回顧：
- 生成器就是含有yield操作的函數，生成器函數的返回值就是一個迭代器（generator object）
主要內容：
- 外部如何給生成器發送一個值，臨時按需變化迭代生成值。（send方法）
- 生成器返回的迭代器，一般只能使用一次?？刹捎脙仍诘漠惓C制對第二次調用報錯。
- 生成器“對象”（生成器產生的迭代器對象）的close方法示例
- 個人理解與總結
5.1 send 函數
- 錯誤的例子
>>> def simpleGen(value): # 定義了一個簡單的生成器
... while True:
... yield value
...
>>> gen = simpleGen(42);
>>> print(gen.__next__(),gen.__next__())
42 42
>>> gen.send(10);
42
>>> print(gen.__next__(),gen.__next__())
42 42
yield 此處是一個語句。然而我們需要在生成器函數中對gen.send(10);進行響應,那么我們就要使用yield 表達式， yield 不再是語句，而是表達式！??！
- 正確的例子
#正確的例子
>>> def simpleGen(value):
... new = None;
... i = 0;
... while True:
... i +=1
... print('In Func (before):',i, new, value)
... new = yield value
... print('In Func (after):',i, new, value)
... value = new;
...
>>> gen = simpleGen(42); # nothing happend
>>> print(gen.__next__()) # called 1st, get 42
In Func (before): 1 None 42
42
>>> print(gen.__next__()) # called 2nd, get None, this is important!
In Func (after): 1 None 42
In Func (before): 2 None None
None
>>> print(gen.send(10)); # called 3rd, get what you set
In Func (after): 2 10 None
In Func (before): 3 10 10
10
>>> print(gen.__next__()) # called 4th, get None, this is important!
In Func (after): 3 None 10
In Func (before): 4 None None
None
此處應該有結論：
- 構造函數啥都不干，除了賦值
- send函數和__next__函數一樣，都喚醒了沉睡中的yield表達式
- yield表達式的值在正常情況下是None
- 最終更佳的例子（處理None）
>>> def simpleGen(value):
... while True:
... new = yield value
... if new is not None:
... value = new;
...
>>> gen = simpleGen(42); # nothing happend
>>> print(gen.__next__()) # called 1st, get 42
42
>>> print(gen.__next__()) # called 2nd, get 42
42
>>> print(gen.send(10)); # called 3rd, get what you set
10
>>> print(gen.__next__()) # called 4th, also get what you set
10
5.2 throw 方法
這個很簡單，就是通過語句，然生成器內部產生異常，注意異常報出的位置（yield 語句）
>>> def simpleGen(value):
... while True:
... new = yield value
... if new is not None:
... value = new;
...
>>> gen = simpleGen(42); # nothing happend
>>> print(gen.__next__()) # called 1st, get 42
42
>>> gen.throw(StopIteration)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<stdin>", line 3, in simpleGen ## 注意異常報出的位置（yield 語句）。
StopIteration
5.3 close 語句
顯然 throw方法產生的異常并沒有在內部處理掉，直接立馬傳遞到上一層了。我們能否設置下迭代生成器的終止，也就是不能產生下一個了。那就是無參數的close方法。
>>> def simpleGen(value):
... while True:
... new = yield value
... if new is not None:
... value = new;
...
>>> gen = simpleGen(42); # nothing happend
>>> print(gen.__next__()) # called 1st, get 42
42
>>> gen.close() # 終止了這個迭代器，但是沒有異常
>>> print(gen.__next__()) # 繼續取值，便產生了StopIteration的異常
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
StopIteration
5.4 小結下：
學習迭代器和生成器有一兩天了，自己也編程實現了大部分的功能。其目的都是為了高效的迭代循環而生的。那么循環的處理方式有如下幾種：
- 直接采用元組、列表、字符串
- 利用內置的迭代器（xrange函數等）
- 自己構造類（迭代器）（__next__,__iter__）
- 使用yield函數（生成器）（yield，__next__,send, throw, close）
感受，在表達形式上，Python確實和c、c++語言有較大差別。但是，這種迭代器的核心思想在C、C++中是以指針、引用等復雜的方式實現的，Python肯定是犧牲了一定的計算效率將其封裝成為了迭代器和生成器，帶來的好處是指針和內存的安全，編程效率的提升，所以python是一門很好的科學計算語言，使得開發者能夠注重算法層面的開發，而不是指針內存等煩人細節。
