生成器比列表节省内存达数量级，如range(10**6)仅占几十字节，而等价列表占用约8MB；必须用yield的场景包括处理大文件、递归结构、无限序列及管道式惰性求值链。
生成器比列表节省多少内存？
生成器对象本身只占几十字节，而等价的列表在创建时就得把所有元素装进内存。比如 range(10**6) 返回的是生成器（Python 3），但 [x for x in range(10**6)] 会立刻分配约 8MB 内存（取决于元素类型和系统）。实际差距不是“省一点”，而是“差一个数量级”——尤其当数据源来自文件、数据库或网络流时，列表可能直接 OOM。
什么时候必须用 yield 而不是返回列表？
典型场景是处理无法一次性加载的数据：
- 读大文件时逐行或逐块处理：
yield每次只保留一行字符串，而不是把整个文件读进list - 递归结构遍历（如树、嵌套 JSON）：避免中间结果堆积，用生成器展开子节点
- 无限序列（如斐波那契、素数流）：根本没法用列表表示
- 管道式处理链：
filter+map+ 自定义生成器可形成惰性求值链，全程无临时列表
yield 和 return 混用会怎样？
函数里只要出现 yield，Python 就把它编译成生成器函数，哪怕同时有 return。但要注意：
-
return value在生成器中会触发StopIteration，且value会成为异常的value属性（Python 3.3+），不能被next()拿到 -
return后面的代码不会执行，但yield之后仍可继续写逻辑，只要没被提前return中断 - 别试图在生成器里用
return x当“返回最终结果”——它不等价于函数返回值，调用方拿不到
生成器用完就失效，怎么重复使用？
生成器是一次性的，迭代完就空了，再次 next() 必抛 StopIteration。这不是 bug，是设计使然。常见应对方式：
立即学习“Python免费学习笔记（深入）”；
- 重新调用生成器函数，得到新生成器（最常用）
- 用
itertools.tee()分叉，但注意它内部会缓存已取数据，内存开销可能反弹 - 如果只是需要多次遍历，且数据量可控，不如改用元组或冻结集合——生成器的优势本就不在“可重用”
最容易被忽略的是：生成器的“惰性”和“一次性”是一体两面。想绕过后者，往往就牺牲了前者。
