生成器的本质就是迭代器，写法和迭代器不一样，用法一样。
获取方法：
1、通过生成器函数
2、通过各种推导式来实现生成器
3、通过数据的转换也可以获取生成器
例如：
更改return 为 yield 即成为生成器 该函数就成为了一个生成器函数。再执行这个函数的时候，就不再是函数的执行了，而是获得这个生成器。执行生成器可以直接用__next__()来执行。
return和yield的区别：
yield是分段开执行一个函数，而return直接停止执行函数。
当程序运行完最后一个yield。那么后面继续进行__next__()程序会报错。
生成器的作用：
例如：
def cloth():
lst = []
for i in range(0,10000):
lst.append('衣服'+strt(i))
return lst
cl = cloth()
再看另一种方式：
def cloth():
for i in range(0,10000):
yield'衣服'+str(i)
cl = cloth()
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
print(cl.__next__())
两个案例的区别：第一种直接一次性全部拿出来，会很占用内存。第二种使用生成器，一次就一个。用多少生成多少，生成器是一个一个的指向下一个。不会回去，__next__()到哪，指针就指到哪。下一次继续获取指针指向的值。
生成器函数：函数中带有yield，执行生成器函数的时候返回生成器
生成器特点：
1、节省内存，几乎不占用内存。应用于数据量比较大、而单次使用不会用太多数据量的场合
2、惰性机制
3、只能往前
send 和__next__()的区别：
1.send 和next()都是让生成器向下走一次。
2.send可以给上一个yield的位置传递值，不能给最后一个yield发送值。在第一次执行生成器代码的时候不能使用send()。
生成器可以使用for循环来获取内部的元素：
def func():
print(111)
yield 222
print(333)
yield 444
print(555)
yield 666
gen = func()
for i in gen:
print (i)
结果：
111
222
333
444
555
666
二、列表推导式，生成器表达式以及其他推导式
1、列表推导式；
替换成列表推导式：
列表推导式是通过一行来构建需要的列表，看起来代码简单，但出现错误后很难排查。
推导式的常用写法：
[结果 for变量 in 可迭代对象]
生成器表达式和列表推导式的语法基本上是一样的。只是把[]替换成()。
打印的结果就是一个生成器。可以使用for循环来循环这个生成器：
生成器表达式和列表推导式的区别：
a、列表推导式比较耗内存。一次性加载。生成器表达式几乎不占用内存。使用的时候才分配和使用内存。
b、得到的值不一样。列表推导式得到的是一个列表。生成器表达式获得的是一个生成器。
生成器的惰性机制：生成器只有在访问的时候才取值，即找他要才给值，不找他要，是不会执行的。
深坑==>生成器，要值的时候才拿值。
def func():
print(111)
yield 222
g = func() #此处生成一个生成器g
g1 = (i for i in g) # 生成器g1 数据来源于g
g2 = (i for i in g1) #生成器g2 来源于g1
print(list(g)) # 获取g中的数据。这时func()才会被执行。打印111获取到222 g 获值完毕。
print(list(g1)) #获取g1中的数据。g1的数据来源是g，但是g已经取完了。g1也就没有数据了。
print(list(g2))# 同g1
2、字典推导式：
例如：
在以下列表中，从lst1中获取的数据和lst2中相对应的位置的数据组成一个新字典。
lst1 = ['jay','jj','sylar']
lst2 = ['周杰伦','林俊杰','邱彦涛']
dic = {lst[i]:lst2[i] for i in range(len(lst1))}
print (dic)
集合推导式：
集合推导式可以帮我们直接生成一个集合。集合的特点：无序，不重复。所以自带去重功能。
总结：推导式有：列表推导式、字典推导式、集合推导式，没有元组推导式。
生成器表达式：(结果 for 变量 in 可迭代对象 if条件筛选)
生成器表达式可以直接获取到生成器对象。生成器对象可以直接进行for 循环 生成器具有惰性机制。