前言
没有用过的东西，没有深刻理解的东西很难说自己会，而且被别人一问必然破绽百出。虽然之前有接触过python协程的概念，但是只是走马观花，这两天的一次交谈中，别人问到了协程，顿时语塞，死活想不起来曾经看过的东西，之后突然想到了yield，但为时已晚，只能说概念不清，所以本篇先缕缕python的生成器和yield关键字。
什么是生成器
1、生成器是一个特殊的程序，可以被用作控制循环的迭代行为
2、生成器类似于返回值为数组的一个函数，这个函数可以接收参数，可以被调用，但是，不同于一般的函数会一次性返回包含了所有数值的数组，生成器一次只产生一个值，这样消耗的内粗数量大大减少，而且允许调用函数可以很快的开始处理前几个返回值。因此，生成器看起来像一个函数但是表现的却像一个迭代器。
python中的生成器
python提供了两种基本的方式。
1）、生成器函数：也是用def来定义，利用关键字yield一次返回一个结果，阻塞，重新开始
2）、生成器表达式：返回一个对象，这个对象只有在需要的时候才产生结果
下面详细讲解。
1、生成器函数
为什么叫生成器函数？因为他随着时间的推移生成了一个数值队列。一般的函数在执行完毕之后会返回一个值然后退出，但是生成器函数会自动挂起，然后重新拾起继续执行，他会利用yield关键字关起函数，给调用者返回一个值，同时保留了当前的足够多的状态，可以使函数继续执行。生成器和迭代协议是密切相关的，可迭代的对象都有一个__next()__成员方法,这个方法要么返回迭代的下一项，要么引起异常结束迭代。
为了支持迭代协议，拥有yield语句的函数被编译为生成器，这类函数被调用时返回一个生成器对象，返回的对象支持迭代接口，即成员方法__next()__继续从中断处执行执行。
看下面的例子：
# codes def create_counter(n): print "create counter" while True: yield n print 'increment n' n += 1 cnt = create_counter(2) print cnt print next(cnt) print next(cnt) # output <generator object create_counter at 0x0000000001D141B0> create counter 2 increment n 3
分析一下这个例子：
为了更加深刻的理解，我们再举一个例子。
#coding def cube(n): for i in range(n): yield i ** 3 for i in cube(5): print i #output 0 1 8 27 64
所以从理解函数的角度出发我们可以将yield类比为return，但是功能确实完全不同，在for循环中，会自动遵循迭代规则，每次调用next()函数，所以上面的结果不难理解。
2、生成器表达式
生成器表达式来自于迭代和列表解析的组合，关于列表解析的概念和用法可以参见我之前的博客，生成器表达式和列表解析类似，但是他使用尖括号而不是方括号括起来的。如下代码：
>>> # 列表解析生成列表 >>> [ x ** 3 for x in range(5)] [0, 1, 8, 27, 64] >>> >>> # 生成器表达式 >>> (x ** 3 for x in range(5)) <generator object <genexpr> at 0x000000000315F678> >>> # 两者之间转换 >>> list(x ** 3 for x in range(5)) [0, 1, 8, 27, 64]
就操作而言，生成器表如果使用大量的next()函数会显得十分不方便，for循环会自动出发next函数，所以可以按下面方式使用：
>>> for n in (x ** 3 for x in range(5)):
print('%s, %s' % (n, n * n))
0, 0
1, 1
8, 64
27, 729
64, 4096
>>>
两者比较
一个迭代既可以被写成生成器函数，也可以被协程生成器表达式，均支持自动和手动迭代。而且这些生成器只支持一个active迭代，也就是说生成器的迭代器就是生成器本身。
总结
想起了初中时候老师经常说的，眼观千遍，不如手动一遍。
