圣灵所结的果子，就是仁爱、喜乐、和平、忍耐、恩慈、良善、信实、温柔、节制。这样的事，没有律法禁止。凡属基督耶稣的人，是已经把肉体连肉体的邪情私欲同钉在十字架上了。我们若是靠圣灵得生，就当靠圣灵行事。不要贪图虚名，彼此惹气，互相嫉妒。(GALATIANS 5:22-26)
生成器
上节中，我们曾经做过这样的操作：
>>> my_tup = (x**x for x in range(4))
>>> my_tup
<generator object <genexpr> at 0x02B7C2B0>
generator，翻译过来是生成器。
生成器是一个非常迷人的东西，也常被认为是Python的高级编程技能。不过，我依然很乐意在这里跟读者——尽管你可能是一个初学者——探讨这个话题，因为我相信读者看本教程的目的，绝非仅仅将自己限制于初学者水平，一定有一颗不羁的心——要成为Python高手。那么，开始了解生成器吧。
既然在探讨“迭代器”的时候出现了生成器，这就说明生成器和迭代器有着一定的渊源关系。
没错！生成器必须是可迭代的，它首先是迭代器。
但，它毕竟还是生成器，具有生成器的特质。
定义生成器
定义生成器，必须使用yield关键词。yield这个词在汉语中有“生产、出产”之意，在Python中，它作为一个关键词，是生成器的标志。
>>> def g():
... yield 0
... yield 1
... yield 2
>>> g
<function g at 0xb71f3b8c>
建立了一个非常简单的函数，里面有yield发起的三个语句。下面看如何使用它：
>>> ge = g()
>>> ge
<generator object g at 0xb7200edc>
>>> type(ge)
<type 'generator'>
调用函数，得到了一个生成器(generator)对象。
Python 2:
>>> dir(ge)
['__class__', '__delattr__', '__doc__', '__format__', '__getattribute__', '__hash__', '__init__', '__iter__', '__name__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'next', 'send', 'throw']
Python 3:
>>> dir(ge)
['__class__', '__del__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__lt__', '__name__', '__ne__', '__new__', '__next__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'gi_yieldfrom', 'send', 'throw']
在这里看到了__iter__()和next()或__next__()，虽然我们在函数体内并没有显示地写出__iter__()、next()和__next__()，仅仅写了yield语句，它就已经成为迭代器了。
既然如此，当然可以：
>>> ge.next() #Python 3: ge.__next__()，下同，从略
0
>>> ge.next()
1
>>> ge.next()
2
>>> ge.next()
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
从这个简单例子中可以看出，那个含有yield关键词的函数是一个生成器对象，这个生成器对象也是迭代器。
于是可以这样定义：把含有yield语句的函数称作生成器。
生成器是一种用普通函数语法定义的迭代器。
通过上面的例子可以看出，这个生成器（也是迭代器），在定义过程中并没有像上节迭代器那样写__iter__()和next()，而是只要用了yield语句，那个普通函数就神奇般地成为了生成器，也就具备了迭代器的功能特性。
yield语句的作用，就是在调用的时候返回相应的值。详细剖析一下上面的运行过程：
ge = g()：返回生成器之外。ge.next()：生成器才开始执行，遇到了第一个yield语句，将值返回，并暂停执行（有的称之为挂起）。ge.next()：从上次暂停的位置开始，继续向下执行，遇到yield语句，将值返回，又暂停。gen.next()：重复上面的操作。gene.next()：从上面的挂起位置开始，但是后面没有可执行的了，于是next()发出异常。
从上面的执行过程中，发现yield除了作为生成器的标志之外，还有一个功能就是返回值。那么它跟return这个返回值有什么区别呢？
yield
函数返回值，本来已经有了一个return，现在又出现了yield，这两个有什么区别？
为了区别，我们写两个没有什么用途的函数：
>>> def r_return(n):
... print "You taked me." #Python 3: print("You taked me.")，下同，从略
... while n > 0:
... print "before return"
... return n
... n -= 1
... print "after return"
...
>>> rr = r_return(3)
You taked me.
before return
>>> rr
3
从函数被调用的过程可以清晰看出，rr = r_return(3)，函数体内的语句就开始执行了，遇到return，将值返回，然后就结束函数体内的执行。所以return后面的语句根本没有执行。这是return的特点，关于此特点的详细说明请阅读《函数(2)》中的返回值相关内容。
下面将return改为yield：
>>> def y_yield(n):
... print "You taked me." #Python 3: print("You taked me.")，下同，从略
... while n > 0:
... print "before yield"
... yield n
... n -= 1
... print "after yield"
...
>>> yy = y_yield(3) #没有执行函数体内语句
>>> yy.next() #Python 3: yy.__next__()，下同，从略
You taked me.
before yield
3 #遇到yield，返回值，并暂停
>>> yy.next() #从上次暂停位置开始继续执行
after yield
before yield
2 #又遇到yield，返回值，并暂停
>>> yy.next() #重复上述过程
after yield
before yield
1
>>> yy.next()
after yield #没有满足条件的值，抛出异常
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
结合注释和前面对执行过程的分析，读者一定能理解yield的特点了，也深知与return的区别了。
一般的函数，都是止于return。作为生成器的函数，由于有了yield，则会遇到它挂起。
斐波那契数列已经是老相识了。不论是循环、迭代都用它举例过，现在让我们还用它吧，只不过是要用上yield。
#!/usr/bin/env python
# coding=utf-8
def fibs(max):
"""
斐波那契数列的生成器
"""
n, a, b = 0, 0, 1
while n < max:
yield b
a, b = b, a + b
n = n + 1
if __name__ == "__main__":
f = fibs(10)
for i in f:
print i , #Python 3: print(i, end=',')
运行结果如下：
$ python 21501.py
1 1 2 3 5 8 13 21 34 55
用生成器方式实现的斐波那契数列是不是跟以前的有所不同了呢？读者可以将本书中已经演示过的斐波那契数列实现方式做一下对比，体会各种方法的差异。
经过上面的各种例子，已经明确，一个函数中，只要包含了yield语句，它就是生成器，也是迭代器。这种方式显然比前面写迭代器的类要简便多了。但，并不意味着上节的就被抛弃。是生成器还是迭代器，都是根据具体的使用情景而定。
最后一句，你在编程中，不用生成器也可以。
如果你认为有必要打赏我，请通过支付宝：[email protected],不胜感激。