Python中三大器有迭代器，生成器，装饰器，本文主要讲述生成器。主要从生成器的概念，本质，以及yield关键字的使用执行过程。
本质：生成器是一类特殊的迭代器，使用了yield关键字的函数不再是函数，而是生成器。（使用了yield的函数就是生成器）
1.yield关键字有两点作用
1.1 yield语句一次返回一个结果，保存当前运行状态（断点），然后暂停执行，挂起函数的状态，以便下次重它离开的地方继续执行，即将生成器（函数）挂起
1.2.将yield关键字后面表达式的值作为返回值返回，此时可以理解为起到了return的作用
1.2.1 可以使用next()函数让生成器从断点处继续执行，即唤醒生成器（函数）
1.2.2 Python3中的生成器可以使用return返回最终运行的返回值，而Python2中的生成器不允许使用return返回一个返回值（即可以使用return从生成器中退出，但return后不能有任何表达式）。
2. 优点
2.1 使用生成器函数代码量更少。
2.2 生成器的好处是延迟计算，一次返回一个结果，不会一次生成所有的结果，这对于大数据量处理，将会非常有用，即省内存。
3. 生成方法
3.1 生成器表达式【使用与推算算法笔记简单的】
3.2 生成器函数【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】
4.代码实现
4.1 创建生成器方法1 ，把列表产生式的[]换成()，即生成器表达式。
In [1]: li=[2*x for x in range(6)]
In [2]: li
Out[2]: [0, 2, 4, 6, 8, 10]
In [3]: type(li)
Out[3]: list
In [4]: li=(2*x for x in range(6))
In [5]: li
Out[5]: <generator object <genexpr> at 0x7fef38260780>
In [6]: for item in li:
...: print(item)
...:
0
2
4
6
8
10
4.2 创建生成器方法2，使用yield关键字。
在使用生成器实现的方式中，我们将原本在迭代器__next__方法中实现的基本逻辑放到一个函数中来实现，但是将每次迭代返回数值的return换成了yield，此时新定义的函数便不再是函数，而是一个生成器了。必须捕获StopIteration错误，返回值包含在StopIteration的value中。
def fib(num):
i = 0;
num1, num2 = 0, 1
while i < num:
yield num1
num1, num2 = num2, num1 + num2
i += 1
return "none"
gen_fib = fib(3)
# for item in gen_fib:
# print(item)
print(gen_fib.__next__())
print(gen_fib.__next__())
print(gen_fib.__next__())
try:
print(gen_fib.__next__())
except StopIteration as e:
print(e.args)
print(e.value)
# 0
# 1
# 1
# ('none',)
# none
4.3 使用send()唤醒函数
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
必须首先使用next(f),或者f.__next__()启动，才可以使用send()函数。__next__(相当于None)。首先，使用__next__启动，当Python解释器遇到yield关键字时，停止往下执行，即yield左边赋值不再执行。当再次调用__next__,或者send时，开始执行yield左边赋值操作。temp的值是send的参数值，和i无关，如果使用的是__next__唤醒，而不是send唤醒，那么temp的值是None。
def fun():
i = 0
while i < 5:
temp = yield i
print("temp:", temp)
i += 1
f = fun()
f.__next__()
f.__next__()
f.send("我是send")
# 结果
# temp: None
# temp: 我是send