精华生成器与 yield：惰性求值到底省在哪

很多人以为生成器省的是「计算时间」，其实它省的是内存。

def read_lines(path):
    with open(path) as f:
        for line in f:
            yield line.rstrip()

对比一次性读进列表：

lines = open(path).read().splitlines()   # 整个文件进内存

处理 2G 日志时第二种直接 OOM，第一种内存恒定在几 KB。

yield from

Python 3.3+ 用来把迭代委托给子生成器：

def chain(*iters):
    for it in iters:
        yield from it

生成器的三个坑

1. 只能遍历一次：用完了就空了，要复用请转 list 或用 itertools.tee
2. 不能 len：len(gen) 会报 TypeError，因为长度未知
3. 异常会终结：迭代中抛异常后生成器就关闭了，再 next() 直接 StopIteration

什么时候不该用

数据量小、需要反复随机访问时，列表更快也更直观。

一句话：生成器是拿「不能回头」换「不吃内存」。

补充一个实用场景：读超大 CSV 时用生成器配合 csv.reader 是逐行的，
内存基本不涨；但如果你写了 list(reader) 就全进内存了，我当时踩过。

「只能遍历一次」这个坑我遇到过：调试时 print 了一遍生成器，
后面正式处理发现是空的，查了半天。现在调试一律先转 list。