面试官: 听说你熟悉python，那么你能简单阐述一下python的装饰器、生成器以及迭代器么？
我: emm, 我不清楚，我只是了解过
python最基本的代码。
上述是弟弟前段时间去面试运维开发，遇到的问题，emmm，运维是一个很杂的职业，在小公司，总结一句话就是宽而浅，痛定思痛，决定来了解一下python特性，于是乎，就有了这篇文章。
这边文章，我们将介绍python生成器，使用环境为: Python 3.6.8
如果你还没有了解过迭代器，建议查看迭代器的文章：《python | 你知道for...in是底层原理是什么样的么？探寻python迭代器》
什么是python生成器
上一篇文章我们介绍了迭代器，而生成器是一种特殊的迭代器，它内部也有__iter__方法和__next__方法，在终止生成器的时候，还是会抛StopIteration异常以此来退出循环，只不过相比于迭代器，生成器还有特性会保存“中间值”，下次运行的时候，还会借助这个“中间值”来操作。
生成器的关键字是yield，我们下面来写一个最简单的生成器。
粗看代码，可能会觉着这个是个啥啊，为啥不直接用range来生成，偏偏要用yield，哎，不急，我们接着往下看为什么需要生成器，或者说，生成器解决了什么问题。
为什么需要python生成器
在说明这个问题之前，我们先来写一个需求，输出 0——10000000 以内的数据，而后运行查看导出内存运行截图。
调用python程序内存信息辅助说明
这里可以借助python的memory_profiler模块来检测程序内存的占用情况。
安装memory_profiler库:
使用方法很简单，在需要检测的函数或者是代码前添加@profile装饰器即可，例如:
生成.dat文件
导出图示，可以使用
python案例代码
以下2个程序，都是输出0—9999999之间的数据，不同的是，第一个程序是使用range而后给append进list中，第二个则是使用迭代器来生成该数据。
main.py程序
main_2.py程序
运行程序
代码也有了，就可以按照上述来运行一下程序，并且导出内存信息
运行后内存信息查看
main.py 运行内存图
main_2.py 运行内存图
如上2张对比图，当我们将数据叠加进列表，再输出的时候，占用内存接近400M，而使用迭代器来计算下一个值内存仅使用16M。
通过上述案例，我们应该知道为什么要使用生成器了吧。
python生成器原理
由于生成器表达式yield语句涉及到了python解释权内部机制，所以很难查看其源码，很难获取其原理，不过我们可以利用yield的暂停机制，来探寻一下生成器。
可以编写如下代码：
运行后效果如下
通过上述实例，再结合下面这段生成器的运行过程，会加深对生成器的感触。
当python遇到yield语句时，会记录当前函数的运行状态，并且暂停执行，将结果抛出。会持续等待下一次调用__next__方法，该方法调用后，会恢复函数的运行，直至下一个yield语句或者函数结束，执行到最后没有yield函数可执行的时候，会抛StopIteration来标志生成器的结束。
生成器表达式
在python中，生成器除了写在函数中，使用yield返回之外，还可以直接使用生成器表达式，额。。。可能很抽象，但是你看下面这段代码，你就明白了。
其中，代码(i for i in [1,2,3,4,5])就等同于printNums函数，其类型都是生成器，我们可以使用type打印出来看下。
改下代码，输出结果如下:
好了，生成器表达式其实不复杂，暂时就讲到这里。
总结
该篇文章是介绍python生成器，所谓的生成器其实也是一个特殊的迭代器，其底层依然有__iter__和__next__方法，不仅如此，它还可以将函数“暂停”，当遇到_next__后，又从上一次暂停的地方开始执行，既然是一个特殊的迭代器，所以还是会引发StopIteration异常。而后介绍了为什么需要生成器，距了一个例子，分别打印0——n个数，一个使用生成器 还有一个 使用list，当然list会更加耗费内存，最后介绍了生成器原理 以及 生成器表达式。
