生成器

先从列表生成式说起

 可以通过简单的式子，生成有规律的列表

如果把 [ ] 换为 ( ) 会发生什么呢？

看到 x 存的不再是列表，而是一个地址，而这个地址就是我们的生成器对象的地址

这东西有什么用呢？ 当然时，节省内存啦

假设现在有很庞大的一组数据要处理，貌似不可能把它一次性载入内存再进行处理，这时候就体现出了生成器的好处，因为它只占用一个数据的内存空间，当需要访问下一个

数据时，当前的数据会被覆盖掉，所以有多少数据都无所谓啦，都是可以处理的。可以通过 next() 或 __next__() 方法访问下一个数据。

当然还是要借助循环来进行对元素的访问，100w个数据不可能敲一百万个 next() 吧。

当然如果这些数据不能用表达式表示怎么办？答案就是用函数 + yield 关键字，有yield关键字的函数就是一个生成器。

来个栗子（打印斐波那契数列）：

yield a 可以理解为返回一个a，但会记下当前代码的位置，下次将从yield a 的下一句开始执行代码。拿这段代码来说，从最后的循环说起。

1.next() 方法启动生成器，生成器要执行一次

2.程序进入wile循环

3.遇到yield a 返回a值并几下断点

4.for 循环的print语句受到a的值打印a=1

5.for继续循环，有调用了next()方法，生成器再次启动

6.生成器找到上次断点的位置执行代码（a,b = b,a+b）...

7.再次遇到yield语句，回到步骤 3

......

除了 next（）方法 ，send ( )也可以启动生成器，但是send可以给生成器传值，而这个值将强制替换上次断点的处的返回值

看到 send 传入的参数替换的是 res 的值，而不是 a 的值！！！，至于为什么会打印 ‘None’ 其实 next 默认传入一个 None 所以一调用 next() 就会打印 None，而调用 send 则

打印 sned 传入的参数。

最后来一个经典的生产者消费者问题吧

 1 import time
 2 def consumer(name):
 3     print("%s is ready to consume" % name)
 4     while True:
 5         res = yield
 6         print("%s has consumed goods %d" % (name,res))
 7 def producer(name):
 8     print("%s is ready to produce" % name)
 9     while True:
10         time.sleep(3)
11         succ = yield 
12         print("produce goods %d and goods %d successfully" % (succ,succ+1))
13 c1 = consumer('c1')
14 c2 = consumer('c2')
15 c1.__next__()
16 c2.__next__()
17 p1 = producer('p1')
18 p1.__next__()
19 for i in range(10):
20     p1.send(i+1)
21     c1.send(i+1)
22     c2.send(i+2)