yield指令，可以暂停一个函数并返回中间结果。使用该指令的函数将保存执行环境，并且在必要时恢复。

生成器比迭代器更加强大也更加复杂，需要花点功夫好好理解贯通。

看下面一段代码：

[python]

def gen():

for x in xrange(4):

tmp = yield x

if tmp == 'hello':

print 'world'

else:

print str(tmp)

def gen():

for x in xrange(4):

tmp = yield x

if tmp == 'hello':

print 'world'

else:

print str(tmp)

只要函数中包含yield关键字，该函数调用就是生成器对象。

[python]

g=gen()

print g   #

print isinstance(g,types.GeneratorType) #True

g=gen()

print g   #

print isinstance(g,types.GeneratorType) #True    我们可以看到，gen()并不是函数调用，而是产生生成器对象。

生成器对象支持几个方法，如gen.next() ,gen.send() ,gen.throw()等。

[python]

print g.next() # 0

print g.next() # 0    调用生成器的next方法，将运行到yield位置，此时暂停执行环境，并返回yield后的值。所以打印出的是1，暂停执行环境。

[python]

print g.next() #None  1

print g.next() #None  1     再调用next方法，你也许会好奇，为啥打印出两个值，不急，且听我慢慢道来。

上一次调用next,执行到yield 0暂停，再次执行恢复环境，给tmp赋值(注意：这里的tmp的值并不是x的值，而是通过send方法接受的值)，由于我们没有调用send方法，所以

tmp的值为None,此时输出None，并执行到下一次yield x,所以又输出1.

到了这里，next方法我们都懂了，下面看看send方法。

[python]

print g.send('hello') #world  2

print g.send('hello') #world  2      上一次执行到yield 1后暂停，此时我们send('hello')，那么程序将收到‘hello'，并给tmp赋值为’hello',此时tmp=='hello'为真，所以输出'world',并执行到下一次yield 2,所以又打印出2.(next()等价于send(None))

当循环结束，将抛出StopIteration停止生成器。

看下面代码：

[python]

def stop_immediately(name):

if name == 'skycrab':

yield 'okok'

else:

print 'nono'

s=stop_immediately('sky')

s.next()

def stop_immediately(name):

if name == 'skycrab':

yield 'okok'

else:

print 'nono'

s=stop_immediately('sky')

s.next() 正如你所预料的，打印出’nono',由于没有额外的yield，所以将直接抛出StopIteration。

[python]

nono

Traceback (most recent call last):

File "F:python workspacePytestsrccs.py", line 170, in

s.next()

StopIteration

nono

Traceback (most recent call last):

File "F:python workspacePytestsrccs.py", line 170, in

s.next()

StopIteration

看下面代码，理解throw方法，throw主要是向生成器发送异常。

[python]

def mygen():

try:

yield 'something'

except ValueError:

yield 'value error'

finally:

print 'clean'  #一定会被执行

gg=mygen()

print gg.next() #something

print gg.throw(ValueError) #value error  clean

def mygen():

try:

yield 'something'

except ValueError:

yield 'value error'

finally:

print 'clean'  #一定会被执行

gg=mygen()

print gg.next() #something

print gg.throw(ValueError) #value error  clean

调用gg.next很明显此时输出‘something’,并在yield ‘something’暂停，此时向gg发送ValueError异常，恢复执行环境，except  将会捕捉，并输出信息。

理解了这些，我们就可以向协同程序发起攻击了，所谓协同程序也就是是可以挂起，恢复，有多个进入点。其实说白了，也就是说多个函数可以同时进行，可以相互之间发送消息等。

这里有必要说一下multitask模块(不是标准库中的),看一段multitask使用的简单代码：

[python]

def tt():

for x in xrange(4):

print 'tt'+str(x)

yield

def gg():

for x in xrange(4):

print 'xx'+str(x)

yield

t=multitask.TaskManager()

t.add(tt())

t.add(gg())

t.run()

def tt():

for x in xrange(4):

print 'tt'+str(x)

yield

def gg():

for x in xrange(4):

print 'xx'+str(x)

yield

t=multitask.TaskManager()

t.add(tt())

t.add(gg())

t.run()

结果：

[python]

tt0

xx0

tt1

xx1

tt2

xx2

tt3

xx3

tt0

xx0

tt1

xx1

tt2

xx2

tt3

xx3   如果不是使用生成器，那么要实现上面现象，即函数交错输出，那么只能使用线程了，所以生成器给我们提供了更广阔的前景。

如果仅仅是实现上面的效果，其实很简单，我们可以自己写一个。主要思路就是将生成器对象放入队列，执行send(None)后，如果没有抛出StopIteration,将该生成器对象再加入队列。

[python]

class Task():

def __init__(self):

self._queue = Queue.Queue()

def add(self,gen):

self._queue.put(gen)

def run(self):

while not self._queue.empty():

for i in xrange(self._queue.qsize()):

try:

gen= self._queue.get()

gen.send(None)

except StopIteration:

pass

else:

self._queue.put(gen)

t=Task()

t.add(tt())

t.add(gg())

t.run()

class Task():

def __init__(self):

self._queue = Queue.Queue()

def add(self,gen):

self._queue.put(gen)

def run(self):

while not self._queue.empty():

for i in xrange(self._queue.qsize()):

try:

gen= self._queue.get()

gen.send(None)

except StopIteration:

pass

else:

self._queue.put(gen)

t=Task()

t.add(tt())

t.add(gg())

t.run()

当然，multitask实现的肯定不止这个功能，有兴趣的童鞋可以看下源码，还是比较简单易懂的。