Python協程深入理解 | Python基礎教程
從語法上來看，協程和生成器類似，都是定義體中包含yield關鍵字的函數。
yield在協程中的用法：
- 在協程中yield通常出現在表達式的右邊?，例如：datum = yield,可以產出值，也可以不產出--如果yield關鍵字后面沒有表達式，那么生成器產出None.
- 協程可能從調用方接受數據，調用方是通過send(datum)的方式把數據提供給協程使用，而不是next(...)函數，通常調用方會把值推送給協程。
- 協程可以把控制器讓給中心調度程序，從而激活其他的協程
所以總體上在協程中把yield看做是控制流程的方式。
了解協程的過程
先通過一個簡單的協程的例子理解：
對上述例子的分析：
yield 的右邊沒有表達式，所以這里默認產出的值是None
剛開始先調用了next(...)是因為這個時候生成器還沒有啟動，沒有停在yield那里，這個時候也是無法通過send發送數據。所以當我們通過?next(...)激活協程后?，程序就會運行到x = yield，這里有個問題我們需要注意，?x = yield這個表達式的計算過程是先計算等號右邊的內容，然后在進行賦值，所以當激活生成器后，程序會停在yield這里，但并沒有給x賦值。
當我們調用send方法后yield會收到這個值并賦值給x,而當程序運行到協程定義體的末尾時和用生成器的時候一樣會拋出StopIteration異常
如果協程沒有通過next(...)激活(同樣我們可以通過send(None)的方式激活)，但是我們直接send，會提示如下錯誤：
關于調用next(...)函數這一步通常稱為”預激(prime)“協程，即讓協程向前執行到第一個yield表達式，準備好作為活躍的協程使用
協程在運行過程中有四個狀態：
- GEN_CREATE:等待開始執行
- GEN_RUNNING:解釋器正在執行，這個狀態一般看不到
- GEN_SUSPENDED:在yield表達式處暫停
- GEN_CLOSED:執行結束
通過下面例子來查看協程的狀態：
接著再通過一個計算平均值的例子來繼續理解：
這里是一個死循環，只要不停send值給協程，可以一直計算下去。
通過上面的幾個例子我們發現，我們如果想要開始使用協程的時候必須通過next(...)方式激活協程，如果不預激，這個協程就無法使用，如果哪天在代碼中遺忘了那么就出問題了，所以有一種預激協程的裝飾器，可以幫助我們干這件事
預激協程的裝飾器
下面是預激裝飾器的演示例子：
1 from functools import wraps 2 3 4 def coroutine(func): 5 @wraps(func) 6 def primer(*args,**kwargs): 7 gen = func(*args,**kwargs) 8 next(gen) 9 return gen 10 return primer 11 12 13 @coroutine 14 def averager(): 15 total = 0.0 16 count = 0 17 average = None 18 while True: 19 term = yield average 20 total += term 21 count += 1 22 average = total/count 23 24 25 coro_avg = averager() 26 from inspect import getgeneratorstate 27 print(getgeneratorstate(coro_avg)) 28 print(coro_avg.send(10)) 29 print(coro_avg.send(30)) 30 print(coro_avg.send(5))
關于預激，在使用yield from句法調用協程的時候，會自動預激活，這樣其實與我們上面定義的coroutine裝飾器是不兼容的，在Python3.4里面的asyncio.coroutine裝飾器不會預激協程，因此兼容yield from
終止協程和異常處理
協程中為處理的異常會向上冒泡,傳給next函數或send函數的調用方(即觸發協程的對象)
拿上面的代碼舉例子，如果我們發送了一個字符串而不是一個整數的時候就會報錯，并且這個時候協程是被終止了
從Python2.5開始客戶端代碼在生成器對象上調用兩個方法，顯示的把異常發送給協程
分別為：?throw和close
generator.throw:會讓生成器在暫停的yield表達式處拋出指定的異常，如果生成器處理了拋出的異常，代碼會向前執行到下一個yield表達式，而產出的值會成為調用generator.throw方法代碼的返回值。如果生成器沒有處理拋出的異常，異常會向上冒泡，傳到調用方的上下文中。
generator.close:會讓生成器在暫停的yield表達式處拋出GeneratorExit異常。如果生成器沒有處理這個異常，或者拋出了StopIteration異常，調用方不會報錯，如果收到GeneratorExit異常，生成器一定不能產出值，否則解釋器會拋出RuntimeError異常。生成器拋出的異常會向上冒泡，傳給調用方。
下面是一個例子：
當傳入我們定義的異常時不會影響協程，協程不會停止，可以繼續send,但是如果是沒有處理的異常的時候，就會報錯，并且協程會被終止
讓協程返回值
通過下面的例子進行演示如何獲取協程的返回值：
1 from collections import namedtuple
2
3
4 Result = namedtuple("Result","colunt average")
5
6
7 def averager():
8 total = 0.0
9 count = 0
10 average = None
11 while True:
12 term = yield
13 if term is None:
14 break
15 total += term
16 count+=1
17 average = total/count
18 return Result(count,average)
19
20 coro_avg = averager()
21 next(coro_avg)
22 coro_avg.send(10)
23 coro_avg.send(30)
24 coro_avg.send(5)
25 try:
26 coro_avg.send(None)
27 except StopIteration as e:
28 result = e.value
29 print(result)
這樣就可以獲取到最后的結果：
其實相對來說上面這種方式獲取返回值比較麻煩，而yield from 結構會自動捕獲StopIteration異常，這種處理方式與for循環處理StopIteration異常的方式一樣，循環機制使我們更容易理解處理異常，對于yield from來說，解釋器不僅會捕獲StopIteration異常，還會把value屬性的值變成yield from表達式的值
關于yield from
在生成器gen中使用yield from subgen()時，subgen會獲得控制權，把產出的值傳給gen的調用方，即調用方可以直接控制subgen,同時，gen會阻塞，等待subgen終止
yield from x表達式對x對象所做的第一件事是，調用iter(x),從中獲取迭代器，因此x可以是任何可迭代的對象
下面是yield from可以簡化yield表達式的例子：
1 def gen(): 2 for c in "AB": 3 yield c 4 for i in range(1,3): 5 yield i 6 7 print(list(gen())) 8 9 def gen2(): 10 yield from "AB" 11 yield from range(1,3) 12 13 print(list(gen2()))
這兩種的方式的結果是一樣的，但是這樣看來yield from更加簡潔，但是yield from的作用可不僅僅是替代產出值的嵌套for循環。
yield from的主要功能是打開雙向通道，把最外層的調用方與最內層的子生成器連接起來，這樣二者可以直接發送和產出值，還可以直接傳入異常，而不用再像之前那樣在位于中間的協程中添加大量處理異常的代碼
通過yield from還可以鏈接可迭代對象
委派生成器在yield from 表達式處暫停時，調用方可以直接把數據發給子生成器，子生成器再把產出產出值發給調用方，子生成器返回之后，解釋器會拋出StopIteration異常，并把返回值附加到異常對象上，此時委派生成器會恢復。
下面是一個完整的例子代碼
1 from collections import namedtuple
2
3
4 Result = namedtuple('Result', 'count average')
5
6
7 # 子生成器
8 def averager():
9 total = 0.0
10 count = 0
11 average = None
12 while True:
13 term = yield
14 if term is None:
15 break
16 total += term
17 count += 1
18 average = total/count
19 return Result(count, average)
20
21
22 # 委派生成器
23 def grouper(result, key):
24 while True:
25 result[key] = yield from averager()
26
27
28 # 客戶端代碼，即調用方
29 def main(data):
30 results = {}
31 for key,values in data.items():
32 group = grouper(results,key)
33 next(group)
34 for value in values:
35 group.send(value)
36 group.send(None) #這里表示要終止了
37
38 report(results)
39
40
41 # 輸出報告
42 def report(results):
43 for key, result in sorted(results.items()):
44 group, unit = key.split(';')
45 print('{:2} {:5} averaging {:.2f}{}'.format(
46 result.count, group, result.average, unit
47 ))
48
49 data = {
50 'girls;kg':
51 [40.9, 38.5, 44.3, 42.2, 45.2, 41.7, 44.5, 38.0, 40.6, 44.5],
52 'girls;m':
53 [1.6, 1.51, 1.4, 1.3, 1.41, 1.39, 1.33, 1.46, 1.45, 1.43],
54 'boys;kg':
55 [39.0, 40.8, 43.2, 40.8, 43.1, 38.6, 41.4, 40.6, 36.3],
56 'boys;m':
57 [1.38, 1.5, 1.32, 1.25, 1.37, 1.48, 1.25, 1.49, 1.46],
58 }
59
60
61 if __name__ == '__main__':
62 main(data)
關于上述代碼著重解釋一下關于委派生成器部分，這里的循環每次迭代時會新建一個averager實例，每個實例都是作為協程使用的生成器對象。
grouper發送的每個值都會經由yield from處理，通過管道傳給averager實例。grouper會在yield from表達式處暫停，等待averager實例處理客戶端發來的值。averager實例運行完畢后，返回的值會綁定到results[key]上，while 循環會不斷創建averager實例，處理更多的值
并且上述代碼中的子生成器可以使用return 返回一個值，而返回的值會成為yield from表達式的值。
關于yield from的意義
關于yield from 六點重要的說明：
- 子生成器產出的值都直接傳給委派生成器的調用方(即客戶端代碼)
- 使用send()方法發送給委派生成器的值都直接傳給子生成器。如果發送的值為None,那么會給委派調用子生成器的__next__()方法。如果發送的值不是None,那么會調用子生成器的send方法，如果調用的方法拋出StopIteration異常，那么委派生成器恢復運行，任何其他異常都會向上冒泡，傳給委派生成器
- 生成器退出時，生成器(或子生成器)中的return expr表達式會出發StopIteration(expr)異常拋出
- yield from表達式的值是子生成器終止時傳給StopIteration異常的第一個參數。yield from 結構的另外兩個特性與異常和終止有關。
- 傳入委派生成器的異常，除了GeneratorExit之外都傳給子生成器的throw()方法。如果調用throw()方法時拋出StopIteration異常，委派生成器恢復運行。StopIteration之外的異常會向上冒泡，傳給委派生成器
- 如果把GeneratorExit異常傳入委派生成器，或者在委派生成器上調用close()方法，那么在子生成器上調用clsoe()方法，如果它有的話。如果調用close()方法導致異常拋出，那么異常會向上冒泡，傳給委派生成器，否則委派生成器拋出GeneratorExit異常