yield 使函数变成生成器：调用时返回 generator 对象，保存栈帧状态，通过 next()/send()暂停恢复执行；return 触发 StopIteration；需注意可变对象共享陷阱及 close()/throw()资源控制。

yield 是如何让函数变成生成器的

调用一个含 yield 的函数时，它不会立即执行函数体，而是直接返回一个 generator 对象。这个对象本质上是实现了迭代器协议（__iter__ 和 __next__）的状态机。

关键点在于：函数的局部变量、执行位置、异常状态都被保存在生成器对象内部，不是靠线程或协程调度，而是靠 CPython 解释器在每次 next() 或 send() 时恢复 栈帧（PyFrameObject）来实现“暂停 - 恢复”。

• yield 表达式本身会暂停执行，并把右侧值返回给调用方（类似 return，但不销毁栈帧）
• 下一次调用 __next__() 时，从 yield 后一条语句继续执行
• 如果用 send(value)，则该 value 会成为上一个 yield 表达式的求值结果

yield 表达式与 return 的行为差异

return 在生成器中不是禁止的，但它有特殊语义：触发 StopIteration 异常，并可携带一个返回值（Python 3.3+ 支持 return value，该值会成为 StopIteration.value）。

而 yield 永远不会结束生成器，除非自然退出或被 close() / throw() 中断。

立即学习“Python 免费学习笔记（深入）”；

• 首次调用 next(gen) 会执行到第一个 yield 并暂停；此时不能用 send(value)（必须先 next() 或 send(None)）
• return 后不能再有代码（语法错误），但 yield 后可以跟普通语句（只要没被执行到）
• 生成器退出后再次调用 next()，一律抛出 StopIteration，且不可重用

常见误用：在 yield 后修改变量却期望保留旧状态

很多人以为 yield 会“冻结”所有变量，其实它只保存执行点和栈帧，而可变对象（如 list、dict）仍被多个迭代周期共享 —— 这是 bug 高发区。

def bad_counter():     items = []     for i in range(3):         items.append(i)         yield items  # ❌ 所有 yield 都返回同一个 list 对象 
for x in bad_counter(): print(x)
输出：
[0]
[0, 1]
[0, 1, 2]  ← 不是预期的 [0], [1], [2]

• 修复方式：在 yield 前做浅拷贝（yield items.copy()）或重建新对象（yield [i]）
• 若需深拷贝，用 copy.deepcopy()，但注意性能开销
• 这种陷阱在缓存中间结果、构建嵌套结构时极易出现，尤其配合 append() / update() 等就地修改操作

生成器关闭与异常传递的底层控制

生成器不是被动等待 next()，它支持主动中断和注入异常，这是实现资源清理和流程控制的关键。

• gen.close() 触发 GeneratorExit 异常，可在 try/finally 中释放资源（但禁止在 except GeneratorExit 中 yield）
• gen.throw(type, value, traceback) 把异常注入当前暂停点，可用于模拟错误路径或驱动状态机
• gen.send() 不仅传值，还能唤醒 yield 左侧等待赋值的表达式，例如 data = yield

这些机制共同构成生成器的完整生命周期控制能力，但实际项目中容易忽略 close() 调用时机 —— 比如在 for 循环未完成就跳出时，生成器不会自动关闭，可能造成资源泄漏。