通过列表推导式，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。
假如创建一个包含上百万个成员的列表，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。
如果我们可以在循环的过程中不断推算出后续的元素，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）。
生成器定义和使用
要创建一个生成器，有很多种方法，最简单的方式是：只要把一个列表推导式的
[] 改成 ()，就创建了一个生成器。
myge = (item for item in range(10)) print(type(myge))
我们可以直接输出集合的每一个元素，但我们怎么输出生成器的每一个元素呢，
如果要一个一个输出元素，可以通过生成器的 __next__ 函数或者
Python 内置的 next 函数（实际上该函数间接调用生成器的 __next__ 函数）。
myge = (item for item in range(3)) print(myge.__next__()) print(myge.__next__()) print(myge.__next__()) # 等价于上面代码 myge = (item for item in range(3)) print(next(myge)) print(next(myge)) print(next(myge))
生成器保存的是算法，每次调用 __next__ 函数
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。
myge = (item for item in range(3)) print(myge.__next__()) print(myge.__next__()) print(myge.__next__()) print(myge.__next__()) # 抛出异常
用生成器的 __next__ 方法太单一不灵活，我们可以使用 for 循环，因为生成器也是可迭代对象。
from collections.abc import Iterable
myge = (item for item in range(3))
print(isinstance(myge, Iterable))
for item in myge:
print(item)
注意事项：我们基本上永远不会调用 next 函数，而是通过 for 循环来迭代它，因为 for 循环在遍历生成器时，
计算到最后一个元素就会自动停止遍历，不会抛出 StopIteration 的错误，这样很友好。
让函数变成生成器
生成器非常强大，如果推算的算法比较复杂，用类似列表推导式的 for 循环无法实现的时候，还可以用函数来实现，
我们先来看一个简单的例子，写一个可以生成无限偶数的生成器。
def ge_even():
data = 1
while True:
if data % 2 == 0:
yield data
data += 1
even = ge_even()
print(type(even)) # even 是个生成器
for item in even:
print(item)
只要函数定义中包含 yield 关键字，那么这个函数就不再是一个普通函数，而是一个生成器，该生成器和其它生成器具有一样的性质，
比如可以用他的 __next__ 函数，可以用 for 循环遍历。
def ge_func():
yield 1
yield 2
yield 3
myge = ge_func()
print(myge.__next__())
print(myge.__next__())
print(myge.__next__())
myge = ge_func()
for item in myge:
print(item)
本节重要知识点
生成器和推导式的区别。
遍历生成器的方法。
如何把函数变成生成器。
