Python中的函数式编程，依托生成器，可以实现惰性求值的特性。但是，生成器其实还可以有更多的使用场景。本文就聚焦生成器，再次聊聊生成器中的主要方法以及更多的使用场景。
本文的主要内容有：
1、生成器的核心方法
2、生成器的使用场景
生成器的核心方法首先还是来看下生成器的定义：
生成器类中，主要用到的有这几个方法：
1、__next__()方法，用于获取生成器的下一个元素，如果没有更多元素了，则会抛出StopIteration异常。
2、send()方法，用于像生成器对象发送一个值，从而实现双向通信的场景。
3、throw()方法，用于向生成器内部引发一个异常，生成器内部可以捕获并处理该异常。
4、close()方法，用于关闭一个生成器对象。
接下来，我们通过代码实例演示一下这几个方法的使用。
执行结果：
简单总结一下这几个方法的使用：
1、__next__()方法，前面已经介绍过，会获取到yield表达式右侧的值，如果生成器已经被耗尽（没有更多的值了），则抛出StopIteration异常，等价于内置函数next()。
2、send()方法，用于向生成器发送一个值，并使生成器继续执行下一个yield表达式。发送的值会被赋值给一个yield表达式的左侧。与__next__()方法不同，send()方法可以在生成器与调用者之间实现双向通信。
3、throw()方法，用于向生成器内部引发一个异常，生成器可以在内部捕获这个异常，并处理它。如果生成器内部没有捕获这个异常，它将传播到调用者，并终止生成器。
4、close()方法，用于关闭一个生成器对象，之后，将不能对该生成器执行任何方法，否则均会抛出StopIteration异常。
生成器的使用场景了解了生成器中的核心方法，接下来看一下更多的应用生成器的场景。
1、基本的协程的场景
协程是一种可以在执行过程中暂停和恢复的子程序，基于生成器自动阻塞的特性，以及send()方法可以实现的双向通信功能，可以利用生成器实现基本的协程的功能，适用于异步编程和多任务的写作。
这里暂时不进行代码的演示了，后面会在并发编程中详细展开。
2、状态机
基于生成器可以实现一个简单的状态机的功能，每次可以使用send()方法来改变生成器的状态。可以通过代码来看一个简单的状态机的模拟。
直接看代码：
执行结果：
3、实时数据处理
生成器可以用于处理实时输入的数据，例如传感器监测数据、网络日志等，通过send()方法实现实时数据的传入及处理。
以一个实时计算平均值的示例作为演示：
执行结果：
其实代码逻辑很简单，只要能够理解生成器的基本执行原理即可，这里重点回顾一下：
next()之后会阻塞在yield表达式，send()会从上次阻塞点开始执行，首先会把传入的值赋值给yield表达式的左侧，然后一直执行到yield表达式返回结果，并阻塞，等待下次执行。
4、消息的传递与处理
由于生成器的send()双向通信的功能，以及实现基本的协程的功能，所以，生成器可以用于实现简单的消息处理系统。
5、用户输入处理
生成器可以用来处理用户的输入，比如前面例子中，根据用户的输入指令决定是只打印输出，还是终止生成器。
以上，就是本文的全部内容了。
总结简单总结一下，本文结合生成器的定义，简单介绍了__next__()方法、send()方法、throw()方法，以及close()方法的使用。基于send()方法可以实现生成器与调用者之间双向通信的功能，简单列举了几个生成器的使用场景。
感谢您的拨冗阅读，希望对您有所帮助。
