在MPGI4的第二次作业中，出现了 xrange() 相关用法，在查找其与 range 有什么不同时，发现了 generator 和 yield 等一系列概念，特此总结。
yield 的用法起源于对一般 function 中 return 的扩展。在一个 function 中，必须有一个返回值列于 return 之后，可以返回数字也可以返回空值，但是必须要有一个返回值，标志着这个 function 的结束。一旦它结束，那么这个 function 中产生的一切变量将被统统抛弃，有什么可以使一个 function 暂停下来，并且返回当前所在地方的值，当接收到继续的命令时可以继续前进呢？换个说法，就是 return 返回一个值，并且记住这个返回的位置。这个操作有点儿像
for x in range():
pass
这个循环语句中 range() 这个函数干的事情，它给出一个数，当循环完一次以后再在前一个数的基础上拿出另外一个数。但是这里的函数其实是自动生成一个 list 然后从这个 list 第一个开始往后一个一个给出，那么这种方法的劣势显而易见——会有生成一个 list 。也就是说不管你的 for 循环用几回，它都会生成这个 list （比如你有一个庞大的数据库，那么光是生成一个表单就需要很长时间，然而也许你要用的东西就在前几个，那么你建起这个检索目录远远超过你实际所需要的）。这时就是 xrange() 登场的时候了，它就是一个不需要建立 list 却一样完成任务的好命令。那么 xrange() 是什么呢？
xrange() 其实是一个 generator 生成器，不同于一般的 function，里面就包含着yield。generator 人如其名，是一个生成器，生成什么呢？不妨把它看作生成一组你需要的序列的函数，通常情况下我们只需要自然数这种简单的序列，但是如果让你生成一组斐波那契数列呢？这组数列是无穷的，你想沿着这个数列一直算下去，直到算到你满意的一个数，但是如果你也不知道这个数在哪里，那么你就不能提前给出一个这个数列，因为你不知道在哪里会停下来。面对这个问题时，最好的解决方法就是记住当前的数，记住当前的地址，查看一个这个数符合不符合要求，如果不符合要求，那么继续从这个数／地址开始计算下一个斐波那契数字。这就是 yield 要干的事情了。（其实这么做的好处还有一个就是减少斐波那契数列的运算量，这个数列因为是自循环数列，所以如果按照循环算法的话需要很大的运算量，但是如果是采用动态纪录法的话，那么就会非常简单。这属于优化算法范畴，暂且按下不表。）下面就是斐波那契数列用 yield 的实现法：
# 斐波那契数列：每一个数都等于前两个数之和
def fib(to=10):
curr = 0
next = 1
count = 0
while count < to:
yield curr
curr = next
next = curr + next
count += 1
# 一个用法例子：每一个斐波那契数列的数加1
if __name__ == '__main__':
for x in fib(20):
print(x+1)
注意：yield 一旦被采用，那么def后面的代码会立马被认作是一个 generator 而不是一个 function，因为生成的是一个 generator，所以可以被用在 for in 这个循环语句中。而 generator 和 function 从本质上是不同的，两者的区别就涉及到了next()和send()这两个函数的用法。
如果把这个python文件命名为fi.py，并运行之。那么可以瞬间得到结果:
☁ Desktop python fi.py
1
2
3
5
9
17
33
65
129
257
513
1025
2049
4097
8193
16385
32769
65537
131073
262145
用这个方法可以自己研究很多有趣的数学问题，比如找出2万以内的质数之和，找出大于10的0次方，一次方，...，n次方的最小质数。你不需要建立一个很大的索引库，只需要一个一个数字算下去就好。
这篇Jeff的文章帮了我一些忙，但可能是我英语不好，虽然解释的很基础，但对于我来说，还是没有彻底理解yield 和与其配套的next()和send()的用法，以至于我拼命想搞懂他们的用法和关系并且成功了，不过回过头来看，确实解释的很全面。我觉得这种基础全面式解释需要一个实际的用法例子来补充说明，从稍微高一点儿的地方，或者从另一个初学者的视角来解释他们，初学者并不要解释的太基础，因为初学者其实学编程语言时根本不基础，越往后学习才会涉及到编译器的某些基础概念，这也是这篇文章的立意之处。
未完待续：next()和send()这两个函数的用法。
