Python yield：生成器的威力與實戰應用

 

1. yield 就是「可中斷的 return」

直覺上，yield 看起來很像 return：遇到它就「回傳」一個值；不同的是，函式不會結束，而是暫停在此，保留當前所有區域變數與執行位置，等到下一次呼叫才會從暫停處繼續執行。
簡單來說：

def foo():
    print("開始執行")
    while True:
        yield 4      # 暫停並回傳 4
        print("★ 繼續執行 ★")

• 第一次執行 g = foo() 不會執行函式內容，而只回傳一個生成器物件。

• 呼叫 next(g)，才會印出 "開始執行"，並暫停在 yield 4 回傳 4。

• 再呼叫一次 next(g)，將從 yield 之後的位置繼續執行，印出 ★ 繼續執行 ★，然後再次遇到 yield 4 暫停並回傳。 

---

2. next() 如何推動生成器

生成器物件除了可以被 next() 觸發，也可搭配迴圈自動驅動：

g = foo()
print(next(g))  # → 4
print(next(g))  # → ★ 繼續執行 ★ 4
for v in foo():
    print(v)     # 不停印出 4，直到你手動 break

• next(g) 等同於「進到下一個 yield」，每次都從函式暫停處繼續執行。

• 用 for 迴圈時，Python 會自動呼叫 next() 直到生成器遇到 return 或拋出 StopIteration。 

---

3. 用 send() 向生成器傳入資料

除了單純取得值，生成器還能接收外部傳入的資料──使用 send()：

def foo2():
    print("啟動")
    while True:
        received = yield "請傳入值"
        print("收到的值：", received)

g2 = foo2()
print(next(g2))       # 啟動，回傳 "請傳入值"
print(g2.send(123))   # 收到的值：123，繼續到下一個 yield 回傳 "請傳入值"

• 第一次用 next() 啟動生成器到第一個 yield。

• 之後用 g2.send(x)，會把 x 賦給上次 yield 暫停時的接收變數，然後繼續往下執行直到下一個 yield。 

---

4. 何以用生成器能省記憶體？

若你要一次性產生一個長度為 1,000,000 的列表，range(1000000)（在 Python 3 中雖為生成器，但概念相同）就能按需產生值，而不需先佔用整塊記憶體。

# 傳統寫法：一次性建立完整清單
nums = [i for i in range(1000000)]    # 佔用大量記憶體

# 生成器寫法：按需產生
def gen_nums(n):
    for i in range(n):
        yield i
for x in gen_nums(1000000):
    # 處理 x
    pass

• 生成器只有在 next() 時才「跑」到下一個值，永遠只保留當下狀態，不會將所有元素同時載入記憶體。

• 對於「流式處理」（stream processing）、讀取大檔案或網路資料，都能大幅減少記憶體用量。 

---

5. 常見應用場景與建議

1. 大資料流處理：如逐行讀取大型檔案

2. 無限序列：如自訂迭代器產生無窮數列

3. 協程（Coroutine）：透過 send() 與 yield 實作更複雜的流程控制

4. 管道串接：將多個生成器串成資料處理管線

實作小提示：

• 在生成器中避免過度深層邏輯，保持單一職責，並妥善捕捉 StopIteration。

• 若想取得「最後一次 return」的值，可在函式末尾加上 return value，並在外層捕捉 StopIteration.value。

---

結語

yield 的核心魔力，在於「暫停並記憶狀態」，讓函式化身生成器，邊執行邊產出，對大資料與流式處理場景尤為適合。掌握好 next() 與 send() 之後，你就能寫出兼具高效與優雅的 Python 程式。歡迎在評論區分享你的 yield 應用範例！