生成器generator 在Python中3，这种一边循环一边计算的机制，称为生成器,生成器保存的是算法,能节省大量的空间.生成器只记录当前位置，只有一个next()方法。
通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
简单生成器：
要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
L = [x * x for x in range(10)] G = (x * x for x in range(10)) print(L) >>>[0, 1, 4, 9, 16, 25, 36, 49, 64, 81] print(G) >>><generator object <genexpr> at 0x0000027BFE39C4F8>
创建L和G的区别仅在于最外层的[]和()，L是一个list，而G是一个generator。
我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
可以使用next(G),计算出下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。正确的方法是使用for循环，因为generator也是可迭代对象.
带yield 语句的生成器
下面代码可以从第一个元素开始，通过相应的算法推算出后续任意的元素，这种逻辑其实非常类似generator。
def fib(max):
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
G=fib(6)
print(G)
这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
加强的生成器
一些加强特性加入到生成器中,所以除了 next()来获得下个生成的值,用户可以将值回送给生成器[send()],在生成器中抛出异常,以及要求生成器退出[close()]。
def gen(x):
count = x
while True:
val = (yield count)
if val is not None:
count = val
else:
count += 1
G = gen(5)
print (next(G))
>>>5
print (next(G))
>>>6
print (next(G))
>>>7
print('====================')
print (G.send(9))#发送数字9给生成器
>>>9
print (next(G))
>>>10
print (next(G))
>>>11
G.close()
通过send()可以把数据9发送给生成器，当生成器close后，就不能再对生成器进行操作了。