人生苦短，我选Python
前文传送门
生成器
我们前面聊过了为什么要使用迭代器，各位同学应该还有印象吧（说没有的就太过分了）。
列表太大的话会占用过大的内存，可以使用迭代器，只拿出需要使用的部分。
生成器的设计原则和迭代器是相似的，如果需要一个非常大的集合，不会将元素全部都放在这个集合中，而是将元素保存成生成器的状态，每次迭代的时候返回一个值。
比如我们要生成一个列表，可以采用如下方式：
list1 = [x*x for x in range(10)]
print(list1)
结果如下：
[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
如果我们生成的列表非常的巨大，比如：
list2 = [x*x for x in range(1000000000000000000000000)]
结果如下：
Traceback (most recent call last):
File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <module>
list2 = [x*x for x in range(1000000000000000000000000)]
File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 3, in <listcomp>
list2 = [x*x for x in range(1000000000000000000000000)]
MemoryError
报错了，报错信息提示我们存储异常，并且整个程序运行了相当长一段时间。友情提醒，这么大的列表创建请慎重，如果电脑配置不够很有可能会将电脑卡死。
如果我们使用生成器就会非常方便了，而且执行速度嗖嗖的。
generator1 = (x*x for x in range(1000000000000000000000000))
print(generator1)
print(type(generator1))
结果如下：
<generator object <genexpr> at 0x0000014383E85B48>
<class 'generator'>
那么，我们使用了生成器以后，怎么读取生成器生成的数据呢？
当然是和之前的迭代器一样的拉，使用 next() 函数：
generator2 = (x*x for x in range(3))
print(next(generator2))
print(next(generator2))
print(next(generator2))
print(next(generator2))
结果如下：
Traceback (most recent call last):
File "D:/Development/Projects/python-learning/base-generator/Demo.py", line 14, in <module>
print(next(generator2))
StopIteration
直到最后，抛出 StopIteration 异常。
但是，这种使用方法我们并不知道什么时候会迭代结束，所以我们可以使用 for 循环来获取每生成器生成的具体的元素，并且使用 for 循环同时也无需关心最后的 StopIteration 异常。
generator3 = (x*x for x in range(5))
for index in generator3:
print(index)
结果如下：
0
1
4
9
16
generator 非常的强大，本质上， generator 并不会取存储我们的具体元素，它存储是推算的算法，通过算法来推算出下一个值。
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。
比如我们定义一个函数，emmmmmm，还是简单点吧，大家领会精神：
def print_a(max):
i = 0
while i < max:
i += 1
yield i
a = print_a(10)
print(a)
print(type(a))
结果如下：
<generator object print_a at 0x00000278C6AA5CC8>
<class 'generator'>
这里使用到了关键字 yield ， yield 和 return 非常的相似，都可以返回值，但是不同的是 yield 不会结束函数。
我们调用几次这个用函数创建的生成器：
print(next(a))
print(next(a))
print(next(a))
print(next(a))
结果如下：
1
2
3
4
可以看到，当我们使用 next() 对生成器进行一次操作的时候，会返回一次循环的值，在 yield 这里结束本次的运行。但是在下一次执行 next() 的时候，会接着上次的断点接着运行。直到下一个 yield ，并且不停的循环往复，直到运行至生成器的最后。
还有一种与 next() 等价的方式，直接看示例代码吧：
print(a.__next__())
print(a.__next__())
结果如下：
5
6
接下来要介绍的这个方法就更厉害了，不仅能迭代，还能给函数再传一个值回去：
def print_b(max):
i = 0
while i < max:
i += 1
args = yield i
print('传入参数为：' + args)
b = print_b(20)
print(next(b))
print(b.send('Python'))
结果如下：
1
传入参数为：Python
2
上面讲了这么多，可能各位还没想到生成器能有什么具体的作用吧，这里我来提一个——协程。
在介绍什么是协程之前先介绍下什么是多线程，就是在同一个时间内可以执行多个程序，简单理解就是你平时可能很经常的一边玩手机一边听音乐（毫无违和感）。
协程更贴切的解释是流水线，比如某件事情必须 A 先做一步， B 再做一步，并且这两件事情看起来要是同时进行的。
def print_c():
while True:
print('执行 A ')
yield None
def print_d():
while True:
print('执行 B ')
yield None
c = print_c()
d = print_d()
while True:
c.__next__()
d.__next__()
结果如下：
...
执行 A
执行 B
执行 A
执行 B
执行 A
执行 B
执行 A
执行 B
执行 A
执行 B
...
因为 while 条件设置的是永真，所以这个循环是不会停下来的。
这里我们定义了两个生成器，并且在一个循环中往复的调用这两个生成器，这样看起来就是两个任务在同时执行。
最后的协程可能理解起来稍有难度，有问题可以在公众号后台问我哦~~~
示例代码
本系列的所有代码小编都会放在代码管理仓库 Github 和 Gitee 上，方便大家取用。