生成器generator 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。比如我要循环100万次，按py的语法，for i in range(1000000)会先生成100万个值的列表。但是循环到第50次时，我就不想继续了，就退出了。但是90多万的列表元素就白为你提前生成了。
for i in range(1000000): if i == 50: break print(i) 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？
像上面这个循环，每次循环只是+1而已，我们完全可以写一个算法，让他执行一次就自动+1，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后面元素的机制，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：
[x * x for x in range(10)] [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
(x * x for x in range(10)) at 0x101ebc3b8> (x*x for x in range(10)）生成的就是一个生成器。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
如果要一个一个打印出来，可以通过next()函数获得generator的下一个返回值：
g = (x * x for x in range(10)) next(g) 0
next(g) 1
next(g) 4
next(g) 9
next(g) 16
next(g) 25
next(g) 36
next(g) 49
next(g) 64
next(g) 81
next(g) Traceback (most recent call last): File "", line 1, in StopIteration 我们讲过，generator保存的是算法，每次调用next(g)就计算出g的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
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(遍历)对象：
g = (x * x for x in range(10)) for n in g: ... print(n) ... 0 1 4 9 16 25 36 49 64 81 通过for循环来迭代它，就不需要关心StopIteration的错误了。
函数生成器 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。
比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
1, 1, 2, 3, 5, 8, 13, 21, 34, …
实现100以内的斐波那契数代码：
a,b = 0,1 n = 0 # 斐波那契数 while n < 100: n = a + b a = b # 把b的旧值给到a b = n # 新的b = a + b(旧b的值) print(n) 改成函数也可以的
def fib(max): a,b = 0,1 n = 0 # 斐波那契数 while n < max: n = a + b a = b # 把b的旧值给到a b = n # 新的b = a + b(旧b的值) print(n) fib(100) 输出 ：
1
2
3
5
8
13
21
34
55
89
144
仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了：
def fib(max): a,b = 0,1 n = 0 # 斐波那契数 while n < max: n = a + b a = b # 把b的旧值给到a b = n # 新的b = a + b(旧b的值) #print(n) yield n # 程序走到这，就会暂停下来，返回n到函数外面，直到被next方法调用时唤醒 f = fib(100) # 注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行 print(f) print(f.next()) print(f.next()) print(f.next()) print(f.next()) 输出
1 2 3 5 这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句暂停并返回数据到函数外，再次被next()调用时从上次返回的yield语句处继续执行。
在上面fib的例子，我们在循环过程中不断调用yield，函数就会不断的中断(暂停)。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。同样的，把函数改成generator后，我们基本上从来不会用next()来获取下一个返回值，而是直接使用for循环来迭代：
f = fib(100) # 注意这句调用时，函数并不会执行，只有下一次调用next时，函数才会真正执行 for i in f: print(i) #输出： 1 2 3 ... ... 55 89 144 并发编程 虽然我们还没学并发编程，但我们肯定听过cpu 多少核多少核之类的，cpu的多核就是为了可以实现并行运算，让你同时边听歌、边聊qq、边刷知乎。单核的cpu同一时间只能干一个事，所以你用单核电脑同时做好几件事的话，就会变的很慢，因为cpu要在不同程序任务间来回切换。
通过yield, 我们可以实现单核下并发做多件事的效果。
import time def consumer(name): print("%s 准备吃包子啦!" %name) while True: baozi = yield # yield可以接收到外部send传过来的数据并赋值给baozi print("包子[%s]来了,被[%s]吃了!" %(baozi,name)) c = consumer('A') c2 = consumer('B') c.next() # 执行一下next可以使上面的函数走到yield那句。 这样后面的send语法才能生效 c2.next() print("----老子开始准备做包子啦!----") for i in range(10): time.sleep(1) print("做了2个包子!") c.send(i) # send的作用=next, 同时还把数据传给了上面函数里的yield c2.send(i) 注意：调用send(x)给生成器传值时，必须确保生成器已经执行过一次next()调用, 这样会让程序走到yield位置等待外部第2次调用。