一.列表生成式

 看下面例子：

列表生成式的作用：主要是让代码更简洁（还有装X的效果）

二.生成器

通过列表生成式，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。而且，创建一个包含100万个元素的列表，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。

所以，如果列表元素可以按照某种算法推算出来，那我们是否可以在循环的过程中不断推算出后续的元素呢？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。

要创建一个generator，有很多种方法。第一种方法很简单，只要把一个列表生成式的[]改成()，就创建了一个generator：

特点：只有在调用时，才会生成相应的数据

　　　只记录当前位置

　　　只有一个__next__()方法　#左右两边两个下划线组成的

所以，我们创建了一个generator后，基本上永远不会调用__next__()，而是通过for循环来迭代它，并且不需要关心StopIteration的错误。

generator非常强大。如果推算的算法比较复杂，用类似列表生成式的for循环无法实现的时候，还可以用函数来实现。

 1 def fib(max): 
 2     n, a, b = 0, 0, 1 
 3     while n < max: 
 4         print(b) 
 5         a, b = b, a + b 
 6         n = n + 1 
 7     #return 'done'   暂时没用到 
 8 ''' 
 9 注意，赋值语句： 
10 a, b = b, a + b 
11 相当于： 
12 t = (b, a + b) # t是一个tuple 
13 a = t[0] 
14 b = t[1]
15 '''

仔细观察，可以看出，fib函数实际上是定义了斐波拉契数列的推算规则，可以从第一个元素开始，推算出后续任意的元素，这种逻辑其实非常类似generator。

也就是说，上面的函数和generator仅一步之遥。要把fib函数变成generator，只需要把print(b)改为yield b就可以了

但是用for循环调用generator时，发现拿不到generator的return语句的返回值。

如果想要拿到返回值，必须捕获StopIteration错误，返回值包含在StopIteration的value中：

 1 f = fib(5) 
 2 while True: 
 3     try: 
 4         x = f.__next__() 
 5         print("f:",x) 
 6     except StopIteration as e:  #当try中的程序执行错误了，才会执行except下面的代码 
 7         print("Generator return value:",e.value) 
 8         break 
 9   
10 #执行结果 
11 f: 1 
12 f: 1 
13 f: 2 
14 f: 3 
15 f: 5 
16 Generator return value: ----done---  #抓获StopIteration错误，返回值包含在StopIteration的value中，就不会再报错f.__next__()

关于这个异常处理，后续会继续发博客更新。。。