生成器
1. 生成器
利用迭代器，我们可以在每次迭代获取数据（通过next()方法）时按照特定的规律进行生成。但是我们在实现一个迭代器时，关于当前迭代到的状态需要我们自己记录，进而才能根据当前状态生成下一个数据。为了达到记录当前状态，并配合next()函数进行迭代使用，我们可以采用更简便的语法，即生成器(generator)。生成器是一类特殊的迭代器。
2. 创建生成器方法1
要创建一个生成器，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 ( )
L = [x * 2 for x in range(5)]
G = (x * 2 for x in range(5))
创建 L 和 G 的区别仅在于最外层的 [ ] 和 ( ) ， L 是一个列表，而 G 是一个生成器。我们可以直接打印出列表L的每一个元素，而对于生成器G，我们可以按照迭代器的使用方法来使用，即可以通过next()函数、for循环、list()等方法使用。
next(G) # 输出 0
next(G) # 输出 2
next(G) # 输出 4
next(G) # 输出 6
next(G) # 输出 8
G = (x * 2 for x in range(5))
for x in G:
print(x)
输出结果为：
0
2
4
6
8
3. 创建生成器方法2
generator非常强大。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。
我们仍然用上一节提到的斐波那契数列来举例，回想我们在上一节用迭代器的实现方式：
class FibIterator(object):
"""斐波那契数列迭代器"""
def __init__(self, n):
"""
:param n: int, 指明生成数列的前n个数
"""
self.n = n
# current用来保存当前生成到数列中的第几个数了
self.current = 0
# num1用来保存前前一个数，初始值为数列中的第一个数0
self.num1 = 0
# num2用来保存前一个数，初始值为数列中的第二个数1
self.num2 = 1
def __next__(self):
"""被next()函数调用来获取下一个数"""
if self.current < self.n:
num = self.num1
self.num1, self.num2 = self.num2, self.num1+self.num2
self.current += 1
return num
else:
raise StopIteration
def __iter__(self):
"""迭代器的__iter__返回自身即可"""
return self
注意，在用迭代器实现的方式中，我们要借助几个变量(n、current、num1、num2)来保存迭代的状态。现在我们用生成器来实现一下。
def fib(n):
current = 0
num1, num2 = 0, 1
while current < n:
yield num1
num1, num2 = num2, num1+num2
current += 1
return 'done'
4. 使用send唤醒
我们除了可以使用next()函数来唤醒生成器继续执行外，还可以使用send()函数来唤醒执行。使用send()函数的一个好处是可以在唤醒的同时向断点处传入一个附加数据。
例子：执行到yield时，gen函数作用暂时保存，返回i的值; temp接收下次c.send(“python”)，send发送过来的值，c.next()等价c.send(None)
def gen():
i = 0
while i<5:
temp = yield i
print(temp)
i+=1
使用send
f = gen()
next(f) # 输出 0
f.send('haha') # 输出 haha
next(f) # 输出 None
f.send('haha') # 输出 haha
使用next函数
f = gen()
next(f) # 输出 0
next(f) # 输出 None
next(f) # 输出 None
next(f) # 输出 None
next(f) # 输出 None
next(f) # 抛出 StopIteration 异常
使用__next__()方法（不常使用）
f = gen()
f.__next__() # 输出 0
f.__next__() # 输出 None
f.__next__() # 输出 None
f.__next__() # 输出 None
f.__next__() # 输出 None
f.__next__() # 抛出 StopIteration 异常
以上就是生成器的基本用法。生成器在迭代过程中可以暂停和继续，非常灵活，适合处理大量的数据或者需要延迟生成的数据。
进阶案例
【Python】Python 实现猜单词游戏——挑战你的智力和运气！
【python】Python tkinter库实现重量单位转换器的GUI程序
【python】使用Selenium获取(2023博客之星)的参赛文章
【python】使用Selenium和Chrome WebDriver来获取 【腾讯云 Cloud Studio 实战训练营】中的文章信息
使用腾讯云 Cloud studio 实现调度百度AI实现文字识别
【玩转Python系列【小白必看】Python多线程爬虫：下载表情包网站的图片
【玩转Python系列】【小白必看】使用Python爬取双色球历史数据并可视化分析
【玩转python系列】【小白必看】使用Python爬虫技术获取代理IP并保存到文件中
【小白必看】Python图片合成示例之使用PIL库实现多张图片按行列合成
【小白必看】Python爬虫实战之批量下载女神图片并保存到本地
【小白必看】使用Python爬取喜马拉雅音频并保存的示例代码
【小白必看】使用Python批量下载英雄联盟皮肤图片的技术实现
【小白必看】轻松获取王者荣耀英雄皮肤图片的Python爬虫程序
【小白必看】Python爬虫实战：获取阴阳师网站图片并自动保存
小白实战100案例: 完整简单的双色球彩票中奖判断程序，适合小白入门
使用 geopandas 和 shapely(.shp) 进行地理空间数据处理和可视化
爬虫入门指南(7):使用Selenium和BeautifulSoup爬取豆瓣电影Top250实例讲解【爬虫小白必看】
爬虫入门指南(6):反爬虫与高级技巧：IP代理、User-Agent伪装、Cookie绕过登录验证及验证码识别工具
爬虫入门指南(5): 分布式爬虫与并发控制 【提高爬取效率与请求合理性控制的实现方法】
爬虫入门指南(4): 使用Selenium和API爬取动态网页的最佳方法
爬虫入门指南(3)：Python网络请求及常见反爬虫策略应对方法
深度学习模型在图像识别中的应用：CIFAR-10数据集实践与准确率分析
MySQL 数据库操作指南：学习如何使用 Python 进行增删改查操作
使用Python和Selenium自动化爬取 #【端午特别征文】 探索技术极致，未来因你出“粽” # 的投稿文章
Python多线程与多进程教程：全面解析、代码案例与优化技巧
Python入门教程：掌握for循环、while循环、字符串操作、文件读写与异常处理等基础知识
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
