### Python生成器generator之next和send的运行流程详解
#### 一、生成器的基本概念
在Python中，生成器是一种特殊的迭代器，它允许暂停和恢复函数的执行状态。生成器通过`yield`关键字实现这一功能，使得函数可以在执行过程中保存当前的状态，并在后续调用时从中断的地方继续执行。
#### 二、next方法的理解
对于普通的生成器，首次调用`next()`方法，相当于启动了生成器，从生成器函数的第一行代码开始执行，直到遇到第一个`yield`语句为止。例如，在给定的例子中，`consumer()`函数定义如下：
```python
def consumer():
r = 'here'
for i in range(3):
yield r
r = '200OK' + str(i)
```
调用`next()`方法的过程如下：
1. **初始化调用**：首次调用`next()`方法，从生成器的第一行开始执行，直到执行到第一个`yield`语句，返回`'here'`并停止执行。
2. **第二次调用**：再次调用`next()`方法时，从上次暂停的地方继续执行，即从`yield`语句的下一行开始执行，直至再次遇到`yield`语句，返回`'200OK0'`并停止执行。
3. **后续调用**：重复上述过程，直到生成器函数结束或再次遇到`yield`语句。
示例代码：
```python
c = consumer()
n1 = c.next() # 返回 'here'
n2 = c.next() # 返回 '200OK0'
n3 = c.next() # 返回 '200OK1'
```
#### 三、send方法的作用
`send()`方法与`next()`方法在一定程度上有相似之处，但主要区别在于`send()`可以向生成器传递一个具体的值，而`next()`只能传递`None`。具体来说：
- **第一次调用**：必须使用`next()`或者`send(None)`来启动生成器。
- **后续调用**：使用`send()`方法向生成器传递值，这些值将被赋给`yield`表达式所在的变量。
#### 四、send方法的具体流程
以更复杂的示例来说明`send()`方法的执行流程：
```python
def consumer():
r = 'here'
while True:
n1 = yield r
if not n1:
return
print('[CONSUMER] Consuming %s' % n1)
r = '200OK' + str(n1)
def produce(c):
c.send(None) # 启动生成器
n = 0
while n < 5:
n += 1
print('[PRODUCER] Producing %s' % n)
r1 = c.send(n) # 传递值给生成器
print('[PRODUCER] Consumer return: %s' % r1)
c = consumer()
produce(c)
```
执行流程如下：
1. **初始化**：使用`c.send(None)`启动生成器，执行到第一个`yield`语句，返回`'here'`并停止。
2. **第一次send调用**：`c.send(1)`将1赋给`n1`，执行`yield r`语句并返回`'200OK1'`。
3. **后续send调用**：重复上述过程，每次调用`send()`方法都会传递一个新值给`n1`，并在生成器内部处理该值。
通过以上分析可以看出，`next()`和`send()`方法都是控制生成器执行的关键工具。理解它们的工作原理可以帮助开发者更好地利用生成器的功能，实现高效的内存管理和灵活的数据流控制。
