K.I.S.S

当我们调用函数的时候，执行都是从函数的第一行开始，一直遇到 return 、出现 exception 或者到达函数的结尾（相当是一个隐式的 return None ）。函数把控制权交给调用者后就彻底结束了。任何局部变量和函数的工作都会被丢弃。下一次新的调用又会重新开始。

这个过程对计算机编程中的函数（或者任何子程序 ）来说都是很标准的。如果能够定义一个特殊的函数：不像普通函数那样简单的就这么返回一个值而是可以产生一系列的值。有些情况下就会对编程有好处。要实现这个结果，就需要函数能够保存自己的状态。

我之所以说”产生一系列的值“，因为我们假定中的这个函数不是像普通情况下的 返回 。 return 意味着函数将控制流交回给调用自己的地方。而 产生 ，意味着控制的转移是临时而自愿的，我们函数还希望后续能够再重新获得控制权。

在Python里，这样的函数就被叫做 generator ，而且十分有用。 generator （还有 yield ）的引入最初是为了让程序员可以有一个更加简单直接的方式来编写会产生一系列值的代码。之前，写一个随机数产生器需要引入一个类或者模块，这样才能实现生成多个值并且还能记录上次调用时的内部状态。有了 generator ，这一问题变得很简单。

为了更好的明白 generator 解决的问题，举个例子。在这个例子里，请注意被解决的核心问题： 生成一系列的值 。

注意：Python以外，除了最简单的 generator ，其他的就都被称作 协程 。这个词语我们后面再说。请注意，在Python里，本文有关 协程 的说明都是指 generator 。Python严格定义了 generator ， 协程 虽然也在本文中出现了，但是在Python里没有严格定义。

上面的这种问题是很常见的，所以Python里新加入了一个结构来解决这个问题： generator 。 Generator 不断的产生值。建立 generator 也尽量依照 generator函数 的概念，十分方便，我们会一起介绍。

Generator函数 如同普通的函数，但是当需要一个值的时候，它会利用 yield 来产生，而不是直接 return 。如果一个函数的 def 代码里包括了 yield ，函数就自动成为了一个 generator函数 （即使同时还包含 return ）, 不需要其他的额外工作。

generator函数 创建的是 generator迭代器 。 generator迭代器 这个名字从此你就不会再看到了，因为这个名字几乎就是 generator 的别名。记住 generator 就是一种特殊形式的 迭代器 。作为 迭代器 ， generator 必须定义一些方法，其中之一就是 _next__(). 。为了获得 _generator 中的下一个值，我们需要使用操作 迭代器 的内置函数: next() 。

再说明白点： 为了从 generator 获得下个值，我们使用 next() 这个内置函数，而这个函数也是用来操作 迭代器 的 。（ next() 负责调用 generator 中的__next__()方法）。由于 generator 是 迭代器 的一种，所以是可以直接用在 for 循环上的。

所以当 next() 调用 generator 的时候， generator 负责返回一个值给任何调用 next() 的方法。具体的方法就是利用 yield 来将值传回去(比如， yield 7)。最容易记忆的方法就是认为 yield 是 generator函数 的 return 语句（只是稍微有点奇妙的不同）。 同样，我们再说明白点： yeild 就是 generator函数 的 return 语句（稍微有点奇妙的不同） 。 来看看一个简单的 generator函数 ：

>>> def simple_generator_function():
>>>    yield 1
>>>    yield 2
>>>    yield 3

还有调用它的两种方法：

>>> for value in simple_generator_function():
>>>     print(value)
1
2
3
>>> our_generator = simple_generator_function()
>>> next(our_generator)
1
>>> next(our_generator)
2
>>> next(our_generator)
3

在PEP342 中，还进一步的加入了将值传入到 generator 的支持。PEP342 让 generator 可以产生值（之前就可以），接受值，或者在一个语句中同时产生和接受(不同)值。 为了说明如何将值传给 generator ，我们回到素数例子上。这次，不是简单的依次返回比 number 大的数字，我们要找到比一个连续的幂大的最小的素数（假设是10,我们就需要找到比10大的最小素数，然后是100，然后是1000，等等）。我们同样从 get_primes 开始：

def print_successive_primes(iterations, base=10):
    # like normal functions, a generator function
    # can be assigned to a variable

    prime_generator = get_primes(base)
    # missing code...
    for power in range(iterations):
        # missing code...

def get_primes(number):
    while True:
        if is_prime(number):
        # ... what goes here?

get_primes 的下一行需要说明下， yield number 会将 number 的值传出， other = yield foo 的形式则是， yield foo ，同时如果有值传入给我，则将 other 设置为这个值。你可以通过 generator 的 send 方法传入值。

def get_primes(number):
    while True:
        if is_prime(number):
            number = yield number
        number += 1

这样，我们就是在每次 generator 产生值的时候将 number 设置为另外一个值。完整的代码如下：

def print_successive_primes(iterations, base=10):
    prime_generator = get_primes(base)
    prime_generator.send(None)
    for power in range(iterations):
        print(prime_generator.send(base ** power))

记住两件事：第一，我们可以打印 generator.send 的返回值，因为 send 函数在传值给 generator 的同时也返回了 generator 产生的值(和 yield 在 generator 函数 中的表现类似)。

第二，注意 prime_generator.send(None) 这行。当使用 send 去启动一个 generator 时（也就是从 generator 的第一行一直执行到第一次遇到 yield ），需要传一次 None 。这是因为定义 generator 的时候代码还没有运行到第一个 yield ，所以如果我们这时候发送一个值就没有语句接收到这个值。等到 generator 启动后，就可以像上面那样直接发送值了。

在这个系列的下半场，我们会讨论各种加强 generator 的方法，还有这些方法带来的强大能力。 yield 也成为Python里最强大的关键字。现在我们对 yield 的工作原理已经有了很好的理解，我们现在已经可以理解更多 yield 的古怪用法。 信不信由你，我们其实也只是了解了 yield 强大能力的皮毛。比如，像上面那样利用 send 传递值的方法，一般都不会用在我们例子里面这么简单的序列上。下面，我们贴了一段传递值的常用方法。我不会再说明这段代码具体如何工作及其工作原理，你们就当是第二部分的热身吧。

import random

def get_data():
    """Return 3 random integers between 0 and 9"""
    return random.sample(range(10), 3)

def consume():
    """Displays a running average across lists of integers sent to it"""
    running_sum = 0
    data_items_seen = 0

    while True:
        data = yield
        data_items_seen += len(data)
        running_sum += sum(data)
        print('The running average is {}'.format(running_sum / float(data_items_seen)))

def produce(consumer):
    """Produces a set of values and forwards them to the pre-defined consumer
    function"""
    while True:
        data = get_data()
        print('Produced {}'.format(data))
        consumer.send(data)
        yield

if __name__ == '__main__':
    consumer = consume()
    consumer.send(None)
    producer = produce(consumer)

    for _ in range(10):
        print('Producing...')
        next(producer)