yield节省内存是因为将函数转为生成器，逐行生成数据而非一次性加载全部；避免readlines()内存爆炸；不可混用return value；生成器不可重用；生成器表达式更轻量但功能受限。

yield 能节省内存，是因为它让函数变成生成器——不一次性加载全部数据，而是在每次迭代时才产生下一行，用完即弃，内存里始终只存一行。

yield 如何避免 readlines() 的内存爆炸

调用 f.readlines() 会把整个文件按行拆成列表，所有字符串对象全驻留内存。10GB 日志 → 几 GB 内存占用，极易触发 MemoryError。yield 则绕过这一步：

• 打开文件后，for line in f: 本身已返回一个逐行迭代器，yield line.strip() 只转发当前行，不缓存历史行
• 没有中间列表、没有副本、没有索引结构，连 len() 都无法调用
• 哪怕文件有上亿行，内存占用基本恒定（约几 KB）

别在生成器里混用 return value

这是最常踩的坑：return "done" 不会把字符串传给调用方，而是直接抛出 StopIteration 异常，且异常对象的 value 属性才藏着那个字符串。调用方用 next(gen) 拿不到，用 for 循环则根本收不到。

python全能编程助手

SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、

下载

• 想传递状态？改用 yield ("status", "done") 或 yield {"type": "summary", "count": 12345}
• 想提前终止？直接 return（无值）就行，等价于 raise StopIteration
• 生成器一旦被完全迭代完，就不可重用 —— 再次遍历必须重新调用函数创建新生成器

生成器表达式比 yield 函数更轻量，但适用场景不同

(x**2 for x in range(10**7) if x % 2 == 0) 这种写法比定义一个带 yield 的函数还省开销，适合简单过滤/变换；但它没法封装复杂逻辑（比如带状态的解析器、多文件轮转、数据库分页查询）。

• 需要复用状态（如累计行号、解析上下文）？必须用 yield 函数
• 只是“对每个元素做固定操作”？优先选生成器表达式，代码更短，启动更快
• 两者都不能用索引访问（gen[5] 报错），也不能 len()，这是懒加载的代价

真正容易被忽略的是：生成器的“惰性”不是免费的——它把内存压力转嫁成了控制流复杂度。比如你在多个地方消费同一个生成器，或试图反复迭代它，问题就不是内存，而是逻辑崩坏。

Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！