生成器
有时候，序列或集合内的元素的个数非常巨大，如果全制造出来并放入内存，对计算机的压力是非常大的。比如，假设需要获取一个10**20次方如此巨大的数据序列，把每一个数都生成出来，并放在一个内存的列表内，这是粗暴的方式，有如此大的内存么？如果元素可以按照某种算法推算出来，需要就计算到哪个，就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。在Python中，这种一边循环一边计算出元素的机制，称为生成器：generator。
生成生成器：
g = (x * x for x in range(1, 4))
g

可以通过next()函数获得generator的下一个返回值，这点和迭代器非常相似：
next(g)
1
next(g)
4
next(g)
9
next(g)
Traceback (most recent call last):
File “<pyshell#14>”, line 1, in
next(g)
StopIteration
但更多情况下，我们使用for循环。
for i in g:
print(i)

除了使用生成器推导式，我们还可以使用yield关键字。
def createNums():
print(“----func start------”)
a,b = 0,1
for i in range(5):

print(b)

print(“–1–”)
yield b
print(“–2–”)
a,b = b,a+b # a,b = 1, 1 a,b = 1,2
print(“–3–”)
print(“----func end------”)
g= createNums()
next(g) # 如果想得到yield的值,可以打印next(g)

在 Python中，使用yield返回的函数会变成一个生成器（generator）。 在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。

斐波那契函数
def fibonacci(n):
a = 0
b = 1
counter = 0
while True:
if counter > n:
return
yield a # yield让该函数变成一个生成器
a, b = b, a + b
counter += 1

fib = fibonacci(10) # fib是一个生成器
print(type(fib))
for i in fib:
print(i, end=" ")

生成器是可以循环的,相比next来说,for循环更友好
a = createNums()
这两种取值方式是一样的！！！
a.next()
next(a)

for i in a:
print(i)

send
def test():
i = 0
while i<5:
temp = yield i
print(temp)
i+=1

t = test()
next(t)
next(t)
t.send(“juran”)
next(t)
t = test()
t.send(“juran”)
Traceback (most recent call last):
File “/Users/binbin/Desktop/Python/demo.py”, line 179, in
t.send(“juran”)
TypeError: can’t send non-None value to a just-started generator

如何解决这个错误?

next(t)
t.send(“juran”)

send(None)

生成器的应用
实现多任务
def test1():
while True:
print(“–1–”)
yield None

def test2():
while True:
print(“–2–”)
yield None

t1 = test1()
t2 = test2()
while True:
next(t1)
next(t2)