生成器（Generators）

生成器也是一种迭代器，但是你只能对其迭代一次。这是因为他们并没有把所有的值存在
内存中，而是在运行时生成值。你通过遍历来使用它们，要么用一个“for”循环，要么将它
们传递给任意可以进行迭代的函数和结构。大多数时候生成器是以函数来实现的。然而，
它们并不返回一个值，而是yield(暂且译作“出生”)一个值。这里有个生成器函数的简单
例子：
def generator_function():
    for i in range(10):
        yield i 
for i in generator_function():
    print i
# Output: 0
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9
这个案例并不是非常实用。生成器最佳应用场景是：你不想同一时间将所有计算出来的大
量结果集分配到内存当中，特别是结果集里还包含循环。
译者注：这样做会消耗大量资源
许多Python 2里的标准库函数都会返回列表，但Python 3都修改成了返回生成器，因为生成
器占用更少的资源。
下面是一个计算斐波那契数列的生成器：
def fibon(n):
    a=b=1
    for i in range(n):
        yield a
        a, b=b, a+b

for x in fibon(10):

print x

这也许会在计算很大的输入参数时，用尽所有的资源。我们已经讨论过生成器使用一次迭
代，但我们并没有测试过。在测试前你需要再知道一个Python内置函数：next()。它允
许我们获取一个序列的下一个元素。那我们来验证下我们的理解：

def generator_function():
for i in range(3):
yield i
gen = generator_function()
print(next(gen))
# Output: 0
print(next(gen))
# Output: 1
print(next(gen))
# Output: 2
print(next(gen))
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# StopIteration

我们可以看到，在yield掉所有的值后，next()触发了一个StopIteration的异常。
基本上这个异常告诉我们，所有的值都已经被yield完了。你也许会奇怪，为什么我们在
使用for循环时没有这个异常呢？啊哈，答案很简单。for循环会自动捕捉到这个异常并
停止调用next()。你知不知道Python中一些内置数据类型也支持迭代哦？我们这就去看
看：
my_string = "Yasoob"
next(my_string)
# Output: Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# TypeError: str object is not an iterator

好吧，这不是我们预期的。这个异常说那个str对象不是一个迭代器。对，就是这样！它
是一个可迭代对象，而不是一个迭代器。这意味着它支持迭代，但我们不能直接对其进行
迭代操作。那我们怎样才能对它实施迭代呢？是时候学习下另一个内置函数，iter。它
将根据一个可迭代对象返回一个迭代器对象。这里是我们如何使用它：
my_string = "Yasoob"
my_iter = iter(my_string)
next(my_iter)
# Output: 'Y'