yield表达式只能出现在函数中，当函数中含有yield表达式时，该函数被称作generator function，调用该函数并不执行该函数内的逻辑，而是返回generator对象。

generator对象支持的操作有:

• next

开始一个未执行的generator函数，或恢复执行一个在yield处挂起的generator函数

• send(value)

类似与next，但是可以传值value给generator函数，作为当前挂起的yield表达式的返回值，next等同于send(None)

• throw(type[, value[, traceback]])

在generator的挂起处抛出type类型的异常

• close()

在generator挂起处抛出GeneratorExit异常

generator只有在yield处才能挂起，将程序控制转给调用者；而调用者通过next/send也只能和在yield处挂起的generator进行交互。这就意味着控制权只能在generator和调用者之间轮换，而且是在yield处进行轮换，如果多个generator之间交换数据，那么只能通过主调者进行中转。

可以跟据yield是否返回值来讲generator分为两种:

• 不考虑yield返回值的generator，这种generator主要用来生成数据，供主调者使用;
• 考虑yield返回值的generator，可以看作是协程，可以接收主调者的数据进行处理，但这种协程如上所说，有很大的局限性。

一个协程的例子

def grep(pattern):
    print "Looking for %s" % pattern
    while True:
        line = (yield)
        if pattern in line:
            print line,

# Example use
if __name__ == '__main__':
    g = grep("python")
    #must use next() or send(None) to prime it
    g.next() 
    #after prime,it's ready to receive a value
    g.send("Yeah, but no, but yeah, but no")
    g.send("A series of tubes")
    g.send("python generators rock!")

generator协程和greenlet的比较:

greenlet可以通过swith方法在同一线程的协程间自由切换，而generator只能在yield处进行切换，这就意味着如果有多个generator时，需要有主调者充当中转的角色。

参考
greenlet vs generator
coroutines
PEP 342 – Coroutines via Enhanced Generators
generator document
Generators Are Not Coroutines
the difference between generators, coroutines and continuations.