2. 通过列表生成式，我们可以直接创建一个列表。但是，受到内存限制，列表容量肯定是有限的。而且，创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了。
    4. 所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？这样就不必创建完整的list，从而节省大量的空间。在Python中，这种一边循环一边计算的机制，称为生成器（Generator）。
    6. 要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：
    8. >>> L = [x * x for x in range(10)]
    9. >>> L
    10. [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
    11. >>> g = (x * x for x in range(10))
    12. >>> g
    13. <generator object <genexpr> at 0x104feab40>
    14. 创建L和g的区别仅在于最外层的[]和()，L是一个list，而g是一个generator。
    16. 我们可以直接打印出list的每一个元素，但我们怎么打印出generator的每一个元素呢？
    18. 如果要一个一个打印出来，可以通过generator的next()方法：
    20. >>> g.next()
    21. 0
    22. >>> g.next()
    23. 1
    24. >>> g.next()
    25. 4
    26. >>> g.next()
    27. 9
    28. >>> g.next()
    29. 16
    30. >>> g.next()
    31. 25
    32. >>> g.next()
    33. 36
    34. >>> g.next()
    35. 49
    36. >>> g.next()
    37. 64
    38. >>> g.next()
    39. 81
    40. >>> g.next()
    41. Traceback (most recent call last):
    42.  File "<stdin>", line 1, in <module>
    43. StopIteration
    44. 我们讲过，generator保存的是算法，每次调用next()，就计算出下一个元素的值，直到计算到最后一个元素，没有更多的元素时，抛出StopIteration的错误。
    46. 当然，上面这种不断调用next()方法实在是太变态了，正确的方法是使用for循环，因为generator也是可迭代对象：
    48. >>> g = (x * x for x in range(10))
    49. >>> for n in g:
    50. ...     print n
    51. ...
    52. 0
    53. 1
    54. 4
    55. 9
    56. 16
    57. 25
    58. 36
    59. 49
    60. 64
    61. 81
    62. 所以，我们创建了一个generator后，基本上永远不会调用next()方法，而是通过for循环来迭代它。
    64. generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。
    66. 比如，著名的斐波拉契数列（Fibonacci），除第一个和第二个数外，任意一个数都可由前两个数相加得到：
    68. 1, 1, 2, 3, 5, 8, 13, 21, 34, ...
    70. 斐波拉契数列用列表生成式写不出来，但是，用函数把它打印出来却很容易：
    72. def fib(max):
    73.    n, a, b = 0, 0, 1
    74.    while n < max:
    75.        print b
    76.        a, b = b, a + b
    77.        n = n + 1
    78. 上面的函数可以输出斐波那契数列的前N个数：
    80. >>> fib(6)
    81. 1
    82. 1
    83. 2
    84. 3
    85. 5
    86. 8
    87. 仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。
    89. 也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print b改为yield b就可以了：
    91. def fib(max):
    92.    n, a, b = 0, 0, 1
    93.    while n < max:
    94.        yield b
    95.        a, b = b, a + b
    96.        n = n + 1
    97. 这就是定义generator的另一种方法。如果一个函数定义中包含yield关键字，那么这个函数就不再是一个普通函数，而是一个generator：
    99. >>> fib(6)
    100. <generator object fib at 0x104feaaa0>
    101. 这里，最难理解的就是generator和函数的执行流程不一样。函数是顺序执行，遇到return语句或者最后一行函数语句就返回。而变成generator的函数，在每次调用next()的时候执行，遇到yield语句返回，再次执行时从上次返回的yield语句处继续执行。
    103. 举个简单的例子，定义一个generator，依次返回数字1，3，5：
    105. >>> def odd():
    106. ...     print 'step 1'
    107. ...     yield 1
    108. ...     print 'step 2'
    109. ...     yield 3
    110. ...     print 'step 3'
    111. ...     yield 5
    112. ...
    113. >>> o = odd()
    114. >>> o.next()
    115. step 1
    116. 1
    117. >>> o.next()
    118. step 2
    119. 3
    120. >>> o.next()
    121. step 3
    122. 5
    123. >>> o.next()
    124. Traceback (most recent call last):
    125.  File "<stdin>", line 1, in <module>
    126. StopIteration
    127. 可以看到，odd不是普通函数，而是generator，在执行过程中，遇到yield就中断，下次又继续执行。执行3次yield后，已经没有yield可以执行了，所以，第4次调用next()就报错。
    129. 回到fib的例子，我们在循环过程中不断调用yield，就会不断中断。当然要给循环设置一个条件来退出循环，不然就会产生一个无限数列出来。
    131. 同样的，把函数改成generator后，我们基本上从来不会用next()来调用它，而是直接使用for循环来迭代：
    133. >>> for n in fib(6):
    134. ...     print n
    135. ...
    136. 1
    137. 1
    138. 2
    139. 3
    140. 5
    141. 8
    142. 小结
    143. generator是非常强大的工具，在Python中，可以简单地把列表生成式改成generator，也可以通过函数实现复杂逻辑的generator。
    145. 要理解generator的工作原理，它是在for循环的过程中不断计算出下一个元素，并在适当的条件结束for循环。对于函数改成的generator来说，遇到return语句或者执行到函数体最后一行语句，就是结束generator的指令，for循环随之结束。