除了上一篇文章中提到的几个问题，在使用Generator Expression的过程中，还遇到了一个bug。
pipeline中数据处理分为两步:
第一步，基于每一个旧数据生成一笔新数据，简要代码如下。请注意我们使用了生成器。
1def extend_old_data(items):
2 for item in items:
3 # generate a new item based on an old item
4 new_item = Item()
5 new_item['data'] = item['data'] + 1
6 yield new_item
第二步，使用chain将新旧数据生成器混合在一起，关于itertools
1from itertools import chain
2old_data = read_data('data.txt')
3new_data = extend_old_data(old_data)
4all_data = chain(old_data, new_data)
当然最后要把数据写入文件
1write_to_text_file(all_data, 'processed_data.txt')
如果data.txt中内容为
11
22
processed_data.txt中会是什么内容？我们可是期盼得到
11
22
33
44
可如果运行代码，我们得到是
11
22
Generator Expression是生成器，生成器的特点是所有数据都是on the fly，“用后即焚”。我们把代码按照运行的顺序从新排布一下：
1old_data = read_data('data.txt')
2write_to_text_file(old_data, 'processed_data.txt')
3write_to_text_file(extend_old_data(old_data), 'processed_data.txt')
看出来了吗？old_data被write_to_text_file先进行了“用后即焚”。到了extend_old_data(old_data)处，old_data已经空了，自然不会有新的item生成。如果不在意新item和旧item的排列顺序的话，为了正确实现合并新旧数据的意图，需要修改extend_old_data方法如下：
1def extend_old_data(items):
2 for item in items:
3 # generate a new item based on an old item
4 new_item = Item()
5 new_item['data'] = item['data'] + 1
6 yield item
7 yield new_item
8
9old_data = read_data('data.txt')
10all_data = extend_old_data(old_data)