Python3-生成器
生成器(generator)其实是一类特殊的迭代器。前面博客我们每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，python就搞了个生成器。所以说生成器(generator)其实是一类特殊的迭代器。
一、创建方法：
1.只要把一个列表生成式的 [ ] 改成 ( )
2.使用yield函数创建生成器
① 创建生成器：形式--> generator1 = （i for i in range(10)）
示例：
1 generator_1 = (i for i in range(10)) # 这是一个生成器对象
2
3 print(type(generator_1)) # <class 'generator'>
4 print(generator_1) # 注意，打印生成器，不会像列表一样打印他的值，而是地址。
② 使用yield函数创建生成器
generator非常强大。如果推算的算法比较复杂，用类似列表生成式的 for 循环无法实现的时候，还可以用函数来实现。简单来说：只要在def中有yield关键字的 就称为 生成器
1 #著名的斐波拉契数列（Fibonacci）:除第一个和第二个数外，任意一个数都可由前两个数相加得到
2 #1.举例：1, 1, 2, 3, 5, 8, 13, 21, 34, ...使用函数实现打印数列的任意前n项。
3
4 def fib(nums):
5 a = 0
6 b = 1
7 for i in range(nums):
8 a,b = b,a+b
9 print(b)
10
11 return "---结果如上所示---"
12
13 fib(6)
1 #2.将print(b)换成yield b,则函数会变成generator生成器。
2 #yield b功能是：每次执行到有yield的时候，会返回yield后面b的值给函数并且函数会暂停，直到下次调用或迭代终止；
3 def fib(nums):
4 a = 0
5 b = 1
6 for i in range(nums):
7 yield b
8 a,b = b,a+b
9
10 return "---结果如上所示---"
11
12 print(fib(6)) # <generator object fib at 0x000001D43B9363C0>
二、获取生成器的内容：
方法一：使用for循环进行遍历
方法二：命令行使用next()函数：调用next（G），就计算出下一个元素的值，直至结束，没有更多元素时，抛出StopIteration的异常
方法三：使用对象自带的__next__（）方法，效果等同于next（G）函数
1 """
2 方法一：使用for循环进行遍历
3 方法二：命令行使用next()函数：调用next（G），就计算出下一个元素的值，
4 直至结束，没有更多元素时，抛出StopIteration的异常
5 方法三：使用对象自带的__next__（）方法，效果等同于next（G）函数
6 """
7
8 generator_1 = (x for x in range(6,0,-1))
9
10 # 方式一：使用for循环进行遍历
11 for i in generator_1:
12 print(i)
13 # 6 5 4 3 2 1
14
15 # 方式二：next（）
16 generator_1 = (x for x in range(6,0,-1))
17 while True:
18 try:
19 x = next(generator_1)
20 print('----->',x)
21 except:
22 print("---结果如上所示---")
23 break
24 """
25 -----> 6
26 -----> 5
27 -----> 4
28 -----> 3
29 -----> 2
30 -----> 1
31 ---结果如上所示---
32 """
33
34 # 方式三：__next()__
35 generator_1 = (x for x in range(6,0,-1))
36 while True:
37 try:
38 x = generator_1.__next__()
39 print('-----》',x)
40 except:
41 print("---结果如上所示---")
42 break
43 """
44 -----》 6
45 -----》 5
46 -----》 4
47 -----》 3
48 -----》 2
49 -----》 1
50 ---结果如上所示---
51 """
52
生成器使用总结：
1.生成器的好处是可以一边循环一边进行计算，不用一下子就生成一个很大的集合，占用内存空间。生成器的使用节省内存空间。
2.生成器保存的是算法，而列表保存的计算后的内容，所以同样内容的话生成器占用内存小，而列表占用内存大。每次调用 next(G) ，就计算出 G 的下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出 StopIteration 的异常。
3.使用for 循环来遍历生成器内容，因为生成器也是可迭代对象。通过 for 循环来迭代它，不需要关心 StopIteration 异常。但是用for循环调用generator时，得不到generator的return语句的返回值。如果想要拿到返回值，必须用next()方法，且捕获StopIteration错误，返回值包含在StopIteration的value中。
4.在 Python 中，使用了 yield 的函数都可被称为生成器（generator）。生成器是一个返回迭代器的函数，只能用于迭代操作。更简单点理解生成器就是一个迭代器。
5.一个带有 yield 的函数就是一个 generator，它和普通函数不同，生成一个 generator 看起来像函数调用，但不会执行任何函数代码，直到对其调用 next()（在 for 循环中会自动调用 next()）才开始执行。虽然执行流程仍按函数的流程执行，但每执行到一个 yield 语句就会中断，保存当前所有的运行信息，并返回一个迭代值，下次执行next() 方法时从 yield 的下一个语句继续执行。看起来就好像一个函数在正常执行的过程中被 yield 中断了数次，每次中断都会通过 yield 返回当前的迭代值。生成器不仅“记住”了它数据状态；生成器还“记住”了它在流控制构造中的位置。
