生成器的机制：边读取边生成数据
如何产生生成器？看如下示例：
g = (x * 3 for x in range(0, 11)) print(type(g))
执行结果：
<class ‘generator‘>
可以看到，g的类型是generator，也就是生成器的意思。
那么生成器如果产生数据呢？接着上面的例子来看：
g = (x * 3 for x in range(0, 11)) print(type(g)) print(g.__next__())
print(g.__next__())
执行如下：
<class ‘generator‘> 0 3
我们可以看到，每执行一次g.__next__()就会让生成器产生一个数据（该数据是 for x in range(0, 11）产生的数据 * 3）
当产生数据的次数超过了界限会怎样呢？
g = (x * 3 for x in range(0, 11)) print(type(g)) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__()) print(g.__next__())
执行结果：
<class ‘generator‘> 0 3 6 9 12 15 18 21 24 27 30 Traceback (most recent call last): File "E:/practicemore/ddd.py", line 15, in <module> print(g.__next__()) StopIteration
我们可以看到，报错了，抛出了StopIteration 异常。
拓展：除了使用__next__()，还可以使用next()方法，将生成器对象传入即可
原文：https://www.cnblogs.com/ctltest/p/14703236.html