生成器的特點是工作到一半，就會停下來看別人幹活直至有人踢它屁股，這時它才繼續往下幹活。實現這一功能的精髓要用到yield。 生成器是一種特殊的迭代器，因此我們先來瞭解一下什麼是迭代器。我們都知道著名的斐波那契數列：1、1、2、3、5、8、13、21、34……從第三個數開始，每個數都可以由其前面的兩個 ...
生成器的特點是工作到一半，就會停下來看別人幹活直至有人踢它屁股，這時它才繼續往下幹活。實現這一功能的精髓要用到yield。
生成器是一種特殊的迭代器，因此我們先來瞭解一下什麼是迭代器。我們都知道著名的斐波那契數列：1、1、2、3、5、8、13、21、34……從第三個數開始，每個數都可以由其前面的兩個數相加得到，這就是一個迭代過程。很顯然，這是一個不收斂的數列，我們無法用列表或者使集合去一次性將它們提取出來。這時候，如果我們把這樣一個迭代過程封裝成一個迭代器，只有在調用一次它的時候它才進行一次迭代，並且只保留當前的迭代結果，這樣一來，程式的運行速度能得到提高，同時也不會對記憶體造成嚴重的負擔。迭代器可以表示一個無限大的數據流，也可以表示一個有限的數據流。
從代碼的角度講，所有可以被next（）函數調用並不斷返回下一個值的對象就叫做迭代器：Iterator。與迭代器相近的一個概念是可迭代對象（Iterable），凡是可用for迴圈遍歷的對象都是可迭代對象，比如list、dict和str等。但是這幾個對象不是迭代器，這一點在上一段已經從迭代器的特點說明，不再贅述。然而，世事無絕對，通過iter()函數，可以將它們變成迭代器。
由此，我們可以建立這樣一個斐波那契數列生成器：
1 def generate(): 2 a,b,c = 0,0,1 3 while a < 20: #a用來計數 4 5 b,c = c,b +c #迭代公式 6 a = a + 1 7 yield c 8 return "fault" #出錯時的返回值 9 10 11 y = generate() #產生一個生成器對象，但不調用生成器 12 for i in range(13): #調用13次 13 print(y.__next__()) #使用next（）方法調用生成器
yield的作用是讓生成器在這裡暫停執行，執行下一條程式指令。當下一次調用next（）函數時，生成器從暫停的地方繼續往下執行。一次，每調用一次產生一個值，調用13次產生13個值，如下圖所示
這種類型的生成器並不需要參數，當我們需要給生成器內部傳遞參數時，我們需要用到send（）函數，因為next（）函數不具備該功能。看下麵這樣一段代碼：
1 def sing(word1): 2 print(word1) 3 while True: 4 word2 = yield #每次調用時生成器都停留在這裡 5 print(word2) 6 7 8 a = sing("如今走過這世間") 9 a.send(None) #可以替換成a.__next__() 10 a.send("萬般流連")
上述代碼，如果不用while迴圈，則沒辦法使每次調用的結果程式都停留在yield這裡，而是執行完print（word2）變結束了，這使程式會報錯。在第一次使用需要傳遞參數的生成器時，我們不能直接使用send（）函數傳遞我們想傳遞的參數，因為此時函數停在yeild，並不需要到這個參數。因此我們可以用next（）函數來進行第一次調用，然後再調用send（）傳遞參數並調用。當然，如果我們非要用send（）函數實現第一次調用時，應該傳遞一個空參數。運行結果如下所示：
至此，大功告成！
