文章出处：http://www.cnblogs.com/winstic/，请保留此连接
在python编程中，我们经常会看到函数中带有yield关键字，但请注意，此时的函数不再是我们熟知的一般函数，而是所谓的generator（生成器）
生成器
对于生成器，可以对比于列表来看，我们在循环代码中经常会使用range()产生一个list对象，继而在for循环下依次遍历，
foriinrange(1000):PRinti
或者是使用列表生成式生成一个list对象：
[x * xforxinrange(1000)]
这么做确实很方便，但这有个很大的缺点，我们所生产的list对象在程序运行过程中是存放在内存中的，占用内存大小与list规模有关，若要在编程时控制内存的占用，最好不要使用list。
相比于list对象对内存的占用，generator有很大的优势，generator保存的是算法，不会生成所有的元素，而只是在调用next()时产生一个元素，很好的优化了内存占用的问题，可以通过next方法访问数据，当没有数据时会自动抛出StopIteration异常
>>> gener = (x * xforxin[1, 2, 3])>>> g = (x * xforxin[1, 2, 3])>>>g<generator object <genexpr> at 0x02534968>
>>>g.next()1
>>>g.next()4
>>>g.next()9
>>>g.next()
Traceback (most recent call last):
File"<pyshell#16>", line 1,in<module>g.next()
StopIteration>>>
这么做的话难免有些繁琐，还好在for循环中会帮我们实现next方法的调用也可以这么实现
>>>foriing:printi
yield 初体验
以上所实现的generator只是规律十分简单的，这很好实现，只需要类似于列表生成式的简单语法即可，那么对于其他的数列计算如何实现呢，例如斐波那契数列，它的定义虽然简单：除第一、二个数据外，所有的数据均是其前两个数据之和；如果我们通过一般函数实现，无疑当数列规模很大时，占用大量内存
>>>deffib(N):
n, a, b= 0, 0, 1whilen <N:printb
a, b= b, a +b
n= n + 1
那么如何将上述方法转换为generator加以实现呢，很简单，只需要将print b 替换为yield b即可，我们可以试一下：
>>>deffib(N):
n, a, b= 0, 0, 1whilen <N:yieldb
a, b= b, a +b
n= n + 1
>>> fib(5)<generator object fib at 0x02530F80>
>>>foriinfib(5):printi1
1
2
3
5
加了yield关键字后的函数是如何执行的呢，不应该说是函数，这时应该称为generator；我们调用fib(5)并不会执行函数，而是返回一个generator对象，真正的执行是在调用next方法（for循环中自动调用next()），每次循环都会执行fib内的代码，遇到yield则返回一个迭代值（类似于中断）；在下次循环时执行yield的下一语句，直至遇到下一个yield。
yield 协程
协程（coroutine）也叫微线程，相比于多线程更为高效，因为协程是多个程序在一个线程中执行，没有线程间切换的开销；同时在协程中不需要加锁机制，因为在一个线程中不存在变量冲突问题。
例如经典问题（生产者-消费者问题）就可以使用协程机制实现，相比于多线程更为高效
defconsumer():
r=''whileTrue:
n=yieldrifnotn:returnprint'consumer %s'%n
r='OK'defproduce(c):
c.next()
n=0whilen < 5:
n= n + 1print'produce %s'%n
r=c.send(n)print'consumer return %s'%r
c.close()if__name__=='__main__':
c=consumer()
produce(c)
produce 1consumer1consumerreturnOK
produce2consumer2consumerreturnOK
produce3consumer3consumerreturnOK
produce4consumer4consumerreturnOK
produce5consumer5consumerreturnOK
执行结果
在上述代码中，consumer是一个生成器，执行过程中首先通过consumer产生generator对象c，
我们在执行到produce（c）的next方法时，才切换到生成器函数consumer中执行，
在consumer中遇到yield中断，又切回到produce中
在produce中的c.send(n)：主要干两件事：1.将n添加到生成器中，2.返回下一个yield值（return next()）;所以当我们运行到send方法时，内含next机制进而切换到consumer函数中执行（传入参数n），得到返回值'OK'(在下一个yield中返回)
。。。。。
最后在produce中关闭迭代器c.close()
参考： http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/0013868328689835ecd883d910145dfa8227b539725e5ed000
总结：
在generator中不同于一般函数，调用方法名不会执行，只会返回一个generator对象，只有在调用next方法时才会执行一个函数中加入yield则变为generator，函数执行到yield时中断，下次迭代时定位到yield的下一条语句；yield还常用于文件的读取，用read()会造成不可预测的内存占用问题，而使用yield可以实现内存只存储每次迭代过程中固定的size