共计 2733 个字符，预计需要花费 7 分钟才能阅读完成。
鉴于 yield 关键字的原理大家了解的都不是很粗浅，明天咱们次要就这一课题进行探讨。
生成器能够用什么形式失去？
办法一：
利用推导式的形式失去生成器
# 列表推导式
list1 = [i for i in range(9)]
print(list1)
# 失去生成器
generator = (i for i in range(9))
print(generator)
执行后果：[0, 1, 2, 3, 4, 5, 6, 7, 8]
<generator object <genexpr> at 0x00000151D63DA830>形式二：
利用函数的形式，用 yield 失去生成器
def generator():
print('代码开始执行了。。。。。。。。')
while True:
response = yield 1
print('-------------------------------')
print('response =', response)
g = generator()
print(g)
执行后果：<generator object generator at 0x000001F03B26A830>那么咱们当初正式来说说这个 yield 关键字，来解开它的神秘面纱。
从这个程序中大家看到了什么，是不是咱们的这个执行后果并不是一个 function，而是一个 generator，这个就是咱们的这个 yield 关键字的成果，只有咱们在函数中应用了 yield 关键字，那么它不在是一个函数，而是一个生成器。而且，大家还能够看到，咱们的这个 print 语句并没有执行，大家是否有很多问号？
那么这个起因还是和它变成了一个生成器的起因所导致的。生成器一样的会和 input 函数一样起一个相似的阻塞作用，须要你调用它外部的 next 办法才会使程序执行一次，当你再一次遇到 yield 的时候，同样又会进行，那咱们来试一下。
def generator():
print('代码开始执行了。。。。。。。。')
while True:
response = yield 1
print('-------------------------------')
print('response =', response)
g = generator()
print(g)
print(next(g))
执行后果：<generator object generator at 0x000001F03B26A830>
代码开始执行了。。。。。。。。1当初大家看到了什么景象，是不是咱们调用了这个 next 办法之后，代码开始失常执行了，并且给咱们返回出了一个 1，由此能够证实 yield 同样还有一个相似于 return 的性能。然而咱们从这个执行后果来看，是不是发现了 yield 关键字上面的代码没有执行啊？这也就是我说的，遇到了 yield 就会进行的状况。如果咱们当初再去调用一次 next 办法。
def generator():
print('代码开始执行了。。。。。。。。')
while True:
response = yield 1
print('-------------------------------')
print('response =', response)
g = generator()
print(g)
print(next(g))
print(next(g))
执行后果：<generator object generator at 0x000001BD4639A830>
代码开始执行了。。。。。。。。1
-------------------------------
response = None
1那么当初大家发现了没有，咱们打印出了三个数据之后又进行了。然而和下面的执行后果比照咱们就不难发现，咱们第二次调用 next 办法的时候，并不是自上往下执行的，而是从上一次进行的地位继续执行的，这也就是咱们的生成器的个性，它会记住你上一次停留的中央，下次持续从这个中央开始执行。
那好，这是一个景象，大家在看到 response = None 这块，为什么会呈现这么个后果，是不是有同学会纳闷，它的后果不应该是 1 吗？怎么会是 None 呢？这里我要通知大家的是，这个 1 的后果曾经被咱们的 yield 返回进来了，所以这里没有数据，这也是生成器的另一个特色之一，你取出去了这个数据，那么这个数据在生成器外面就不存在了，当你把生成器里的数据取完了，那么它就不可能持续应用了，也就是说生成器只能用一次。
咱们再来看第三个景象，最初有一个 1 是从哪里输入的？它是下一次循环的 yield 返回进去的，同样到了这里，yield 再次将程序阻塞到了这里，晓得再次调用 next 办法或者 send 办法。
那么看到这里，是不是又有同学们会纳闷了，老师你说的这个 next 办法我晓得，然而这个 send 办法又是什么货色啊，为什么说 send 也能够调用这个生成器呢？不急，咱们先来写一下这个代码。
def generator():
print('代码开始执行了。。。。。。。。')
while True:
response = yield 1
print('-------------------------------')
print('response =', response)
g = generator()
print(g)
print(next(g))
print(next(g))
print(g.send(2))
执行后果：<generator object generator at 0x0000026EE00FA830>
代码开始执行了。。。。。。。。1
-------------------------------
response = None
1
-------------------------------
response = 2
1其实对于咱们这个 send 办法，大家应该不难看到，他就是给咱们的 response 传了一个值而已，那么它为什么同样可能调用出咱们的生成器呢？那是因为 send 同样也是在 Generator 外部的一个办法，它的外面同样封装了 next 办法，所以咱们调用 send 办法同样也是能够调用到生成器的。并且能够给 yield 的赋值对象传递一个值。
当初大家对于咱们这个 yield 关键字应该有了粗浅的了解了吧？面试官问你，就这么干掉他，你 get 到了吗？
