生成器的编写方法和函数定义类似, 只是把return改为yield

生成器中可以有多个yield, 当生成器遇到yield时, 会暂停运行生成器, 返回yield后面的值.当再次调用的时候,会从刚才暂停的地方继续运行,直到下一个yield.

生成器自身又构成一个迭代器, 每次迭代时使用一个yield返回的值


应用场景

    range/xrange
        - py2: range(10000) 会立即创建 / xrange(10000) 生成器
        - py3: range(10000) 生成器
    
    redis获取值
        def hscan_iter(self, name, match=None, count=None):
　　　　　　"""
　　　　　　Make an iterator using the HSCAN command so that the client doesn't
　　　　　　need to remember the cursor position.

　　　　　　``match`` allows for filtering the keys by pattern

　　　　　　``count`` allows for hint the minimum number of returns
　　　　　　"""
　　　　　　cursor = '0'
　　　　　　while cursor != 0:
　　　　　　　　# 去redis中获取数据：12
　　　　　　　　# cursor，下一次取的位置
　　　　　　　　# data：本地获取的12条数数据
　　　　　　　　cursor, data = self.hscan(name, cursor=cursor,match=match, count=count)
　　　　　　　　for item in data.items():
　　　　　　　　　　yield item

迭代器是一个实现了迭代器协议的对象，Python中的迭代器协议就是有next方法的对象会前进到下一结果，而在一系列结果的末尾是，则会引发StopIteration。
在for循环中，Python将自动调用工厂函数iter()获得迭代器，自动调用next()获取元素，还完成了检查StopIteration异常的工作。
自己实现迭代器, 只需要在类的__iter__方法中返回一个对象，这个对象拥有一个next()方法，这个方法能在恰当的时候抛出StopIteration异常即可。

class test:
    def __init__(self, input_list):
        self.list = input_list
        self.i = 0

    def __iter__(self):
        return self
    
    def __next__(self):
        if self.i == len(self.list):
            self.i = 0
            raise StopIteration
        self.i += 1
        return  self.list[self.i - 1]

使用迭代器一个显而易见的好处就是：每次只从对象中读取一条数据，不会造成内存的过大开销。
但是需要自己实现迭代器的时候不多，即使需要，使用生成器会更轻松。

def foo(find, lis):
    
    lis = sorted(lis)
    min = 0
    max = len(lis)

    while(min<max):
        
        mid = int((max+min)/2)
        
        if lis[mid] == find:
            print('od')
            return mid
        elif lis[mid] > find:
            max = mid
        else:
            min = mid

    return None