Python协程深刻理解
从语法上来看，协程和生成器相似，都是定义体中包含yield关键字的函数。
yield在协程中的用法：python
在协程中yield一般出如今表达式的右边，例如：datum = yield,能够产出值，也能够不产出--若是yield关键字后面没有表达式，那么生成器产出None.async
协程可能从调用方接受数据，调用方是经过send(datum)的方式把数据提供给协程使用，而不是next(...)函数，一般调用方会把值推送给协程。ide
协程能够把控制器让给中心调度程序，从而激活其余的协程函数
因此整体上在协程中把yield看作是控制流程的方式。spa
了解协程的过程
先经过一个简单的协程的例子理解：orm
对上述例子的分析：
yield 的右边没有表达式，因此这里默认产出的值是None
刚开始先调用了next(...)是由于这个时候生成器尚未启动，没有停在yield那里，这个时候也是没法经过send发送数据。因此当咱们经过next(...)激活协程后，程序就会运行到x = yield，这里有个问题咱们须要注意，x = yield这个表达式的计算过程是先计算等号右边的内容，而后在进行赋值，因此当激活生成器后，程序会停在yield这里，但并无给x赋值。
当咱们调用send方法后yield会收到这个值并赋值给x,而当程序运行到协程定义体的末尾时和用生成器的时候同样会抛出StopIteration异常协程
若是协程没有经过next(...)激活(一样咱们能够经过send(None)的方式激活)，可是咱们直接send，会提示以下错误：对象
关于调用next(...)函数这一步一般称为”预激(prime)“协程，即让协程向前执行到第一个yield表达式，准备好做为活跃的协程使用ci
协程在运行过程当中有四个状态：字符串
GEN_CREATE:等待开始执行
GEN_RUNNING:解释器正在执行，这个状态通常看不到
GEN_SUSPENDED:在yield表达式处暂停
GEN_CLOSED:执行结束
经过下面例子来查看协程的状态：
接着再经过一个计算平均值的例子来继续理解：
这里是一个死循环，只要不停send值给协程，能够一直计算下去。
经过上面的几个例子咱们发现，咱们若是想要开始使用协程的时候必须经过next(...)方式激活协程，若是不预激，这个协程就没法使用，若是哪天在代码中遗忘了那么就出问题了，因此有一种预激协程的装饰器，能够帮助咱们干这件事
预激协程的装饰器
下面是预激装饰器的演示例子：
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))
关于预激，在使用yield from句法调用协程的时候，会自动预激活，这样其实与咱们上面定义的coroutine装饰器是不兼容的，在python3.4里面的asyncio.coroutine装饰器不会预激协程，所以兼容yield from
终止协程和异常处理
协程中为处理的异常会向上冒泡,传给next函数或send函数的调用方(即触发协程的对象)
拿上面的代码举例子，若是咱们发送了一个字符串而不是一个整数的时候就会报错，而且这个时候协程是被终止了
从python2.5开始客户端代码在生成器对象上调用两个方法，显示的把异常发送给协程
分别为：throw和close
generator.throw:会让生成器在暂停的yield表达式处抛出指定的异常，若是生成器处理了抛出的异常，代码会向前执行到下一个yield表达式，而产出的值会成为调用generator.throw方法代码的返回值。若是生成器没有处理抛出的异常，异常会向上冒泡，传到调用方的上下文中。
generator.close:会让生成器在暂停的yield表达式处抛出GeneratorExit异常。若是生成器没有处理这个异常，或者抛出了StopIteration异常，调用方不会报错，若是收到GeneratorExit异常，生成器必定不能产出值，不然解释器会抛出RuntimeError异常。生成器抛出的异常会向上冒泡，传给调用方。
下面是一个例子：
当传入咱们定义的异常时不会影响协程，协程不会中止，能够继续send,可是若是是没有处理的异常的时候，就会报错，而且协程会被终止
让协程返回值
经过下面的例子进行演示如何获取协程的返回值：
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)
这样就能够获取到最后的结果：
其实相对来讲上面这种方式获取返回值比较麻烦，而yield from 结构会自动捕获StopIteration异常，这种处理方式与for循环处理StopIteration异常的方式同样，循环机制使咱们更容易理解处理异常，对于yield from来讲，解释器不只会捕获StopIteration异常，还会把value属性的值变成yield from表达式的值
关于yield from
在生成器gen中使用yield from subgen()时，subgen会得到控制权，把产出的值传给gen的调用方，即调用方能够直接控制subgen,同时，gen会阻塞，等待subgen终止
yield from x表达式对x对象所作的第一件事是，调用iter(x),从中获取迭代器，所以x能够是任何可迭代的对象
下面是yield from能够简化yield表达式的例子：
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()))
这两种的方式的结果是同样的，可是这样看来yield from更加简洁，可是yield from的做用可不只仅是替代产出值的嵌套for循环。
yield from的主要功能是打开双向通道，把最外层的调用方与最内层的子生成器链接起来，这样两者能够直接发送和产出值，还能够直接传入异常，而不用再像以前那样在位于中间的协程中添加大量处理异常的代码
经过yield from还能够连接可迭代对象
委派生成器在yield from 表达式处暂停时，调用方能够直接把数据发给子生成器，子生成器再把产出产出值发给调用方，子生成器返回以后，解释器会抛出StopIteration异常，并把返回值附加到异常对象上，此时委派生成器会恢复。
下面是一个完整的例子代码
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 # 客户端代码，即调用方
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) #这里表示要终止了
37
38 report(results)
39
40
41 # 输出报告
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)
关于上述代码着重解释一下关于委派生成器部分，这里的循环每次迭代时会新建一个averager实例，每一个实例都是做为协程使用的生成器对象。
grouper发送的每一个值都会经由yield from处理，经过管道传给averager实例。grouper会在yield from表达式处暂停，等待averager实例处理客户端发来的值。averager实例运行完毕后，返回的值会绑定到results[key]上，while 循环会不断建立averager实例，处理更多的值
而且上述代码中的子生成器可使用return 返回一个值，而返回的值会成为yield from表达式的值。
关于yield from的意义
关于yield from 六点重要的说明：
子生成器产出的值都直接传给委派生成器的调用方(即客户端代码)
使用send()方法发送给委派生成器的值都直接传给子生成器。若是发送的值为None,那么会给委派调用子生成器的__next__()方法。若是发送的值不是None,那么会调用子生成器的send方法，若是调用的方法抛出StopIteration异常，那么委派生成器恢复运行，任何其余异常都会向上冒泡，传给委派生成器
生成器退出时，生成器(或子生成器)中的return expr表达式会出发StopIteration(expr)异常抛出
yield from表达式的值是子生成器终止时传给StopIteration异常的第一个参数。yield from 结构的另外两个特性与异常和终止有关。
传入委派生成器的异常，除了GeneratorExit以外都传给子生成器的throw()方法。若是调用throw()方法时抛出StopIteration异常，委派生成器恢复运行。StopIteration以外的异常会向上冒泡，传给委派生成器
若是把GeneratorExit异常传入委派生成器，或者在委派生成器上调用close()方法，那么在子生成器上调用clsoe()方法，若是它有的话。若是调用close()方法致使异常抛出，那么异常会向上冒泡，传给委派生成器，不然委派生成器抛出GeneratorExit异常