主要分两部分介绍：
- 迭代、迭代器、可迭代
- 生成器、yield 表达式
1. 迭代、迭代器、可迭代
（1）迭代概念：很多数据就是容器，里面包含很多其他类型的元素。实际使用容器时，我们需要逐个获取容器中的元素。逐个获取容器中的元素的过程就叫做迭代。
迭代demo：
list_a = [1,2,3]
for i in list_a:
print(i)
上述逐个取list_a对象中元素并打印的过程就叫做迭代，其中迭代的对象是list_a，可以看出其为列表，因此列表是可迭代的；Python中其他的数据类型：dict，tuple，string,set,file等都是可迭代的。对于用户自己自定义的数据类型，如果提供了__iter__()或者__getitem__()方法，那么该类方法实例化后的对象也是可迭代的；
（2）迭代器----是一种对象。
迭代器抽象的是一个数据流，是只允许迭代一次的对象。对迭代器不断调用A().next()方法(Python2.7)或者next(A())(python3)，则可以依次获得下一个元素；当迭代器中没有元素时，调用next()方法会抛出StopIteration异常。迭代器的 iter() 方法返回迭代器自身；因此迭代器也是可迭代的。
(3)迭代器协议 ----是指容器类需要包含的一个特殊方法 iter()
如果一个容器类提供了 iter() 方法，并且该方法能返回一个能够逐个访问容器内所有元素的迭代器，则我们说该容器类实现了迭代器协议。
Python 中的迭代器协议和 Python 中的 for 循环是紧密相连的。
# iterator protocol and for loop
for x in something:
print(x)
Python 处理 for 循环时，首先会调用内建函数 iter(something)，它实际上会调用 something.iter()，返回 something 对应的迭代器。而后，for 循环会调用内建函数 next()，作用在迭代器上，获取迭代器的下一个元素，并赋值给 x。此后，Python 才开始执行循环体。
2. 生成器、yield表达式
（1）生成器函数----是一种特殊的函数，是指包含了yield表达式的函数，调用它会返回特殊的迭代器，称为生成器；
def func():
return 1
def gen():
yield 1
print(type(func)) # <class 'function'>
print(type(gen)) # <class 'function'>
print(type(func())) # <class 'int'>
print(type(gen())) # <class 'generator'>
如上，生成器 gen 看起来和普通的函数没有太大区别。仅只是将 return 换成了 yield。用 type() 函数打印二者的类型也能发现，func 和 gen 都是函数。然而，二者的返回值的类型就不同了。func() 是一个 int 类型的对象；而 gen() 则是一个迭代器对象。
（2）yield表达式
（2.1） yield 仅能用于定义生成器函数；
（2.2）生成器函数被调用后，其函数体内的代码并不会立即执行，而是返回一个生成器（generator-iterator）。当返回的生成器调用成员方法时，相应的生成器函数中的代码才会执行；
详情： 如前所述，如果一个函数定义中包含 yield 表达式，那么该函数是一个生成器函数（而非普通函数）。实际上，yield 仅能用于定义生成器函数。
与普通函数不同，生成器函数被调用后，其函数体内的代码并不会立即执行，而是返回一个生成器（generator-iterator）。当返回的生成器调用成员方法时，相应的生成器函数中的代码才会执行。
def square():
for x in range(4):
yield x ** 2
square_gen = square()
for x in square_gen:
print(x)
前面说到，**for 循环会调用 iter() 函数，获取一个生成器；而后调用 next() 函数，将生成器中的下一个值赋值给 x；再执行循环体。**因此，上述 for 循环基本等价于：
genitor = square_gen.__iter__()
while True:
x = geniter.next() # Python 3 是 __next__()
print(x)
注意到，square 是一个生成器函数；作为它的返回值，square_gen 已经是一个迭代器；迭代器的 iter() 返回它自己。因此 geniter 对应的生成器函数，即是 square。
每次执行到 x = geniter.next() 时，square 函数会从上一次暂停的位置开始，一直执行到下一个 yield 表达式，将 yield 关键字后的表达式列表返回给调用者，并再次暂停。注意，每次从暂停恢复时，生成器函数的内部变量、指令指针、内部求值栈等内容和暂停时完全一致。
（2.3）yield函数的好处：
Python 的老用户应该会熟悉 Python 2 中的一个特性：内建函数 range 和 xrange。其中，range 函数返回的是一个列表，而 xrange 返回的是一个迭代器。
在 Python 3 中，range 相当于 Python 2 中的 xrange；而 Python 2 中的 range 可以用 list(range()) 来实现。
Python 之所以要提供这样的解决方案，是因为在很多时候，我们只是需要逐个顺序访问容器内的元素。大多数时候，我们不需要「一口气获取容器内所有的元素」。比方说，顺序访问容器内的前 5 个元素，可以有两种做法：:
方法1：获取容器内的所有元素，然后取出前 5 个；
方法2：从头开始，逐个迭代容器内的元素，迭代 5 个元素之后停止。
显而易见，如果容器内的元素数量非常多（比如有 10 ** 8 个），或者容器内的元素体积非常大，那么后一种方案能节省巨大的时间、空间开销。
现在假设，我们有一个函数，其产出（返回值）是一个列表。而若我们知道，调用者对该函数的返回值，只有逐个迭代这一种方式。那么，如果函数生产列表中的每一个元素都需要耗费非常多的时间，或者生成所有元素需要等待很长时间，则使用 yield 把函数变成一个生成器函数，每次只产生一个元素，就能节省很多开销了。
#Python3
def f1():
a =[1,2]
yield a
f2 = f1()
print(f1())
print(dir(f1()))
print(next(f2))
# print(next(f2)) #取消注释，让其运行会报StopIteration错误；
结果为：
<generator object f1 at 0x7fbf63840468>
['__class__', '__del__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__lt__', '__name__', '__ne__', '__new__', '__next__', '__qualname__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'close', 'gi_code', 'gi_frame', 'gi_running', 'gi_yieldfrom', 'send', 'throw']
[1, 2]
可以看出，yield可迭代对象本身是会还原可迭代列表本身的；但是yield本身的优势及更主要的作用是:当列表较大的时候，如果我们只需去列表的前5个用于运算的时候，不需要等待上层程序将结果列表全部计算出来，再选择前5个，而是可以直接用yield的函数，运行一次，计算一次；提高运行效率；
f1().next()
AttributeError: 'generator' object has no attribute 'next'
在python2.7中，实例化对象用next：f1().next();
在Python3中，实例化对象用next：next(f1())
3.generator生成器方法
生成器有一些方法。调用这些方法可以控制对应的生成器函数；不过，若是生成器函数已在执行过程中，调用这些方法则会抛出 ValueError 异常。
- generator.next()：从上一次在 yield 表达式暂停的状态恢复，继续执行到下一次遇见 yield 表达式。当该方法被调用时，当前 yield 表达式的值为 None，下一个 yield 表达式中的表达式列表会被返回给该方法的调用者。若没有遇到 yield 表达式，生成器函数就已经退出，那么该方法会抛出 StopIterator 异常。
- generator.send(value)：和 generator.next() 类似，差别仅在与它会将当前 yield 表达式的值设置为 value。
- generator.throw(type[, value[, traceback]])：向生成器函数抛出一个类型为 type 值为 value 调用栈为 traceback 的异常，而后让生成器函数继续执行到下一个 yield 表达式。其余行为与 generator.next() 类似。
- generator.close()：告诉生成器函数，当前生成器作废不再使用。
参考：https://liam.page/2017/06/30/understanding-yield-in-python/