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。
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、
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
<p>for x in bad_counter():
print(x)</p><h1>输出：</h1><h1>[0]</h1><h1>[0, 1]</h1><h1>[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。
