方式1：

生成器表达式： 元组推导式

gen_2 = (i * 2 for i in range(5)) # 创建一个生成器表达式

print(gen_2) # <generator object <genexpr> at 0x0000027D27CCD850>

方式2：

生成器函数： 通过在函数内部使用 yield 关键字定义一个生成器函数。当调用这个函数时，它并不会立即执行函数体，而是返回一个生成器对象。每当对生成器对象进行迭代时，函数会在每个 yield 语句处暂停，并返回一个值，然后在下一次迭代时从上次离开的地方继续执行。

def gen_func():

for x in range(5):

yield x

f=gen_func()

print(f) #<generator object gen_func at 0x0000019A1355D7E0>

print(next(f))# 0

print(next(f))# 1

3、访问生成器

方式1：

for循环遍历

gen_list = (x for x in range(2, 10, 2))

for i in gen_list:

print(i)

'''

2

4

6

8

'''

方式2：

使用next(object)方法访问

gen_list = (x for x in range(2, 10, 2))

print(next(gen_list))

print(next(gen_list))

print(next(gen_list))

print(next(gen_list))

print(next(gen_list)) #需要注意：超出生成器生成数据的范围，会报错StopIteration

'''

2

4

6

8

print(next(gen_list))

StopIteration

'''

方式3：

使用__next__()方法访问

gen_list = (x for x in range(2, 10, 2))

print(gen_list.__next__())

print(gen_list.__next__())

print(gen_list.__next__())

print(gen_list.__next__())

print(gen_list.__next__())#需要注意：超出生成器生成数据的范围，会报错StopIteration

'''

2

4

6

8

print(gen_list.__next__())

StopIteration

'''

方式4：

send() 方法是 Python 中生成器（generator）的一个方法，用于在生成器内部发送一个值并继续执行到下一个 yield 语句。当调用 send(value) 时，这个 value 将会作为上一个 yield 表达式的返回值。

def simple_generator():

value = None

while True:

received_value = (yield value)

# 如果 send() 第一次被调用或者传入了 None，则 received_value 为 None

if received_value is not None:

value = received_value * 2 # 对接收到的值进行处理

# 创建一个生成器对象

gen = simple_generator()

# 启动生成器，获取第一个 yield 的返回值（默认为 None）

first_value = next(gen) # first_value 是 None

print(first_value) # 输出：None，因为上一个 yield 表达式返回了 None

# 使用 send() 方法发送一个值

response = gen.send(5) # 这里，5 将会被赋值给上一个 yield 表达式，并将 5 * 2 赋值给 value

print(response) # 输出：10，因为这次 send(5) 后，生成器内部将 5 * 2 赋值给 value

# 继续发送另一个值

response = gen.send(10)

print(response) # 输出：20，因为这次 send(10) 后，生成器内部将 10 * 2 返回给了 response

# 可以继续这样交互，直到生成器停止或抛出异常

'''

在这个例子中，send() 方法用于与生成器之间传递信息和控制流，实现了类似协程的功能。

注意首次调用 send() 前需要先通过 next() 函数启动生成器，之后才能正常发送值。

如果在没有调用过 next() 或者 send(None) 之前直接调用 send()，

将会导致 TypeError: can't send non-None value to a just-started generator 错误。

'''

再来一个例子展示send()方法如何工作：

# 定义一个生成器函数，模拟银行账户存款和取款的过程

def bank_account():

balance = 0 # 初始余额为0

while True:

print(f"当前余额: {balance},")

amount = (yield balance) # yield语句暂停并返回当前余额

# 使用send()方法时，amount将接收外部传入的值

if amount is not None:

if amount > 0: #如果发送的金额大于0，则为存款操作，余额增加相应金额

balance += amount

print(f"存入了{amount}元")

elif amount < 0: #如果发送的金额小于0，则为取款操作，

if balance + amount >= 0: #若余额充足则余额减少相应金额

balance += amount

print(f"取出{abs(amount)}元")

else: #否则打印"余额不足，无法取出!"

print("余额不足，无法取出!")

else:

print("没有操作金额")

# 创建生成器实例

account = bank_account()

next(account) # 初始化生成器，执行到第一个yield语句

# 使用send()方法进行存款和取款操作

account.send(1000) # 存入1000元时，余额更新为1000元，并打印相应信息；

'''

当前余额: 0,

存入了1000元

当前余额: 1000,

'''

account.send(-500) # 取出500元时，余额减至500元，并打印相应信息；

'''

取出500元

当前余额: 500,

'''

account.send(-1000) # 尝试取出1000元时，由于余额不足，只打印“余额不足，无法取出!”的信息，但下一轮循环依然会打印当前真实的余额：500元。

'''

余额不足，无法取出!

当前余额: 500,

'''

4、生成器的应用实例：

斐波那契数列

#1-用函数打印斐波那契数列:

def fib(n):

sequence = []

a, b = 0, 1

for _ in range(n):

sequence.append(a)

a, b = b, a + b

return sequence

print(fib(5)) # [0, 1, 1, 2, 3]

#2-使用生成器生成斐波那契数列（无限序列）

def fibonacci():

a, b = 0, 1

while True:

yield a

a, b = b, a + b

gen = fibonacci()

for _ in range(10):

print(next(gen),end=',') #0,1,1,2,3,5,8,13,21,34,code>

生成器（generator）与普通函数在执行流程上的差异是其核心特性之一

普通函数：当调用一个普通函数时，它会从函数的第一行代码开始顺序执行，直到遇到return语句或者执行到函数的最后一行。返回值是在函数执行过程中遇到return时确定的，并且一旦函数执行完毕，它的内部状态就会被销毁。生成器函数：而定义为生成器的函数会在每次调用next()方法或使用for循环迭代时才执行。首次调用时，函数会运行到第一个yield表达式并暂停，同时返回yield后面的值。此后每次调用next()时，函数都会从上次暂停的地方继续执行，再次遇到yield表达式时再次暂停并返回新的值。这种“分段执行”和“状态保留”的机制使得生成器特别适合处理大量数据流或需要保持中间状态的任务，比如斐波那契数列生成、文件读取等场景。

总结来说，生成器是一种特殊的迭代器，可以控制程序的执行流程，按需产生结果，并能够在多次调用之间保持内部状态。