生成器的概念:
生成器不会把结果保存在一个系列中,而是保存在生成器的状态,在每次进行迭代时返回一个值,直到遇到StopIteration异常结束
生成器是这样一个函数，它记住上一次返回时在函数体中的位置。对生成器函数的第二次（或第 n 次）调用跳转至该函数中间，而上次调用的所有局部变量都保持不变。
生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造（在命令式编程中，这种构造不只是数据值）中的位置。
生成器的特点：
生成器是一个函数，而且函数的参数都会保留。
迭代到下一次的调用时，所使用的参数都是第一次所保留下的，即是说，在整个所有函数调用的参数都是第一次所调用时保留的，而不是新创建的
生成器语法
生成器表达式： 通列表解析语法，只不过把列表解析的[]换成()
生成器表达式能做的事情列表解析基本都能处理，只不过在需要处理的序列比较大时，列表解析比较费内存。
生成器函数： 在函数中如果出现了yield关键字，那么该函数就不再是普通函数，而是生成器函数。
在Python中，yield就是这样的一个生成器。
yield 生成器的运行机制：
当你问生成器要一个数时，生成器会执行，直至出现 yield 语句，生成器把 yield 的参数给你，之后生成器就不会往下继续运行。 当你问他要下一个数时，他会从上次的状态。开始运行，直至出现yield语句，把参数给你，之后停下。如此反复 直至退出函数。
yield的使用：
在Python中，当你定义一个函数，使用了yield关键字时，这个函数就是一个生成器，它的执行会和其他普通的函数有很多不同，函数返回的是一个对象，而不是你平常 所用return语句那样，能得到结果值。如果想取得值，那得调用next()函数
下面以斐波拉契为例：
#coding:utf8
def fib(max): #10
n, a, b = 0, 0, 1
while n < max: #n<10
#print(b)
yield b
a, b = b, a + b n += 1
return f = fib(10)
for i in f:
print f
从上面的运行机制描述中，可以获知，程序运行到yield这行时，就不会继续往下执行。而是返回一个包含当前函数所有参数的状态的iterator对象。目的就是为了第二次被调用时，能够访问到函数所有的参数值都是第一次访问时的值，而不是重新赋值。
程序第一次调用时：
def fib(max): #10
n, a, b = 0, 0, 1
while n < max: #n<10
#print(b)
yield b #这时a,b值分别为0,1，当然，程序也在执行到这时，返回
a, b = b, a + b
程序第二次调用时：
从前面可知，第一次调用时，a,b=0,0，那么，我们第二次调用时（其实就是调用第一次返回的iterator对象的next()方法），程序跳到yield语句处，
执行a,b = b, a+b语句，此时值变为：a,b = 0, (0+1) => a,b = 0, 1
程序继续while循环，当然，再一次碰到了yield a 语句，也是像第一次那样，保存函数所有参数的状态，返回一个包含这些参数状态的iterator对象。
等待第三次的调用….
通过上面的分析，可以一次类推的展示了yield的详细运行过程了！
通过使用生成器的语法，可以免去写迭代器类的繁琐代码，如，上面的例子使用迭代类来实现，代码如下：
#coding:UTF8class Fib:
def __init__(self, max):
self.max = max
print self.max
def __iter__(self):
self.a = 0
self.b = 1
self.n = 0
return self
def next(self):
fib = self.n
if fib >= self.max:
raise StopIteration
self.a, self.b = self.b, self.a + self.b
self.n += 1
return self.af = Fib(10)
for i in f:
print i
yield 与 return
在一个生成器中，如果没有return，则默认执行到函数完毕时返回StopIteration；
如果遇到return,如果在执行过程中 return，则直接抛出 StopIteration 终止迭代。
如果在return后返回一个值，会直接报错，生成器没有办法使用return来返回值。
生成器支持的方法（借鉴别人的例子，感觉蛮好的）
close(...)
| close() -> raise GeneratorExit inside generator.
|
| next(...)
| x.next() -> the next value, or raise StopIteration
|
| send(...)
| send(arg) -> send 'arg' into generator,
| return next yielded value or raise StopIteration.
|
| throw(...)
| throw(typ[,val[,tb]]) -> raise exception in generator,
| return next yielded value or raise StopIteration.
close()
手动关闭生成器函数，后面的调用会直接返回StopIteration异常。
#coding:UTF8def fib():
yield 1
yield 2
yield 3f = fib()
print f.next()
f.close()
print f.next()
send()
生成器函数最大的特点是可以接受外部传入的一个变量，并根据变量内容计算结果后返回。
这是生成器函数最难理解的地方，也是最重要的地方，
def gen():
value=0
while True:
receive=yield value
if receive=='e':
break
value = 'got: %s' % receiveg=gen()
print(g.send(None))
print(g.send('aaa'))
print(g.send(3))
print(g.send('e'))
执行流程：
- 通过g.send(None)或者next(g)可以启动生成器函数，并执行到第一个yield语句结束的位置。此时，执行完了yield语句，但是没有给receive赋值。yield value会输出初始值0注意：在启动生成器函数时只能send(None),如果试图输入其它的值都会得到错误提示信息。
- 通过g.send(‘aaa’)，会传入aaa，并赋值给receive，然后计算出value的值，并回到while头部，执行yield value语句有停止。此时yield value会输出”got: aaa”，然后挂起。
- 通过g.send(3)，会重复第2步，最后输出结果为”got: 3″
- 当我们g.send(‘e’)时，程序会执行break然后推出循环，最后整个函数执行完毕，所以会得到StopIteration异常。
最后的执行结果如下：
0
got: aaa
got: 3
Traceback (most recent call last):
File "1.py", line 15, in <module>
print(g.send('e'))
StopIteration
throw()
用来向生成器函数送入一个异常，可以结束系统定义的异常，或者自定义的异常。
throw()后直接跑出异常并结束程序，或者消耗掉一个yield，或者在没有下一个yield的时候直接进行到程序的结尾。
def gen():
while True:
try:
yield 'normal value'
yield 'normal value 2'
print('here')
except ValueError:
print('we got ValueError here')
except TypeError:
breakg=gen()
print(next(g))
print(g.throw(ValueError))
print(next(g))
print(g.throw(TypeError))
执行流程：
- print(next(g))：会输出normal value，并停留在yield ‘normal value 2’之前。
- 由于执行了g.throw(ValueError)，所以会跳过所有后续的try语句，也就是说yield ‘normal value 2’不会被执行，然后进入到except语句，打印出we got ValueError here。然后再次进入到while语句部分，消耗一个yield，所以会输出normal value。
- print(next(g))，会执行yield ‘normal value 2’语句，并停留在执行完该语句后的位置。
- g.throw(TypeError)：会跳出try语句，从而print(‘here’)不会被执行，然后执行break语句，跳出while循环，然后到达程序结尾，所以跑出StopIteration异常。
