Python中的生成器函数是什么？它有什么用？

生成器函数是一个特殊的函数，它在执行时可以通过 yield 语句产生多次返回值，而不是一次性返回一个结果。生成器函数返回的对象是一个生成器对象，通过调用 next() 方法可以逐个访问生成器函数的迭代结果。

下面是一个简单的生成器函数的例子，它可以依次输出 0 到 n 之间的所有偶数：

def even_numbers(n):
    i = 0
    while i <= n:
        if i % 2 == 0:
            yield i
        i += 1

调用生成器函数 even_numbers(10) 得到的返回值是一个生成器对象，可以通过调用 next() 方法依次输出偶数：

>>> gen = even_numbers(10)
>>> next(gen)
0
>>> next(gen)
2
>>> next(gen)
4
...

生成器函数的主要作用是节省内存空间，因为它们不会一次性生成所有返回值，而是在需要的时候逐个产生，并且在生成结果后会自动释放内存，避免在内存中保存大量数据。此外，生成器函数还可以用于异步编程、惰性计算和无限迭代等场景。

在异步编程中，生成器函数可以配合协程使用，实现非阻塞的事件循环模型，提高程序的并发性能。例如，下面是一个使用生成器函数和 asyncio 模块实现的简单的异步爬虫：

import asyncio
from aiohttp import ClientSession

async def fetch(url, session):
    async with session.get(url) as response:
        return await response.text()

async def crawl(urls):
    async with ClientSession() as session:
        tasks = [asyncio.ensure_future(fetch(url, session)) for url in urls]
        for task in asyncio.as_completed(tasks):
            result = await task
            print(result)

urls = ['http://www.baidu.com/', 'http://www.google.com/']
loop = asyncio.get_event_loop()
loop.run_until_complete(crawl(urls))

此外，生成器函数还可以惰性地计算结果，即只在需要时才计算结果，避免在循环中对所有数据进行计算，从而提高程序的效率。例如，下面是一个简单的惰性计算的例子：

def fibonacci():
    a, b = 0, 1
    while True:
        yield b
        a, b = b, a + b

fib = fibonacci()

for i in range(10):
    print(next(fib))

在这个例子中，生成器函数 fibonacci() 会无限产生斐波那契数列的下一个数字，但只有在程序需要时才会计算，避免了在内存中保存所有的斐波那契数列。

最后，生成器函数还可以用于无限迭代的场景，即通过生成器函数无限产生一个序列，让程序可以无限迭代。例如，下面是一个产生无限奇数的生成器函数：

def odd_numbers():
    i = 1
    while True:
        yield i
        i += 2

odd = odd_numbers()

for i in range(10):
    print(next(odd))

在这个例子中，生成器函数 odd_numbers() 会无限产生奇数，程序可以无限迭代，而不需要保存所有的奇数。