（点击上方蓝字，快速关注我们）
来源：xybaby
www.cnblogs.com/xybaby/p/6323358.html
如有好文章投稿，请点击 → 这里了解详情
本文主要介绍python中Enhanced generator即coroutine相关内容，包括基本语法、使用场景、注意事项，以及与其他语言协程实现的异同。
enhanced generator
在上文《Python Yield Generator 详解》中介绍了yield和generator的使用场景和主意事项，只用到了generator的next方法，事实上generator还有更强大的功能。PEP 342为generator增加了一系列方法来使得generator更像一个协程Coroutine。做主要的变化在于早期的yield只能返回值（作为数据的产生者）， 而新增加的send方法能在generator恢复的时候消费一个数值，而去caller（generator的调用着）也可以通过throw在generator挂起的主动抛出异常。
back_data = yield cur_ret
这段代码的意思是：当执行到这条语句时，返回cur_ret给调用者；并且当generator通过next()或者send(some_data)方法恢复的时候，将some_data赋值给back_data.例如：
def gen(data):
print 'before yield', data
back_data = yield data
print 'after resume',
back_data
if __name__ == '__main__':
g = gen(1)
print g.next()
try:
g.send(0)
except StopIteration
:
pass
输出：
before yield 1
1
after resume 0
两点需要注意：
next() 等价于 send(None)
第一次调用时，需要使用next()语句或是send(None)，不能使用send发送一个非None的值，否则会出错的，因为没有Python yield语句来接收这个值。
应用场景
当generator可以接受数据（在从挂起状态恢复的时候） 而不仅仅是返回数据时， generator就有了消费数据（push）的能力。下面的例子来自这里:
word_map = {}
def consume_data_from_file(file_name, consumer):
for line in file(file_name):
consumer.send(line)
def consume_words
(consumer):
while True:
line = yield
for word in (w for w in line.split() if
w.strip()):
consumer.send(word)
def count_words_consumer():
while True:
word = yield
if word not in word_map:
word_map[word] = 0
word_map[word] += 1
print word_map
if __name__ == '__main__':
cons = count_words_consumer()
cons.next()
cons_inner = consume_words
(cons)
cons_inner.next()
c = consume_data_from_file('test.txt', cons_inner)
print word_map
上面的代码中，真正的数据消费者是count_words_consumer，最原始的数据生产者是consume_data_from_file，数据的流向是主动从生产者推向消费者。不过上面第22、24行分别调用了两次next，这个可以使用一个decorator封装一下。
def consumer(func):
def wrapper(*args,**kw)
:
gen = func(*args, **kw)
gen.next()
return gen
wrapper.__name__ = func.__name__
wrapper.__dict__ = func
.__dict__
wrapper.__doc__ = func.__doc__
return wrapper
修改后的代码：
def consumer(func):
def wrapper(*args,**kw):
gen = func(*args
, **kw)
gen.next()
return gen
wrapper.__name__ = func.__name__
wrapper.__dict__ = func.__dict__
wrapper.__doc__ = func
.__doc__
return wrapper
word_map = {}
def consume_data_from_file(file_name, consumer):
for line in file(file_name):
consumer.send(line)
@consumer
def consume_words(consumer):
while True:
line = yield
for word in (w for w in line.split()
if w.strip()):
consumer.send(word)
@consumer
def count_words_consumer():
while True:
word = yield
if word not in
word_map:
word_map[word] = 0
word_map[word] += 1
print word_map
if __name__ == '__main__':
cons = count_words_consumer()
cons_inner = consume_words(
cons)
c = consume_data_from_file('test.txt', cons_inner)
print word_map
example_with_deco
generator throw
除了next和send方法，generator还提供了两个实用的方法，throw和close，这两个方法加强了caller对generator的控制。send方法可以传递一个值给generator，throw方法在generator挂起的地方抛出异常，close方法让generator正常结束（之后就不能再调用next send了）。下面详细介绍一下throw方法。
throw(type[, value[, traceback]])
在generator yield的地方抛出type类型的异常，并且返回下一个被yield的值。如果type类型的异常没有被捕获，那么会被传给caller。另外，如果generator不能yield新的值，那么向caller抛出StopIteration异常：
@consumer
def gen_throw():
value = yield
try:
yield value
except Exception,
e:
yield str(e) # 如果注释掉这行，那么会抛出StopIteration
if __name__ == '__main__':
g = gen_throw()
assert g.send(5) == 5
assert
g.throw(Exception, 'throw Exception') == 'throw Exception'
第一次调用send，代码返回value（5）之后在第5行挂起， 然后generator throw之后会被第6行catch住。如果第7行没有重新yield，那么会重新抛出StopIteration异常。
注意事项
如果一个生成器已经通过send开始执行，那么在其再次yield之前，是不能从其他生成器再次调度到该生成器
@consumer
def funcA():
while True:
data = yield
print 'funcA recevie', data
fb.
send(data * 2)
@consumer
def funcB():
while True:
data = yield
print 'funcB recevie', data
fa.send(data * 2
)
fa = funcA()
fb = funcB()
if __name__ == '__main__':
fa.send(10)
输出：
funcA recevie 10
funcB recevie 20
ValueError: generator already executing
Generator 与 Coroutine
回到Coroutine，可参见维基百科解释，而我自己的理解比较简单（或者片面）：程序员可控制的并发流程，不管是进程还是线程，其切换都是操作系统在调度，而对于协程，程序员可以控制什么时候切换出去，什么时候切换回来。协程比进程 线程轻量级很多，较少了上下文切换的开销。另外，由于是程序员控制调度，一定程度上也能避免一个任务被中途中断.。协程可以用在哪些场景呢，我觉得可以归纳为非阻塞等待的场景，如游戏编程，异步IO，事件驱动。
Python中，generator的send和throw方法使得generator很像一个协程（coroutine）, 但是generator只是一个半协程（semicoroutines），python doc是这样描述的：
“All of this makes generator functions quite similar to coroutines; they yield multiple times, they have more than one entry point and their execution can be suspended. The only difference is that a generator function cannot control where should the execution continue after it yields; the control is always transferred to the generator’s caller.”
尽管如此，利用enhanced generator也能实现更强大的功能。比如上文中提到的yield_dec的例子，只能被动的等待时间到达之后继续执行。在某些情况下比如触发了某个事件，我们希望立即恢复执行流程，而且我们也关心具体是什么事件，这个时候就需要在generator send了。另外一种情形，我们需要终止这个执行流程，那么刻意调用close，同时在代码里面做一些处理，伪代码如下：
@yield_dec
def do(a):
print 'do', a
try：
event ＝ yield 5
print 'post_do', a， event
finally：
print 'do sth'
至于之前提到的另一个例子，服务（进程）之间的异步调用，也是非常适合实用协程的例子。callback的方式会割裂代码，把一段逻辑分散到多个函数，协程的方式会好很多，至少对于代码阅读而言。其他语言，比如C＃、Go语言，协程都是标准实现，特别对于go语言，协程是高并发的基石。在python3.x中，通过asyncio和async\await也增加了对协程的支持。在笔者所使用的2.7环境下，也可以使用greenlet，之后会有博文介绍。
参考
https://www.python.org/dev/peps/pep-0342/
http://www.dabeaz.com/coroutines/
https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python
看完本文有收获？请转发分享给更多人
关注「Python开发者」，提升Python技能
