一、生成器概念

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 。如果要创建多个元素的列表，但是只访问前几个元素时，那后面元素空间都浪费了。因此，生成器 generator 就很有必要了， 它采用一边循环一边计算的机制 ，在循环的过程中不断推算出后续元素。这就是所谓的延迟操作，在需要的时候产生结果，而不是立即产生结果

1、生成器表达式

t=(x*x for x in range(10))
print(t)
输出结果：
D:\python3.7\python\python3.exe D:/learn/pytest/learn.py
<generator object <genexpr> at 0x00000000021687C8>

生成器是一个对象，用的是()。用[]就等于创建一个列表

2、生成器函数

定义generator函数：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

def count(n):
    yield n**2
​
for i in range(5):
    print(count(i).__next__())
输出结果：
D:\python3.7\python\python3.exe D:/learn/pytest/learn.py
0
1
4
9
16

二、yield

斐波那契数列

def f(max):
    n,a,b=0,0,1
    while n<max:
        yield b
        a,b=b,a+b
        n=n+1
    return 'end'
f=f(5)
for i in range(5):
    print(f.__next__())
​
输出结果：
1
1
2
3
5

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语句返回，再次执行时从上次返回的yield语句处继续执行。

1.和return相似，返回值。

2.暂停迭代,直到调用下一个next()方法。先返回再暂停。

3.调用的时候返回生成器对象。

假如yield后面紧接着一个数据，就会把数据返回，作为next()函数或者for ...in...迭代出的下一个值。

三、send（）

send用于传递参数，实现与生成器交互，send的参数其实就是唤醒yield 语句的返回值

def test():
    n=0
    while n<4:
       temp=yield n*2
       n=n+1
       print(temp)
t=test()
print(t.send(None))
print(t.send('hello'))
print(t.send('hello'))
输出结果：
0
hello
2
hello
4

注意： 第一次运行只能使用next或者send(None) ， send的作用相当于使生成器继续运行，并且传递的参数为yield的返回值(程序中即temp的值)

赋值：

def h():
    print('start')
    x=yield 'first time'
    print(x)
    y=yield 'second time'
    print(y)
a=h()
print(a.__next__())
print(a.send('----'))
输出结果：
start
first time
----
second time

四、throw（）

throw（）函数的作用首先是抛给生成器一个异常，然后如果生成器能处理掉异常的话，throw方法接着迭代一次取得返回值，注意，捕获异常是在上一次迭代中断的位置捕获，因为每次生成器运行的时候，都是从上一次发生yield中断的地方开始运行，所以抛来的异常发生在这个地方，捕获当然也要在这个地方

def gen():
​
        n=0
        while n<5:
            try:
                yield n * 2
                n = n + 1
            except Exception as e:
                print('error')
g=gen()
print(g.__next__())
print(next(g))
print(g.throw(Exception, "download error"))
输出结果：
0
2
error
2

五、close（）

生成器对象的close方法会在生成器对象方法的挂起处抛出一个GeneratorExit异常。GeneratorExit异常产生后，系统会继续把生成器对象方法后续的代码执行完毕

def gen_close():
    try:
        yield 1
        print('close after yield')
        yield 2
    except GeneratorExit:
        print("Generator error caught")
​
    print("end")
​
gen1 = gen_close()
print(gen1.__next__())
gen1.close()
输出：
1
Generator error caught
end

如果在close（）方法后在执行next()，就会触发StopIteration错误

需要注意的是，GeneratorExit异常的产生意味着生成器对象的生命周期已经结束。因此，一旦产生了GeneratorExit异常，生成器方法后续执行的语句中，不能再有yield语句，否则会产生RuntimeError。请看下面的例子。

def gen_close():
    try:
        yield 1
        print('close after yield')
        yield 2
    except GeneratorExit:
        print("Generator error caught")
​
    yield 3
​
gen1 = gen_close()
print(gen1.__next__())
gen1.close()
输出结果：
1
Generator error caught
Traceback (most recent call last):
  File "D:/learn/pytest/learn.py", line 84, in <module>
    gen1.close()
RuntimeError: generator ignored GeneratorExit
​

参考来源：https://www.cnblogs.com/rainbow-ran/p/12201890.html

https://blog.csdn.net/hedan2013/article/details/72811117