什么是生成器？
可以理解为一种数据类型，这种数据自动实现了迭代器协议（其他数据类型需要调用自己内置的
_iter_
方法），所以生成器就是可迭代对象
python提供生成器的两种表现形式：
1.生成器函数：
常规函数的定义，但是，使用
yield
语句而不是
return
语句返回结果。
yield
语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。**函数里有yiled，执行函数就是一个生成器，不管yield位置在哪。采集函数创建生成器时，如果函数中含有return，则不会通过return得到任凭结果，return中止当前生成器，如果执行next()会报错。**简单示例如下：
def
test
(
)
:
global
callback
callback
=
yield
2
print
(
callback
)
callback2
=
yield
1
print
(
callback2
)
yield
3
g
=
test
(
)
print
(
g
)
print
(
g
.
__next__
(
)
)
print
(
g
.
send
(
"这是传到生成器里面的值"
)
)
print
(
g
.
send
(
"这是传到生成器2里面的值"
)
)
结果：
<
generator
object
test at
0x000000000260A5C8
>
2
这是传到生成器里面的值
1
这是传到生成器
2
里面的值
3
return的问题上面说过，就不实例了
这里说下next和send：
首先：要执行send之前，必须要先至少执行一个next
两者效果大体相同，只是send在执行是可以给生成器里的当前执行到的yield（这也是为什么要先next，不然生成器函数没开始执行，没到yield）一个返回值。
2.生成器表达式：
类似于列表推导，但是生成器返回按需要产生的一个对象，而不是一次构建一个结果列表
补充一个列表解析
"SB" if name=="alex" else "shuaige"
用法：
name="alex"
res="SB" if name=="alex" else "shuaige"
print(res)
name="yueshouhu"
res="SB" if name=="alex" else "shuaige"
print(res)
结果是：
SB
shuaige
。。。。。。。。。。。。。。。。。。。。。。。。。。
number_list=[ i for i in range(10)]
print(number_list)
传统代码
number_list=[]
for i in range(10):
number_list.append(i)
print(number_list）
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
列表解析：
number_list=[ i for i in range(10) if i>5]
print(number_list)
[6, 7, 8, 9]
用列表解析的好处是相较于传统代码更便利，但是列表解析是直接生成一个完整列表放到内存中，很占内存，并且影响运行效率。
如执行
number_list=[ i for i in range(10000000000000000000000000000)]
，电脑将会直接卡死，只能重启，故需要使用生成器表达式
生成器表达式
number_list=(i for i in range(1000000000000000000))
将原有列表解析的[ ] 改成（）
number_list=(i for i in range(1000000000000000000)if i>10)
print(number_list)
print(number_list.__next__())
print(number_list.__next__())
结果:
at 0x00000000026D6468>
11
12
综上，生成器的好处：
使用生成器对延迟操作提供了支持。所谓延迟操作，是指在需要的时候才产生结果，而不是立即产生所有结果放到内存里。
生成器小结;
1.是可迭代对象
2.实现了延迟操作，省内存
3.生成器和其他数据类型本质一样，都是实现了迭代器协议，只不过生成器附加了一个延迟计算省内存的好处，其他的可迭代对象可没有这点好处
