生成器是可暂停恢复的状态机：next()从上次yield继续执行，send(value)还传递value给上个yield；首次send必须为None；yield from实现协程双向通信；GeneratorExit触发finally清理；生成器表达式惰性求值省内存，列表推导式支持随机访问。

生成器对象的 __next__ 和 send 到底怎么触发状态迁移

生成器不是一次性执行完的函数，而是一个可暂停、可恢复的状态机。每次调用 __next__（或内置函数 next()）时，它从上次 yield 暂停的位置继续执行，直到遇到下一个 yield 或函数结束。

而 send(value) 不仅会唤醒生成器，还会把 value 作为上一个 yield 表达式的返回值。注意：首次调用 send() 必须传 None，否则报 TypeError: can't send non-None value to a just-started generator。

• 第一次调用必须是 next(gen) 或 gen.send(None)，否则直接崩溃
• yield 左侧赋值（如 data = yield item）只在 send() 后生效；next() 相当于 send(None)
• 生成器退出后（抛出 StopIteration），再调用任何方法都会引发 RuntimeError: generator already exhausted

def echo_gen():
    while True:
        received = yield "ready"
        if received == "quit":
            break
        print(f"got: {received}")
g = echo_gen()
print(next(g))           # 输出 "ready"
print(g.send("hello"))   # 输出 got: hello，返回 "ready"
g.send("quit")           # 触发 break，下次 next 会 raise StopIteration

为什么 yield from 不只是语法糖，而是协程组合的关键原语

yield from 不仅简化嵌套生成器的委托写法，更重要的是它建立了调用方、外层生成器、子生成器三者之间的双向通信通道——异常、return 值、send 数据都能穿透传递。

对比手写循环：for x in subgen: yield x 只能单向产出值，无法将外部 send 或 throw 透传给子生成器，也无法捕获子生成器的 return 值。

• yield from subgen 会自动处理 StopIteration 并提取其 value 属性，作为当前表达式的返回值
• 若子生成器被 throw() 中断，外层生成器也会同步收到该异常（除非自己捕获）
• Python 3.5+ 的 async/await 底层正是基于 yield from 构建的，所以理解它等于理解 await 的本质

def sub():
    yield 1
    return "done"
def top():
result = yield from sub()  # result = "done"
print(f"sub returned: {result}")
yield 2
g = top()
print(next(g))  # 1
print(next(g))  # 2
此时 sub 已 return，top 中 print 执行，然后抛出 StopIteration("done")

GeneratorExit 异常和 finally 块的真实执行时机

当生成器对象被垃圾回收、或显式调用 close() 时，解释器会向其抛出 GeneratorExit 异常。这个异常不能被常规 except Exception: 捕获，必须显式写 except GeneratorExit:，且**禁止在该 except 块中 yield** —— 否则触发 RuntimeError。

更可靠的做法是把清理逻辑放在 finally 块里，它保证在生成器退出前（无论正常结束、close()、还是未捕获异常）都会执行。

• GeneratorExit 是 BaseException 子类，不属于 Exception 体系，所以 except: 或 except Exception: 都抓不到
• finally 是最安全的资源释放位置，但要注意：若 finally 中发生未捕获异常，会覆盖原始的 GeneratorExit
• close() 是唯一标准方式主动终止生成器并触发清理；不要依赖 GC 时间点

def risky_gen():
    try:
        yield "working"
    finally:
        print("cleanup done")  # close()、StopIteration、或异常退出时都会执行
g = risky_gen()
print(next(g))
g.close()  # 输出 "cleanup done"

生成器与列表推导式的性能分水岭在哪

生成器表达式（(x*2 for x in range(10**6))）和列表推导式（[x*2 for x in range(10**6)]）的核心差异不在语法，而在内存占用模型：前者是惰性求值的迭代器，后者是一次性分配并填充完整列表。

当数据量大、或下游只消费部分元素时，生成器明显胜出；但若需要多次遍历、随机索引、或长度判断（len()），就必须用列表——因为生成器只能单向消费一次，且没有长度属性。

• 生成器表达式不支持 len()、index()、切片（[1:5]）等操作
• 对同一生成器多次调用 list(gen) 会得到空列表（第二次已耗尽）
• 若后续要转成列表，且确定数据量可控，直接用列表推导式反而更简洁；不必为“看起来更函数式”强行用生成器

真正该用生成器的场景：读大文件逐行处理、数据库游标流式获取、实时传感器数据管道、递归结构的深度优先遍历……这些都不是“省几MB内存”的问题，而是“不这么做就爆内存或阻塞”的刚需。