自定义的迭代器之 生成器

生成器的定义：生成器就是一个自定义的迭代器；因为里面有next和iter方法

如何得到生成器：存在yield的函数本身并不是一个生成器，需要调用才会返回一个生成器对象；不会执行内部代码，需要使用next方法

为什么要有生成器：

首先生成器数一个自定义的迭代器，为什么要自定义，这是因为迭代器之前有个痛点，每次都是基于已存在的可迭代对象，将其转换成迭代器之后，进行取值；如果有一个需求，我要生成1000万个数字，那么如果使用了迭代器，就必须要提前创建一个存放着1000万个数字的可迭代对象，这种是很消耗内存的；因此我们就必须要自己定义一个迭代器，在迭代器内部设置好规则，后通过yield一个个返回

def func(name):
    print('执行func方法下的第一行代码')
    n = 0
    while True:
        n += 1
        print('第%s次执行' % n)
        x = yield None
        print(f'name={name},x={x}')


"""
函数有带有yield，那么他就是一个生成器；在执行函数时，不会执行里面的内容，而是返回生成器对象
yield的作用：返回值，并将函数挂起
__next__:每一次使用，会从上次yield代码所在行开始执行，直到碰到下一个yield
"""
g = func('李白')

g.__next__()  # 生成器可以直接调用__next__方法，获取下一个值

"""也能通过send方法给生成器进行传参，但传参必须要执行到yield代码行，因此可通过next(g)或send(None)处理"""
x = g.send(None)
print(x)
g.send('send进去的值')  # 从上次挂起的位置，将值赋值给x，然后往下执行到下一个yield
print(x)

通过send方法给生成器传值

def gen():
    s = 0
    for i in range(10):
        print('开始第', i,'次调用')
        s = yield i * s
        print('send传递进来的数据是', s)
        print()


g = gen()
print('第1次生成数据:', next(g))
print('第2次生成数据:', g.send(100))
print('第3次生成数据:', g.send(99))
print('第4次生成数据:', g.send(98))

关闭生成器

使用生成器.close()

往生成器内部发送一个异常（了解即可）

https://blog.csdn.net/jpch89/article/details/87036970（还包含了对三种方法的总结）

生成器惰性求值的坑

https://blog.csdn.net/weixin_30384217/article/details/99303456