用 isinstance(obj, types.generatortype) 可准确判断是否为生成器；所有生成器都是迭代器，但 iter([1,2]) 等返回的是普通迭代器而非生成器；range(5) 仅是可迭代对象，需调用 iter() 才得迭代器。
怎么判断一个函数返回的是生成器还是普通迭代器
Python里 yield 函数返回生成器对象，而返回 iter(...) 或自定义 __iter__ 类实例的则是迭代器——但两者都属于 Iterator 类型。别被名字绕晕：所有生成器都是迭代器，但不是所有迭代器都是生成器。
最直接的判断方式是用 isinstance(obj, types.GeneratorType) 检查是否为生成器；用 iter(obj) is obj 和 hasattr(obj, '__next__') 组合验证是否为迭代器（注意：不能只靠 hasattr(obj, '__iter__')，因为可迭代对象也满足这点）。
-
isinstance(gen_func(), types.GeneratorType)→ True 说明是生成器 -
isinstance(iter([1,2]), types.GeneratorType)→ False，但它仍是迭代器 - 如果函数返回
range(5)，它既不是生成器也不是迭代器（它是可迭代对象），必须先调iter()才能获得迭代器
测试生成器时为什么 list() 一次就耗尽了
生成器只能遍历一次，list(gen)、sum(gen)、for x in gen: 都会触发其内部状态推进到终点，后续再用同一个对象就会立刻结束循环——这不是 bug，是设计使然。
写单元测试时常见错误：先用 list(func()) 断言输出，再用 next(func()) 测试首次值，结果后者抛 StopIteration。根本原因是两次调用了 func()，但你误以为是同一个对象。
- 每次调用生成器函数都会创建新生成器对象，所以
g1 = func(); g2 = func()是两个独立实例 - 若想复用，得把生成器对象存下来：
gen = func(); assert list(gen) == [1,2,3]—— 但这样后面就不能再用gen了 - 需要多次检查时，改用
itertools.tee(gen)分叉，但注意它会缓存已产出项，内存开销随消费进度增长
如何用 pytest 测试生成器的中间状态和边界行为
生成器常有状态依赖（比如读文件、计数、条件 yield），光看最终 list 不够，得验证它在中途是否按预期暂停、是否正确响应 send()、是否在特定条件下 raise 异常。
关键技巧是手动控制 next() 和 send()，并捕获 StopIteration 的 value 属性（Python 3.7+ 支持）：
def test_generator_with_send():
gen = counter_with_limit(3)
assert next(gen) == 1
assert gen.send("reset") == 1 # 假设实现里处理了 reset
with pytest.raises(StopIteration) as exc:
next(gen)
assert exc.value.value == 4 # 最后一次 yield 后 return 的值
- 用
pytest.raises(StopIteration)捕获终止，并检查exc.value.value获取return表达式结果 - 测试异常路径：在生成器里主动
raise ValueError，然后用pytest.raises(ValueError)验证 - 避免在测试中用
for循环遍历整个生成器——它掩盖了中间逻辑，应显式调用next()控制步进
生成器测试中最容易被忽略的资源清理问题
带 try/finally 或上下文管理逻辑的生成器（比如文件读取、数据库游标），如果测试中途中断（如断言失败、Ctrl+C），finally 块可能不执行，导致句柄泄漏或临时文件残留。
pytest 提供 tmp_path fixture 和 addCleanup 风格的机制，但对生成器更稳妥的做法是：强制完成迭代，或显式 close。
- 测试结束后调用
gen.close()（即使已耗尽，也安全） - 用
contextlib.closing()包装：with closing(my_gen()) as g: list(g) - 若生成器使用了
with open(...) as f:，确保__exit__被触发——这要求你至少走到第一个yield之后，否则with块还没进入
真实项目里，生成器的生命周期管理比看起来复杂得多，尤其当它嵌套了多个上下文或依赖外部状态时，测试用例必须覆盖“未走完就退出”的场景。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
