生成器
yield
协同程序
所谓的协同程序就是可以运行的独立函数调用，函数可以暂停或者挂起，并在需要的时候从程序离开的地方继续或者重新开始。
例1
>>> def myGen(): print('生成器被执行！') yield 1 yield 2 >>> myG = myGen() >>> next(myG) 生成器被执行！ 1 >>> next(myG) 2 >>> next(myG) Traceback (most recent call last): File "<pyshell#5>", line 1, in <module> next(myG) StopIteration >>> for i in myGen(): print(i) 生成器被执行！ 1 2
例2：斐波那契数列
def libs(): a = 0 b = 1 while True: a, b = b, a + b yield a for each in libs(): if each > 100: # 100内 break print(each, end=' ')
1 1 2 3 5 8 13 21 34 55 89
next()
通过列表生成式，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。
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
例3
e= (i for i in range(10)) print(e)
<generator object <genexpr> at 0x0000026F1A8D4C48>
例4
g = (x for x in range(2)) print(next(g)) print(next(g)) print(next(g))
当然，上面这种不断调用next(g)实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象
