前面我们已经好几次提到了生成器的概念。这里对其简要介绍一下。
有时候，序列或集合内的元素的个数非常巨大，如果全制造出来并放入内存，对计算机的压力是非常大的。比如，假设需要获取一个10**20次方如此巨大的数据序列，把每一个数都生成出来，并放在一个内存的列表内，这是粗暴的方式，有如此大的内存么？如果元素可以按照某种算法推算出来，需要就计算到哪个，就可以在循环的过程中不断推算出后续的元素，而不必创建完整的元素集合，从而节省大量的空间。在Python中，这种一边循环一边计算出元素的机制，称为生成器：generator。
前面我们说过，通过圆括号可以编写生成器推导式：
>>> g = (x * x for x in range(1, 4)) >>> g <generator object <genexpr> at 0x1022ef630>
可以通过next()函数获得generator的下一个返回值，这点和迭代器非常相似：
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
Traceback (most recent call last):
File "<pyshell#14>", line 1, in <module>
next(g)
StopIteration
但更多情况下，我们使用for循环。
for i in g: print(i)
除了使用生成器推导式，我们还可以使用yield关键字。
在 Python中，使用yield返回的函数会变成一个生成器（generator）。 在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。
# 斐波那契函数 def fibonacci(n): a, b, counter = 0, 1, 0 while True: if counter > n: return yield a # yield让该函数变成一个生成器 a, b = b, a + b counter += 1 fib = fibonacci(10) # fib是一个生成器 print(type(fib)) for i in fib: print(i, end=" ")
用yield创建的生成器，在这个fib = fibonacci(10)地方只是创建一个生成器，当出现for循环来迭代生成器时，可以执行函数体到yield位置，返回数据，等待下一下迭代继续返回
协程的原理啊
“在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值” 这句话没看懂啊！
一脸懵逼，直接跳过了
蒙了
在调用生成器的过程中，每次遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行。
这句话让我蒙了
我理解就是：按照算法计算出一个值，并返回给用户，等下一次调用next()的时候再算出下一个值，调用一次next（）计算一次值
https://blog.csdn.net/weixin_55772194/article/details/123153688 这个链接里面讲解的遇到yield时函数会暂停并保存当前所有的运行信息，返回yield的值。并在下一次执行next()方法时从当前位置继续运行
>>> range(10) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> type(range(10)) <type 'list'> >>> xrange(10) xrange(10) >>> type(range(10)) <type 'list'> >>> type(xrange(10)) <type 'xrange'> >>> dir(xrange) ['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__getitem__', '__hash__', '__init__', '__iter__', '__len__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__'] -----------------------分割线---------------------------- py2中range生成的是列表,应该用xrange py3没有xrange