先决条件: 迭代器
我们讨论生成器时涉及两个术语。

1. Generator-Function： generator-function的定义类似于普通函数，但是每当需要生成值时，它都使用yield关键字而不是return 来生成。如果def的主体包含yield，该函数将自动成为生成器函数。

   # 一个使用yield的生成器函数
   def simpleGeneratorFun():
       yield 1
       yield 2
       yield 3
   # 测试代码
   for value in simpleGeneratorFun():
       print(value)

   输出：

   1
   2
   3

   2, Generator-Object：生成器函数返回生成器对象。可以通过在生成器对象上调用next方法或在“ for in”循环中使用生成器对象(如上述程序所示)。

   # Python程序，展示对生成器对象使用next()方法
   # 一个生成器函数
   def simpleGeneratorFun():
       yield 1
       yield 2
       yield 3
   # x是一个生成器对象
   x = simpleGeneratorFun()
   # 生成器对象迭代，使用next
   print(x.next()); # In Python 3, __next__()
   print(x.next());
   print(x.next());

   输出：

   1
   2
   3

   因此，生成器函数返回可迭代的生成器对象，即可以用作Iterators。
   作为另一个示例，下面是斐波那契数的生成器。

   # 一个生成器，用来生成斐波那契数
   def fib(limit):
       # 初始化两个斐波那契数
       a, b = 0, 1
       # 通过yield一个个地生成斐波那契数
       while a < limit:
           yield a
           a, b = b, a + b
   # 创建一个生成器对象
   x = fib(5)
   # 对生成器对象进行迭代，使用next方法
   print(x.next()); # 若在Python 3, 需要使用__next__()
   print(x.next());
   print(x.next());
   print(x.next());
   print(x.next());
   # 使用for循环对生成器迭代
   print("\n使用for循环对生成器迭代")
   for i in fib(5):
       print(i)

   输出：

   0
   1
   1
   2
   3
   使用for循环对生成器迭代
   1
   1
   2
   3

   应用程序：假设我们创建一个斐波纳契数流，采用生成器方法使其变得简单明了；我们只需要调用next(x)即可获得下一个斐波那契数，而不必担心数字流在何处或何时结束。
   
   流处理的一种更实用的类型是处理大型数据文件，例如日志文件。生成器为此类数据处理提供了一种节省空间的方法，因为在一个给定的时间点仅处理文件的一部分。我们也可以将迭代器Iterators用于这些目的，但是生成器Generator提供了一种快速的方法(我们不需要在这里编写__next__和__iter__方法)。