在 Python 中，`yield` 是一个用于生成器（generator）函数的关键字。与普通函数不同，生成器函数不会一次性执行完毕，而是可以在执行过程中通过 `yield` 暂停并保存当前状态，之后可以从上次暂停的位置继续执行。 ### 基本用法 生成器函数通常包含一个或多个 `yield` 语句。当调用生成器函数时，它会返回一个生成器对象，该对象是一个可迭代的对象。函数的代码会在每次调用 `next()` 或使用 `for` 循环遍历时执行，直到遇到 `yield` 表达式为止。此时，函数会暂停执行，并将 `yield` 后面的表达式的值返回给调用者。 ```python def simple_generator(): yield 1 yield 2 yield 3 gen = simple_generator() print(next(gen)) # 输出: 1 print(next(gen)) # 输出: 2 ``` 在这个例子中，每次调用 `next(gen)` 都会使生成器函数从上次暂停的地方继续执行，直到遇到下一个 `yield` 语句[^3]。 ### 使用 `send()` 方法传递值 Python 的生成器不仅能够产出值，还可以接收外部传入的值。这得益于 `send()` 方法，它允许向生成器内部发送数据，并恢复生成器的执行。 ```python def infinite_palindromes(): num = 0 while True: if is_palindrome(num): i = (yield num) if i is not None: num = i num += 1 # 判断数字是否为回文数 def is_palindrome(num): if num // 10 == 0: return False temp = num reversed_num = 0 while temp != 0: reversed_num = (reversed_num * 10) + (temp % 10) temp = temp // 10 return num == reversed_num pal_gen = infinite_palindromes() print(next(pal_gen)) # 输出第一个回文数 print(pal_gen.send(100)) # 发送新值以改变起始点 ``` 这里展示了如何利用 `send()` 来修改生成器的状态。首次调用 `next()` 启动生成器后，可以通过 `send()` 提供新的起始数值[^1]。 ### 异常处理和清理操作 生成器还支持异常抛出以及资源释放的操作。可以使用 `throw()` 方法向生成器内抛出异常，而 `close()` 方法则用来关闭生成器。此外，`yield` 可以和 `try/finally` 结合使用，确保即使在生成器被提前终止的情况下也能完成必要的清理工作。 ```python def generator_with_cleanup(): try: yield "Working" finally: print("Cleanup") gen = generator_with_cleanup() print(next(gen)) # 输出: Working gen.close() # 触发 finally 块中的打印 ``` 这段代码演示了即使生成器没有自然结束，也可以通过 `close()` 确保 `finally` 块被执行[^1]。 ### 内存效率 由于生成器是按需产生项，因此对于大数据集来说尤其有用。例如，如果需要遍历非常大的文件或者处理大量计算密集型的数据流，使用生成器可以显著减少内存占用。 ```python def large_range(n): i = 0 while i < n: yield i i += 1 for number in large_range(1000000): pass # 处理每个数字而不必一次性加载到内存中 ``` 这样的方式使得程序能够在有限的内存条件下处理远超物理内存容量的数据量[^5]。