一、什么是生成器
通過列表生成式瞒大，我們可以直接創(chuàng)建一個列表螃征。但是，受到內(nèi)存限制透敌，列表容量肯定是有限的盯滚。而且，創(chuàng)建一個包含100萬個元素的列表酗电，不僅占用很大的存儲空間魄藕，如果我們僅僅需要訪問前面幾個元素，那后面絕大多數(shù)元素占用的空間都白白浪費(fèi)了撵术。所以背率，如果列表元素可以按照某種算法推算出來，那我們是否可以在循環(huán)的過程中不斷推算出后續(xù)的元素呢？這樣就不必創(chuàng)建完整的list寝姿，從而節(jié)省大量的空間交排。在Python中，這種一邊循環(huán)一邊計算的機(jī)制饵筑，稱為生成器：generator埃篓。
二、創(chuàng)建生成器的方法
1.將列表的 [ ] 改為（）
下面為python快速生成列表：
>>> [x for x in range(5)]
[0, 1, 2, 3, 4]
若將 [ ] 改為（）翻翩，則會創(chuàng)建一個生成器都许，可迭代對象
>>> gener=(x for x in range(5))
>>> next(gener)
0
>>> next(gener)
1
>>> next(gener)
2
>>> next(gener)
3
>>> next(gener)
4
>>> next(gener)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
生成器保存的是算法，每次調(diào)用 next(G) 嫂冻，就計算出 G 的下一個元素的值胶征，直到計算到最后一個元素，沒有更多的元素時桨仿，拋出 StopIteration 的異常睛低。當(dāng)然，這種不斷調(diào)用 next() 實(shí)在是太變態(tài)了服傍，正確的方法是使用 for 循環(huán)钱雷，因為生成器也是可迭代對象。所以吹零，我們創(chuàng)建了一個生成器后罩抗，基本上永遠(yuǎn)不會調(diào)用 next() ，而是通過 for 循環(huán)來迭代它灿椅，并且不需要關(guān)心 StopIteration 異常套蒂。
2.使用yield關(guān)鍵字。
generator非常強(qiáng)大茫蛹。如果推算的算法比較復(fù)雜操刀，用類似列表生成式的 for 循環(huán)無法實(shí)現(xiàn)的時候，還可以用函數(shù)來實(shí)現(xiàn)婴洼。
比如骨坑，著名的斐波拉契數(shù)列（Fibonacci），除第一個和第二個數(shù)外柬采，任意一個數(shù)都可由前兩個數(shù)相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, ...
斐波拉契數(shù)列用列表生成式寫不出來欢唾，但是，用函數(shù)把它打印出來卻很容易：
In [28]: def fib(times):
....: n = 0
....: a,b = 0,1
....: while n<times:
....: print(b)
....: a,b = b,a+b
....: n+=1
....: return 'done'
....:
In [29]: fib(5)
1
1
2
3
5
Out[29]: 'done'
仔細(xì)觀察警没，可以看出匈辱，fib函數(shù)實(shí)際上是定義了斐波拉契數(shù)列的推算規(guī)則，可以從第一個元素開始杀迹，推算出后續(xù)任意的元素，這種邏輯其實(shí)非常類似generator。
也就是說树酪，上面的函數(shù)和generator僅一步之遙浅碾。要把fib函數(shù)變成generator，只需要把print(b)改為yield b就可以了：
In [30]: def fib(times):
....: n = 0
....: a,b = 0,1
....: while n<times:
....: yield b
....: a,b = b,a+b
....: n+=1
....: return 'done'
....:
In [31]: F = fib(5)
In [32]: next(F)
Out[32]: 1
In [33]: next(F)
Out[33]: 1
In [34]: next(F)
Out[34]: 2
In [35]: next(F)
Out[35]: 3
In [36]: next(F)
Out[36]: 5
In [37]: next(F)
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
<ipython-input-37-8c2b02b4361a> in <module>()
----> 1 next(F)
StopIteration: done
在上面fib 的例子续语，我們在循環(huán)過程中不斷調(diào)用 yield 垂谢，就會不斷中斷。當(dāng)然要給循環(huán)設(shè)置一個條件來
退出循環(huán)疮茄，不然就會產(chǎn)生一個無限數(shù)列出來滥朱。同樣的，把函數(shù)改成generator后力试，我們基本上從來不會用
next() 來獲取下一個返回值徙邻，而是直接使用 for 循環(huán)來迭代：
In [38]: for n in fib(5):
....: print(n)
....:
1
1
2
3
5
In [39]:
但是用for循環(huán)調(diào)用generator時，發(fā)現(xiàn)拿不到generator的return語句的返回值畸裳。如果想要拿到返回值缰犁，必須捕獲StopIteration錯誤，返回值包含在StopIteration的value中：
In [39]: g = fib(5)
In [40]: while True:
....: try:
....: x = next(g)
....: print("value:%d"%x)
....: except StopIteration as e:
....: print("生成器返回值:%s"%e.value)
....: break
....:
value:1
value:1
value:2
value:3
value:5
生成器返回值:done
In [41]:
2-1.通過一個函數(shù)了解yield和send的意義怖糊。
例子：執(zhí)行到y(tǒng)ield時帅容，gen函數(shù)作用暫時保存，返回i的值;temp接收下次c.send("python")伍伤，send發(fā)送過來的值并徘，c.next()等價c.send(None)
>>> def gen():
... i=0
... while i<5:
... temp = yield i
... print(temp)
... i+=1
...
# 1. 使用next函數(shù)
>>> f=gen()
>>> next(f)
0
>>> next(f)
None
1
>>> next(f)
None
2
>>> next(f)
None
3
>>> next(f)
None
4
>>> next(f)
None
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
# 2. 使用__next__()方法
>>> f=gen()
>>> f.__next__()
0
>>> f.__next__()
None
1
>>> f.__next__()
None
2
>>> f.__next__()
None
3
>>> f.__next__()
None
4
>>> f.__next__()
None
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
# 3. 使用send方法：有下面例子可以看出，f.__next__()相當(dāng)于send（None）
>>> f=gen()
>>> f.__next__()
0
>>> f.send("haha")
haha
1
>>> f.__next__()
None
2
>>> f.send("heihei")
heihei
3
2-2.模擬多任務(wù)的實(shí)現(xiàn)
模擬多任務(wù)(進(jìn)程扰魂，線程麦乞，協(xié)程)實(shí)現(xiàn)方式之一：協(xié)程
>>> def test1():
... while True:
... print("__1__")
... yield None
...
>>> def test2():
... while True:
... print("__2__")
... yield None
...
>>> t1=test1()
>>> t2=test2()
>>> while True:
... t1.__next__()
... t2.__next__()
...# 打印結(jié)果:
__1__
__2__
__1__
__2__
__1__
__2__
__1__
__2__
__1__
__2__
......
