TOC
生成器函数
生成器指的就是生成器对象，可以使用生成器表达式得到，也可以使用yield关键字得到一个生成器函数，调用这个函数得到一个生成器对象，同样的也是一个可迭代对象，也是一个迭代器，其一样有惰性求职、延迟计算的特性，同样也只能往前不能后退；
生成器函数，即在函数中存在yield语句，只要有了yield语句，这个函数将不再是一个普通函数，一旦调用将立即返回一个生成器对象，这个函数内部的函数体不会立即执行，它等着调用者对他进行迭代，使用next语句可以驱动这个生成器对象的执行，每次执行当碰到yield语句为止，碰到yield语句之后会返回yield语句后面的值，并暂停当前函数执行，如果再次next这个生成器对象，将会继续上一次往下执行，碰到下一条yield为止，如果碰到return语句会终止当前函数执行，并且抛出StopIteration的异常；
在之前，使用生成器表达式来创建一个生成器对象，但是它无法实现过于复杂的生成器，所以我们就可以利用yield来自己去创建一个生成器函数，它他们之间其实出了语法不一样，一个是生成器表达式，一个生成器函数，其他的任何特性都是一样的，因为他们都会得到一个生成器对象，当生成器迭代完成之后一样，也会抛出StopIteration；
函数体当中，只要包含了yield语句，那么它就是生成器函数，调用后就会返回一个生成器对象，如下示例；
def inc():
for i in range(2):
yield i
i = inc()
print(type(i)) # <class 'generator'>
print(next(i)) # 0
print(next(i)) # 1
print(next(i)) # StopIteration
可以看到我们上述到函数，在执行一个next(i)的时候，抛出一个0，但是这个函数没有使用return语句，这个0是怎么出来的呢，这就是yield语句的作用，yield语句并不能结束函数，但是yield语句有一个非常巨大的作用，可以在执行完成yield语句之后暂停当前函数执行；
一般来讲，函数是有遇到return语句才会返回，也就是说没有return语句这个函数的执行是不会结束的，这是普通函数的执行，但是到了生成器这儿会发现，我们每次调用它，它返回的不是立即执行的结果，而是返回一个生成器对象，我们还需要遍历才能立即拿到这个里面的数据，所以我们往往得需要使用next函数来去驱动生成器函数，在执行的过程中一碰到yield语句就将yield后面的值抛出，然后就会停下来，等待下一次使用next语句驱动它，这就是它的好处；
生成器函数的执行
通过下面的代码，我们可以清晰的证明上述说明的，每当遇到yield语句，将yield后面的值抛出之后，就会立即暂停生成器函数的继续执行；
同时也可以通过下面的例子可以看出一个问题，生成器函数一旦遇到return语句就说明这个生成器函数就执行结束了，生成器走到头了，然后就会抛出StopIteration；
因为当一个函数没有显示给定return语句的时候，其实Python默认就隐式给了一个return None，所以从这一点来看上面到代码，当i为1的时候，我们在此next(i)，其实就会碰到一个return None，所以就会抛出StopIteration，这也就是抛出StopIteration的原因；
def gen():
print("第一次")
yield 1
print("第二次")
yield 2
return 3
print("第三次")
yield 4
g=gen()
print(next(g))
# 第一次
# 1
print(next(g))
# 第二次
# 2
print(next(g))
# StopIteration
- 重点总结:
一个生成器函数，可以多次yield，但是生成器函数一旦碰到return语句相当于此生成器对象结束，就会立即抛出StopIteration异常，如果在return语句后面还有yield语句，也不会继续执行，在函数没有显示给定return语句的时候，默认会有一个return None，所以一般情况下在一个生成器函数不会显示写一个return语句；
生成器的应用
无限循环和yield是一个非常好的结合，因为生成器会暂停函数的执行；
def gen():
count = 0
while True:
count += 1
yield count
g=gen()
print([next(g) for x in range(10)]) # [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成器传参
yield生成器中提供了send方法，可以给生成器传递参数，在传递参数的同时也可以从生成器获取一条数据，也就是说它能和生成器交互的同时也具有了next方法，同时，当send方法传递一个None时，等价于next()方法；
但是需要注意，在一个生成器对象没有执行next方法之前，由于没有yield语句被挂起，所以执行send方法会报错，所以，在调用send方法之前，还是先调用一次next方法为好；
def gen():
count = 100
while True:
count += 1
result = yield count
if result is not None:
print("收到send的值为：%s" % result)
count = result # 如果收到参数，就重置count
g = gen()
print(next(g)) # 100
# 像生成器传参，同时从生成器获取一个值
print(g.send(0)) # 1
print(next(g)) # 2
print(next(g)) # 3
# 变种
def counter():
def gen():
count = 100
while True:
count += 1
result = yield count
if result is not None:
print("收到send的值为：%s" % result)
count = result
g = gen()
return lambda x=False: g.send(0) if x else next(g)
c=counter()
print(c()) # 101
print(c(True))
# 收到send的值为：0
# 1
print(c()) # 2
协程(coroutine)
协程是生成器的一种高级实现，它比进程、线程轻量级，是在用户空间调度函数的一种实现，python3的asyncio就是协程的实现，已经加入到标准库当中，使用async、awiait关键字直接原生支持协程，协程的调度思路是，有两个生成器A、B，next(A)，后A执行到来yield语句暂停 ，然后去执行next(B)，B执行到yield语句也暂停，然后再次调用next(A)，再调用next(B)周而复始，就实现来调度效果；
yield语句还可以实现协程，在Python领域被广泛应用，协程类似进程线程一样概念的东西，但是它又不属于操作系统的内容，而是后来提出的一个内容，它实际上还是依赖于进程和线程的， 但是协程的概念提出来之后，就可以不使用多线程了，因为多线程很多问题，这就是线程带来的很多问题，我们没法解决了，或者解决的时候代价很高这个时候就发展出了协程，协程就是使用yield实现的；
yield的特性就是暂停当前函数执行，所以这种特性，就可以很好的利用在网络编程上了，因为线程进程本身的原理就是交替的使用CPU，没有什么真实的并行之说，正因为yield语句可以暂停当前函数的特性，所以，我们可以首先执行一个生成函数，然后执行第二个生成器函数，交替执行，从而达到多线程的效果；
yield from
在python3.x之后，提供了一种新的语法，yield from，可以从一个可迭代对象里返回一个以yield生成器的形式一个一个的返回可迭代对象内部的元素；
def gen():
yield from range(5)
g=gen()
print(next(g)) # 0
print(next(g)) # 1
print(next(g)) # 2
print(next(g)) # 3
