由于生成器的其中一种创建方式与列表推导式很相似，这里先说一下列表推导式。
列表推导式
列表推导式又叫列表生成式，官方叫做 list comprehension。顾名思义，这个是用来生成列表的。
用法：
[x for x in iterable]
一般情况下，可以用list()函数将序列转换成列表，比如：
>>> list(range(1, 11))
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
上面的情况比较单一，如果复杂一点，比如要生成[1x1, 2x2, 3x3, ..., 10x10]，这个时候就只能循环了，列表推导式就是用来简化这种情况的。
>>> [x * x for x in range(1, 11)]
[1, 4, 9, 16, 25, 36, 49, 64, 81, 100]
把要生成的元素x * x放在前面，后面跟for循环，就可以把列表创建出来。运用列表推导式，可以写出非常简洁的代码。
>>> L = ['Hello', 'World', 'IBM', 'Apple']
>>> [s.lower() for s in L]
['hello', 'world', 'ibm', 'apple']
生成器表达式
通过列表推导式，可以直接生成一个列表，但是内存是有限的，如果一个列表太大，或者只需要访问列表中的部分元素，那其余大部分元素占用的空间就浪费了，生成器就是用来解决这个问题的。
生成器在访问序列中的元素时，不是一下加载整个序列到内存，而是一边循环一边计算，也就是读取一个元素计算一次，这样如果序列很大就节省了大量空间。说白了，生成器就是一种特殊的迭代器。
生成器有两种创建方法，第一种与列表推导式类似，只需要把列表推导式中的方括号[]改成圆括号()即可创建一个生成器（generator）。
>>> L = [x * x for x in range(10)]
>>> L
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g
<generator object <genexpr> at 0x0000000001E74CA8>
>>> for i in g:
... print(i)
...
0
1
4
9
16
25
36
49
64
81
创建生成器的第二种方法，是通过生成器函数。所谓生成器函数，就是在一个函数中包含yield语句。
比如斐波那契函数：
>>> def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
return 'done'
... ... ... ... ... ... ...
带有 yield 的函数不再是一个普通函数，而是一个generator。
>>> fib(10)
<generator object fib at 0x0000000001DE6A40>
>>> list(fib(10))
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
需要注意的是，生成器函数和普通函数执行的流程是不一样的。普通函数是遇到 return 语句或者执行结束就返回。而生成器函数是遇到 yield 就返回一个迭代值，再次执行时从上次返回的 yield 语句处继续执行，看起来就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 返回当前迭代值。
好像说的有点绕，简单来说，yield就是中断函数并返回迭代值，而且中断不会对函数变量造成影响即状态不变，返回迭代值之后继续执行函数。
再看看下面这个示例：
>>> def odd():
print('step 1')
yield 1
print('step 2')
yield(3)
print('step 3')
yield(5)
>>> odd()
<generator object odd at 0x0000000001DE6A98>
>>> for i in odd():
... print(i)
...
step 1
1
step 2
3
step 3
5
遇到yield就返回迭代值，这个返回类似return但不会退出函数（可以理解为挂起），然后继续执行函数，直到再次遇到yield。
另外，上面生成器函数fib()最后的retrun的值没有返回（在普通函数中是可以返回的）。因为，调用生成器函数并没有执行函数代码，而是返回了一个generator object，然后再从generator object中迭代取值的时候才会真正执行函数代码，所以调用生成器函数的时候并没有报异常并退出，return的值也没有返回。
在生成器中，无论迭代有没有完成，遇到return语句都会直接终止迭代并抛出StopIteration异常。。
这里顺便说一下迭代器，迭代器可以通过内置函数next()获取迭代器中的下一个元素，迭代完成时会报StopIteration异常。
>>> g = (x * x for x in range(5))
>>> next(g)
0
>>> next(g)
1
>>> next(g)
4
>>> next(g)
9
>>> next(g)
16
>>> next(g)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
在 for 循环里，无需处理 StopIteration 异常，循环会正常结束。但是在while循环中会抛出异常，这时，需要捕获异常才会继续执行return语句，return的返回值包含在StopIteration的value中。
>>> g=fib(6)
>>> while True:
x = next(g)
print('g:', x)
... ... ...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Traceback (most recent call last):
File "<stdin>", line 2, in <module>
StopIteration: done
再来看上面的fib()函数的StopIteration异常捕获：
>>> g = fib(6)
>>> while True:
try:
x = next(g)
print('g:', x)
except StopIteration as e:
print('Generator return value:', e.value)
break
... ... ... ... ... ... ...
g: 1
g: 1
g: 2
g: 3
g: 5
g: 8
Generator return value: done
另一个示例，文件读取：
如果直接对文件对象调用 read() 方法，会导致不可预测的内存占用。好的方法是利用固定长度的缓冲区来不断读取文件内容。
如果读取的文件很大，yield会分批返回，有效地避免了内存占用问题，轻松实现文件读取。
>>> def read_file(fpath):
BLOCK_SIZE = 1024
with open(fpath, 'rb') as f:
while True:
block = f.read(BLOCK_SIZE)
if block:
yield block
else:
return
>>> g = read_file('users.txt')
>>> for i in g:
... print(i)
...
b'keith1:18:110\r\nkeith2:19:111\r\nkeith3:20:112\r\nkeith4:21:113'
参考：
https://docs.python.org/3/library/stdtypes.html#lists
https://docs.python.org/3/reference/simple_stmts.html#the-yield-statement
https://docs.python.org/3/reference/expressions.html#yieldexpr