async/await普及后，Python生成器返回值还有哪些实际用途？

即使async/await已经成为Python异步编程的主流实现，生成器的return返回值特性仍然有很多不可替代的实用场景：

• 流式迭代场景下的聚合结果返回
  当你需要用生成器做流式数据产出（比如逐行读取文件、分页拉取接口数据、逐个产出匹配结果），同时需要在迭代结束后返回全局统计类结果时，return是最简洁的实现方式。比如你写一个逐行匹配错误日志的生成器，可以在yield所有匹配行的同时，最后return匹配到的总行数、错误等级分布等汇总数据，上层调用方通过yield from可以直接拿到这个返回值，不需要额外定义共享变量传递状态，代码耦合度更低。
  示例代码：

  def iter_error_logs(log_path: str):
      error_count = 0
      with open(log_path, encoding="utf-8") as f:
          for line in f:
              if "ERROR" in line:
                  error_count += 1
                  yield line.strip()
      return error_count
  
  # 上层调用获取汇总结果
  def process_logs():
      total_error = yield from iter_error_logs("app.log")
      print(f"共扫描到 {total_error} 条错误日志")
  

• 递归生成器的结果汇总
  做递归遍历类场景（比如遍历目录树、递归解析嵌套树形数据）时，生成器可以逐层yield单个节点数据，最后return当前层级的统计结果，通过yield from递归调用时可以自动把各层的汇总结果向上传递，不需要额外编写状态传递的逻辑，比用类实例维护状态的实现更轻量。
• 兼容旧生态的无侵入扩展
  很多老旧的Python代码库仍然大量使用生成器做流式数据处理，如果需要给已有的生成器扩展返回元数据的能力，用return返回额外信息不会破坏原有的迭代逻辑，旧代码直接调用仍然可以正常拿到所有yield的值，新代码可以主动获取返回的元数据，不需要修改原有接口的产出格式，兼容性更好。
• 自定义迭代控制的状态传递
  编写自定义迭代控制逻辑（比如任务重试、流量控制的迭代器）时，可以用yield产出每个执行的任务结果，最后return整个迭代过程的统计数据（比如重试次数、成功失败占比、执行耗时等），调用方不需要额外插入监听逻辑就能拿到全局统计信息。

内容的提问来源于stack exchange，提问作者Roman Odaisky