装饰器：
wahaha()
jiaduobao()
此处调用原函数时，可以发现函数的功能是可以正常执行的，符合了编程开放-封闭的规则，而设置了一个可以控制的变量FLAGE，通过改变FLAGE的值，控制装饰器的开关。
分析：@time_out(FLAGE) 可以把@和time_out(FLAGE)分开来看，在python中程序都是从右向左执行的，所以先执行time_out(FLAGE)这层函数，将timer的内存地址给返回给@，而@就等于wahaha = timer(wahaha),再将inner的内存地址返回出来，在调用wahaha()时，其本质就是在调用inner，而在inner的内部做到了FLAGE控制装饰器的功能，这里用到了闭包这个概念。
闭包：在内层函数可以引用外层函数的变量，在使用装饰器时，就是利用了闭包这个原理，在执行完外层函数后，并没有把变量立即释放掉，而是封装在函数的内部。
生成器：
生成器的本质就是迭代器，那么什么是迭代器呢?这涉及到什么是可迭代的对象。
可迭代的对象：含有__iter__方法的对象，可以通过.__dict__查看名称空间判断，可迭代的对象一定可以被for循环，例如str、list、dir、set、range等等
而迭代器就是同时拥有__iter__和__next__方法的可迭代对象。而可迭代对象可以通过调用__iter__方法成为一个迭代器。
言归正传，生成器就是迭代器的一种，生成器有两种表现形式，第一种是生成器函数，第二种是生成器表达式。
生成器函数就是含有yield关键字的函数
生成器函数特点：调用函数之后函数不会执行，而是返回一个生成器，每次调动next()方法时才会去取出一个值。直到取到了最后一个值，再执行一次next()，那么程序就会报错。
生成器表达式：g=（i for i in range（10））
此时的g就是一个生成器了，比函数更方便。
从生成器中取值的几个方法：
1.next 2.for 3.数据类型的强制转换 例如：list(g) g代表一个生成器
强制转换存在一个缺点就是会瞬间占用内存，如果生成器中存储的数据较多，那么有撑爆内存的风险，造成电脑死机。而for循环和next都是一个一个去取的，即拿即用，所以不存在这个风险。
分析生成器：
此例中g=test()时并没有去执行任何操作，只是把生成器返回给了g，在遇到for循环生成器嵌套问题时，需要把问题拆分。
n=1时，g=(add(i,n) for i in test()) #此时的g就是test()
n=10,g=(add(i,n) for i in g=(add(i,n) for i in test()))#此时的g是上面的g，g被重新赋值了一次。
n=5，g=(add(i,n) for i in (add(i,n) for i in g=(add(i,n) for i in test()))，此时g又被赋值了一次，现在可以将n=5代入计算了，test()取到的就是0,1,2,3
生成器中还有一个send()的方法
send()的效果与next基本一致，只是在获取下一个值的时候，给上一个yield传递一个数据(信号)。
send()使用时的注意事项，第一次使用生成器的时候，是用next获取下一个值的，最后一个yield也不能接受外部的值。
例：
来分析一下程序执行的过程，首先g=test()，那么g就是一个生成器，随后a=g.__next__()，使生成器执行一次并yield1，此时count=这个赋值语句还没来得及执行就被yield打断了，先返回了1，所以print(a)能得到123,1
然后调用了send('hello')，此时count=赋值语句执行，将hello赋值给了count，打印出======hello，然后再打印456，yield2，程序再次终止。
相对于next来说send方法使用的少。