在学习python的时候，刚开始接触生成器（generator）这个概念的时候，其实还是不太能理解，感觉并没有完全掌握，今天看到这篇文章的时候，感觉对这个概念真的是有了进一步的了解，感觉生成器和列表解析的关系似乎有点类似于range和xrange函数的关系一样，列表解析是将要处理得到的序列都先生成了，而生成器是要通过多次迭代才会生成整个序列，否则每次执行就只是生成其中一个；此外，函数中出现了yield关键字，该函数就是生成器函数了。
这篇文章转载自深入理解Python中的生成器，另外也可以看看廖雪峰老师的教程。
生成器(generator)概念
生成器不会把结果保存在一个系列中，而是保存生成器的状态，在每次进行迭代时返回一个值，直到遇到StopIteration异常结束。
生成器语法
1. 生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。
>>> gen = (x**2 for x in range(5))
>>> gen
<generator object <genexpr> at 0x0000000002FB7B40>
>>> for g in gen:
... print(g, end='-')
...
0-1-4-9-16-
>>> for x in [0,1,2,3,4,5]:
... print(x, end='-')
...
0-1-2-3-4-5-- 生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。
但是生成器函数可以生产一个无线的序列，这样列表根本没有办法进行处理。
yield 的作用就是把一个函数变成一个 generator，带有 yield 的函数不再是一个普通函数，Python 解释器会将其视为一个 generator。
下面为一个可以无穷生产奇数的生成器函数。
def odd():n=1while True:yield nn+=2
odd_num = odd()
count = 0
for o in odd_num:if count >=5: breakprint(o)count +=1当然通过手动编写迭代器可以实现类似的效果，只不过生成器更加直观易懂
class Iter:def __init__(self):self.start=-1def __iter__(self):return selfdef __next__(self):self.start +=2 return self.start
I = Iter()
for count in range(5):print(next(I))题外话： 生成器是包含有iter()和next()方法的，所以可以直接使用for来迭代，而没有包含StopIteration的自编Iter来只能通过手动循环来迭代。
>>> from collections import Iterable
>>> from collections import Iterator
>>> isinstance(odd_num, Iterable)
True
>>> isinstance(odd_num, Iterator)
True
>>> iter(odd_num) is odd_num
True
>>> help(odd_num)
Help on generator object:odd = class generator(object)| Methods defined here:|| __iter__(self, /)| Implement iter(self).|| __next__(self, /)| Implement next(self).……
看到上面的结果，现在你可以很有信心的按照Iterator的方式进行循环了吧！
在 for 循环执行时，每次循环都会执行 fab 函数内部的代码，执行到 yield b 时，fab 函数就返回一个迭代值，下次迭代时，代码从 yield b 的下一条语句继续执行，而函数的本地变量看起来和上次中断执行前是完全一样的，于是函数继续执行，直到再次遇到 yield。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。
yield 与 return
在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；
>>> def g1():
... yield 1
...
>>> g=g1()
>>> next(g) #第一次调用next(g)时，会在执行完yield语句后挂起，所以此时程序并没有执行结束。
1
>>> next(g) #程序试图从yield语句的下一条语句开始执行，发现已经到了结尾，所以抛出StopIteration异常。
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration
>>>如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。
>>> def g2():
... yield 'a'
... return
... yield 'b'
...
>>> g=g2()
>>> next(g) #程序停留在执行完yield 'a'语句后的位置。
'a'
>>> next(g) #程序发现下一条语句是return，所以抛出StopIteration异常，这样yield 'b'语句永远也不会执行。
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration如果在return后返回一个值，那么这个值为StopIteration异常的说明，不是程序的返回值。
生成器没有办法使用return来返回值。
>>> def g3():
... yield 'hello'
... return 'world'
...
>>> g=g3()
>>> next(g)
'hello'
>>> next(g)
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIteration: world 生成器支持的方法
>>> help(odd_num)
Help on generator object:odd = class generator(object)| Methods defined here:......| close(...)| close() -> raise GeneratorExit inside generator.|| send(...)| send(arg) -> send 'arg' into generator,| return next yielded value or raise StopIteration.|| throw(...)| throw(typ[,val[,tb]]) -> raise exception in generator,| return next yielded value or raise StopIteration.close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。
>>> def g4():
... yield 1
... yield 2
... yield 3
...
>>> g=g4()
>>> next(g)
1
>>> g.close()
>>> next(g) #关闭后，yield 2和yield 3语句将不再起作用
Traceback (most recent call last):File "<stdin>", line 1, in <module>
StopIterationsend()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方，也是最重要的地方，实现后面我会讲到的协程就全靠它了。
def gen():value=0while True:receive=yield valueif receive=='e':breakvalue = 'got: %s' % receiveg=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))执行流程：
- 通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。
此时，执行完了yield语句，但是没有给receive赋值。
yield value会输出初始值0
注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。 - 通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。
此时yield value会输出”got: aaa”，然后挂起。 通过g.send(3)，会重复第2步，最后输出结果为”got: 3”
当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。
最后的执行结果如下：
0
got: aaa
got: 3
Traceback (most recent call last):
File "h.py", line 14, in <module>print(g.send('e'))
StopIterationthrow()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
def gen():while True: try:yield 'normal value'yield 'normal value 2'print('here')except ValueError:print('we got ValueError here')except TypeError:breakg=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))输出结果为：
normal value
we got ValueError here
normal value
normal value 2
Traceback (most recent call last):File "h.py", line 15, in <module>print(g.throw(TypeError))
StopIteration解释：
- print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。
- 由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。
然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。 - print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。
- g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。
下面给出一个综合例子，用来把一个多维列表展开，或者说扁平化多维列表)
def flatten(nested):try:#如果是字符串，那么手动抛出TypeError。if isinstance(nested, str):raise TypeErrorfor sublist in nested:#yield flatten(sublist)for element in flatten(sublist):#yield elementprint('got:', element)except TypeError:#print('here')yield nestedL=['aaadf',[1,2,3],2,4,[5,[6,[8,[9]],'ddf'],7]]
for num in flatten(L):print(num)如果理解起来有点困难，那么把print语句的注释打开在进行查看就比较明了了。
总结
- 按照鸭子模型理论，生成器就是一种迭代器，可以使用for进行迭代。
- 第一次执行next(generator)时，会执行完yield语句后程序进行挂起，所有的参数和状态会进行保存。 再一次执行next(generator)时，会从挂起的状态开始往后执行。
在遇到程序的结尾或者遇到StopIteration时，循环结束。 - 可以通过generator.send(arg)来传入参数，这是协程模型。
- 可以通过generator.throw(exception)来传入一个异常。throw语句会消耗掉一个yield。 可以通过generator.close()来手动关闭生成器。
- next()等价于send(None)
函数)
