1.什么是生成器generator：
通过列表生成式(列表推导式)，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器：generator。
创建生成方法一：
创建 a 和 b 的区别仅在于最外层的 [ ] 和 ( ) ， a 是一个列表，而 b 是一个生成器。我们可以直接打印出a的每一个元素，但我们怎么打印出b的每一个元素呢？如果要一个一个打印出来，可以通过 next() 函数获得生成器的下一个返回值：
>>> a
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
>>> type(a)
<class 'list'>
>>> b = (x*3 for x in rang(10))
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
NameError: name 'rang' is not defined
>>> b = (x*3 for x in range(10))
>>> type(b)
<class 'generator'>
>>> next(b)
0
>>> next(b)
3
>>> next(b)
6
>>> next(b)
9
...
...
...
>>> next(b)
27
>>> next(b)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration也可以通过for循环进行遍历
for n in b:
print(n)
0
3
6
9生成器保存的是算法，每次调用next(b),就计算出b的下一个元素的值，直到计算到最后一个元素，没有更多的元素的时候会抛出StopIteration的异常。实际操作中很少有人使用这种方法，更多的是使用for循环的方法，因为生成器也是可迭代对象，
创建生成器方法二：在函数中使用yield变成生成器
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。
也可以用类中的方法来实现。
函数生成著名的斐波拉契数列（除第一个和第二个数外，任意一个数都可以通过前两个数相加得到）
1, 1, 2, 3, 5, 8, 13, 21, 34, 55,89,144,233...斐波拉契数列用列表推导式很难写出来，但是用函数把它打印出来却很容易（下列代码中，b锁对应的就是斐波拉契数列）
>>> a,b = 0,1
>>> b
1
>>> a,b=b,a+b
>>> b
2
>>> a,b=b,a+b
>>> b
3
>>> a,b=b,a+b
>>> b
5
>>> a,b=b,a+b
>>> b
8如下所示的代码中，其实fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始推算出后面任意的元素，这种逻辑非常类似雨generator
>>> def fib(length):
... a,b = 0,1
... n = 0
... while n < length:
... print(b)
... a,b=b,a+b
... n += 1
... return "Done"
...
>>> fib(20)
1
1
2
3
5
8
13
21
34
55
89
144
233
377
610
987
1597
2584
4181
6765
'Done'
>>> 使用yield变成生成器
yield是一个关键词，如同return不同之处在于yield返回的是一个生成器，也就是说上面的函数和生成器generator仅仅一步之遥，要把yield改变成genertor，只需要把println（b）改写成yield b 就行了。
>>> def fib(length):
... a,b = 0,1
... n = 0
... while n < length:
... yield b
... a,b=b,a+b
... n += 1
... return "Done"
...
...
...f = fib(20) //变成生成器只能这么调用。
...next(f)
...next(f)
...next(f)
...next(f)
...next(f)在python3中我们可以引入模块然后调用
from test import *
>>> b = fib(20)
>>> next(b)
1
>>> next(b)
1
>>> next(b)
2
>>> next(b)
3
>>> next(b)
5
>>> next(b)
8捕获StopIteration错误得到返回值
在上面的代码中我们不断的调用yield，就会不断的获取下一个元素，当最后一个元素被获取后会报错，这时候就需要我们进行错误的捕获。
用for循环调用generator式，发现拿不到generator的return语句的返回值，如果想要拿到返回值，必须捕获stopiterator错误，返回值包含在stopiterator的value中：
f = fib(5)
try:
while True:
next(f)
except Exception as result:
print(result)
1
1
2
3
5
Done常用方法
1.使用send
next(f)等价f.send(None)
执行到yield时，gen函数作用暂时保存，返回i的值；temp接收下次f.send(“python”)，send发送过来的值，next(f)等价f.send(None)
>>> def gen():
... i = 0
... while i < 5:
... temp = yield i
... print("temp=",temp)
... i += 1
...
>>> f = gen()
>>> print(f.send(None))
0
>>> print(f.send("no1"))
temp= no1
1
>>> print(f.send("no2"))
temp= no2
2
>>> print(f.send("no3"))
temp= no3
3
>>> print(f.send("no4"))
temp= no4
4
使用send的时候应该注意不能一开始就使用
使用next函数
使用_ next _()方法-扩展
>>> def gun():
... i = 0
... while i < 5:
... temp = yield i
... print("temp=",temp)
... i += 1
...
>>> f = gun()
>>> print(f.__next__())
0
>>> print(f.__next__())
temp= None
1
>>> print(f.__next__())
temp= None
2
>>> print(f.__next__())
temp= None
3
>>> print(f.__next__())
temp= None
4yield扩展-多任务执行
>>> def test1():
... while True:
... print("-------------test1-------------")
... yield None
...
>>> def test2():
... while True:
... print("-------------test2-------------")
... yield None
...
>>> t1 = test1()
>>> t2 = test2()
>>> while True:
... t1.__next__()
... t2.__next__()
...
-------------test1-------------
-------------test2-------------
-------------test1-------------
-------------test2-------------
-------------test1-------------
-------------test2-------------
-------------test1-------------
-------------test2-------------总结：
生成器是一个函数，它记住上一次返回时在函数体中的位置，对生成器函数的第二次（或第n次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。
生成器不仅“记住“了它数据状态，生成器还“记住“了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。
生成器的特点：
1.节约内存
2.迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的。