还记得在迭代器里我们说为什么将列表转为迭代器么？（ ）
小明：因为列表太大的话占用内存太大，做成迭代器可以节省空间，用的时候再拿出部分
是的，今天要讲的生成器是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。
见过这种东西吧：
你可以认为每一杯饮料就是一个生成的对象，我不会一次倒出所有的饮料
而是要喝的时候去倒出一杯（也就是需要的时候生成一个）
简单方法创建生成器
我们看个例子：
我们发现，当要生成的list非常大时，抛出异常，存储报错。
那怎样生成这种巨大的list呢？
你亲手试一下，发现瞬间程序就运行结束了
我们看到，b是一个generator，也就是生成器模式
你应该已经注意到，生成器的创建很简单，将列表生成式的中括号改成小括号即可
注意：这里说的不是列表，因为列表的中括号改成小括号是元组！
那我们怎么生成一个内容呢？
和之前的迭代器相同，使用next（）函数即可：
直到最后会抛出异常，也就是到达了生成器的末端了
函数进化为生成器
还记得函数的定义么？
我们在之前用递归定义了一个斐波那契数列
现在我们定义一个新的函数来生成斐波那契数列的第n项
为了实现后一项等于前两项之和使用了a，b = b，a+b
为什么这样写，留给大家思考~
提示：可以输入n=3，自己感受一下调用函数过程中a和b的变化
值得注意的是，这个函数，当n=0时返回的是1，而不是正确的0
所以我们对其进行修改:
在循环之前，加了一个判断
小明：老湿！你这个说的还是函数啊，和生成器有啥关系？说好的函数进化成生成器呢？
好的，我们看看函数怎么进化为生成器！
我们把函数中的return换成yield
函数就进化成了生成器，当我们调用时，发现返回的是生成器对象
为了拿到数据，我们应该怎么做呢？
小红：老师，是不是可以试试next（）函数呢？
对，不过在此之前，我们先要用一个变量去接收这个生成器对象
并且为了观察生成器的特点，我们对函数进行修改！
仔细看好：
当我们使用next（a）对生成器操作一次时，会返回循环一次的值
也就是在yield处结束本次运行
但它的特点就是下次使用next（a）时，接着上次的断点继续运行，直到下一个yield
不断使用next（a），直到运行到生成器结尾处，如下图：
可能你对他的运行过程还不是特别清晰
我们加上print输出来彻底搞懂他的运行过程：
发现每次返回值都是在yield的地方了吧~
小结：
- 讲了两种生成器创建方式
- 加了yield的函数就变成了生成器
- 要定义一个变量接收生成器的返回值
- 使用next（）获取生成器每次返回的值，并且断点在yield处
- 下次使用next（）从上次的断电往下执行，直到生成器末端（这里表现为循环结束）
- 生成器属于迭代器，所以肯定是可迭代对象啦~
使用for循环调用生成器
我们使用next（）去遍历生成器的时候，我们不知道什么时候会结束
而结束后再使用next（）会抛出异常
因为生成器属于迭代器
所以我们可以使用for循环去调用生成器
与next（）等价的方式
send（）强势入场
我们先看一个例子：
发现每次运行，除了返回下一个，还会打印出None
观察代码，注意 item = yield i 这句
首先执行等号右边的，yield返回，此时，返回生成器一个对象，并且中断
在下次使用 f.__next__( )时候，并没有传内容进去，所以可以认为yield i 这整个赋值给item的为None
所以item打印出为None
为了做个比较，引入send（）
send（）可以看做next（）的增强版
除了可以使用next（）功能
还能传入一个值到上次yield断开地方的整体表达式（这里传给是yield i）
send（）的坑：
这是为什么呢？
6
send（）退化为next（）
小红：老师，我想了两天终于想到了！
哦？你说说
小红：因为 f.send（）取生成器第一个对象，并且传入了一个参数‘Python’
但是，并没有变量去接收这个参数！所以报错了！
是的，之前我们的代码是这样的：
注意，我们调用第一个对象使用next，并没有传入参数！
而第二次使用send调用下一个对象时候，传入的参数相当于代替了yield i
也就是赋值给了item，所以没报错
小明：老湿，你说send是加强版的next，我想给send退化到next，可以么？
这个嘛，是可以的！小明你试试！
小明：大家都退后！我要装逼了！
小明：不传参数竟然不行！！！
小明啊，应该是这样的！
传入None才对！
小明：我不服！老湿，你说这生成器很厉害，具体有啥应用呢？学了没用岂不是很鸡肋？
这个嘛！其实是有用的，我先剧透一下！
多任务——协程
我们先介绍一下多任务
多任务处理是指用户可以在同一时间内运行多个应用程序,每个应用程序被称作一个任务
简单点说，就是
你现在可能边看这篇文章边听着音乐
而看文章是一个任务（这里的任务指正在做的事情）
听音乐也是一个任务
你同时在做这两件事
就是多任务啦
电脑和人还是不一样的
我们今天讲一下协程来完成多任务（之后还会讲到线程、进程来完成多任务）
考虑一个工厂流水线
A机器每次将一件货物放入箱子
B机器每次将A机器的箱子封箱打包
为了不产生问题，必须A完成一个，B接着完成一个
并且看起来两个任务是同时执行的！
在Python中可以用生成器实现简单的协程：
我们来看这个程序，先定义了两个生成器（不是函数哦~原因在之前课程讲过）
当我们在while主程序中，先使用f1.__next__( )调用生成器func1，因为fun1的循环条件始终为真
所以先打印（执行装入操作）然后遇到 yield 退出生成器func1，回到主程序
接着执行f2.__next__( )调用生成器func2，像之前调用func1一样，先打印（执行打包操作）
然后遇到yield退出生成器func2，回到主程序
因为主程序循环条件始终为真，所以继续像之前一样，接着使用f1.__next__( )调用生成器func1。。。
如此往复。。。
我是使用打断来停止程序执行的，不然会不断执行下去
由于两个生成器（任务）交替执行，很快
就像在多任务执行
所以，通俗理解看上去同时执行的就是多任务~
小明：竟然有这种操作！
今天作业：
敲一遍代码，理解一下两种生成器创建方式
自己不敲代码永远学不会写代码
下课
人生苦短，我选Python
未完待续，连载中......
閱讀更多 燈塔大數據 的文章
