Python 生成器函数和普通函数有什么区别？

简化版

普通函数调用后会执行到结束并返回结果；生成器函数包含 yield，调用后不会立刻执行函数体，而是返回一个生成器对象，迭代时才逐步执行。生成器适合处理大数据流、惰性计算和需要保存执行状态的场景。

详细版

普通函数：

def get_numbers():
    return [1, 2, 3]

nums = get_numbers()

生成器函数：

def gen_numbers():
    yield 1
    yield 2
    yield 3

nums = gen_numbers()

gen_numbers() 返回的是生成器对象，不是列表。只有迭代它时，函数体才会执行：

for n in gen_numbers():
    print(n)

区别：

普通函数用 return 返回最终结果。
生成器函数用 yield 产出一个值，并暂停执行。
下一次迭代时，从上次暂停的位置继续执行。
生成器一次只产出一个值，内存占用更低。

生成器常用于读取大文件：

def read_lines(path):
    with open(path, encoding="utf-8") as f:
        for line in f:
            yield line.strip()

完整版教学

一、生成器函数的识别方式

只要函数体里出现 yield，它就是生成器函数：

def f():
    yield 1

调用它：

g = f()

此时函数体并没有执行，g 是一个生成器对象。

真正执行发生在：

next(g)

或者：

for item in g:
    ...

二、yield 做了两件事

yield 有两个作用：

产出一个值给调用方；
暂停当前函数执行状态。

例如：

def demo():
    print("start")
    yield 1
    print("middle")
    yield 2
    print("end")

执行：

g = demo()
print(next(g))
print(next(g))

第一次 next(g)：

打印 start；
遇到 yield 1；
返回 1；
函数暂停在这里。

第二次 next(g)：

从 yield 1 后面继续；
打印 middle；
遇到 yield 2；
返回 2。

当函数执行结束后，再调用 next(g) 会抛出 StopIteration。

三、生成器为什么省内存

普通函数如果返回列表：

def numbers(n):
    result = []
    for i in range(n):
        result.append(i)
    return result

当 n 很大时，列表会一次性占用大量内存。

生成器写法：

def numbers(n):
    for i in range(n):
        yield i

它不会一次性生成所有数据，而是用到一个产出一个。处理日志文件、数据库游标、网络流时，这种方式非常重要。

四、return 在生成器里的含义

生成器里也可以写 return：

def gen():
    yield 1
    return

这里的 return 表示生成器结束。

如果写：

def gen():
    yield 1
    return "done"

"done" 会放到 StopIteration 的 value 里，但普通 for 循环不会把它当作一个迭代值输出。

面试里可以简单说：生成器主要靠 yield 产出值，return 用来结束生成器。

五、生成器表达式和生成器函数

生成器表达式：

squares = (x * x for x in range(10))

生成器函数：

def squares():
    for x in range(10):
        yield x * x

如果逻辑很简单，用生成器表达式即可；如果有复杂逻辑、异常处理、多个步骤，就用生成器函数。

六、生成器的常见坑

生成器是一次性迭代对象：

g = (x for x in range(3))
print(list(g))  # [0, 1, 2]
print(list(g))  # []

第一次已经把它消耗完了，第二次就没有内容。

如果需要重复遍历，应该重新创建生成器，或者把结果转成列表：

data = list(g)

但转列表会失去惰性计算的内存优势。

七、常见误区与追问

记忆钩子：普通函数像一次性把饭做好端上来，生成器像边吃边做；省内存来自“按需产出”，代价是执行状态和迭代生命周期要管理清楚。

误区：调用生成器函数会立刻执行函数体。 只要函数体包含 yield，调用它得到的是生成器对象；真正执行发生在 next()、for 循环或其他迭代消费动作中。
追问：生成器为什么能保存执行状态？ 每次遇到 yield，当前指令位置、局部变量和执行帧状态会暂停保留；下一次迭代从暂停点继续，而不是从函数开头重新执行。
误区：生成器一定比列表快。 生成器通常更省内存，但每次迭代有状态恢复开销；数据量很小且需要多次随机访问时，列表可能更简单也更合适。
追问：return value 在生成器里怎么取到？ 它不会作为普通迭代值产出，而是放在 StopIteration.value 中；for 循环会吞掉结束异常，所以日常业务一般不依赖这个返回值。
误区：生成器可以像列表一样反复遍历。 多数生成器是一次性迭代对象，消费完后再次 list(g) 会得到空列表；需要重复遍历就重新创建生成器或显式缓存结果。
追问：生成器和迭代器是什么关系？ 生成器对象本身就是迭代器，支持 __iter__ 和 __next__；生成器函数是一种创建迭代器的便捷语法。

八、加强记忆

普通函数是“调用就跑完，返回一个结果”；生成器函数是“调用先得到生成器，迭代时边跑边 yield”。yield 既产出值，又保存暂停点。适合大文件、大数据流和流水线处理，但要记住生成器通常只能被消耗一次。

简化版

详细版