exhausted），再次迭代为空。
3. next() 或 for 循环会让生成器从暂停处继续执行，直到下一个 yield 或函数结束。
4. StopIteration 异常：生成器跑完所有 yield 后抛出，for 循环会自动捕获。
5. yield 表达式可以接收值（通过 send()），这是协程的基础。
6. yield from 可以委托给另一个可迭代对象或生成器。
7. 生成器表达式 vs 生成器函数：

• (x**2 for x in range(10)) → 生成器表达式（小括号）
• def gen(): yield ... → 生成器函数（更灵活）

1. 内存优势：生成器适合处理无法一次性装进内存的数据流（大文件、实时数据、爬虫响应等）

6. 2026 年写生成器的现代最佳实践

# 推荐写法（类型提示 + 文档）
from collections.abc import Generator
from typing import Any

def countdown(n: int) -> Generator[int, None, None]:
    """从 n 倒计时到 0（包含 0）"""
    while n >= 0:
        yield n
        n -= 1

# 使用
for num in countdown(5):
    print(num)  # 5 4 3 2 1 0

7. 一句话记住 yield

yield = “我先把这个值给你，你用完再来找我，我接着从刚才停的地方继续干活”

一旦你能用这个心态去理解 yield，你就真正掌握它了。

想继续看 yield 的进阶用法吗？
比如：

• yield 在 asyncio 协程中的底层原理
• 生成器 + contextmanager 实现资源管理
• send() + throw() + close() 完整用法
• yield from vs async for 的关系

或者你有具体代码想用 yield 优化，直接贴出来，我帮你改成生成器版本。