Python函数怎样用生成器函数实现协程 Python函数简单协程的创建与使用教程-Python教程-PHP中文网

答案是生成器通过yield暂停和send()接收数据实现协程，具备双向通信能力，是async/await的底层基础，理解它有助于掌握Python异步编程原理。

python函数怎样用生成器函数实现协程 python函数简单协程的创建与使用教程

Python函数通过生成器函数实现协程，核心在于

yield

登录后复制

关键字的暂停与恢复能力，以及

generator.send()

登录后复制

方法向暂停的生成器内部发送数据。这使得生成器不再仅仅是数据的生产者，也能成为数据的消费者，从而具备了协程（co-routine）的协作执行特性。

Python函数简单协程的创建与使用，本质上是利用了生成器的双向通信能力。一个生成器函数，当它包含

yield

登录后复制

表达式时，它就变成了一个生成器。而当这个

yield

登录后复制

表达式能够接收外部传入的值时（通过

send()

登录后复制

方法），它就具备了协程的雏形。

协程的基石：生成器的工作原理与实践

说起协程，很多人可能首先想到

async/await

登录后复制

，但追根溯源，Python中的协程概念其实是从生成器演变而来的。在我看来，理解生成器如何作为协程的基石，就像是理解汽车发动机的原理，即便你现在开的是电动车，知道内燃机的工作方式也能让你对机械原理有更深的洞察。

生成器最大的特点是它的“暂停”和“恢复”能力。一个普通的函数，一旦开始执行，就会一直运行到结束或遇到错误。但生成器不同，每当它遇到

yield

登录后复制

关键字，它就会暂停执行，将

yield

登录后复制

后的值返回给调用者，并保留当前的所有局部状态。下次调用

next()

登录后复制

或

send()

登录后复制

时，它会从上次暂停的地方继续执行。

立即学习“Python免费学习笔记（深入）”；

而

send()

登录后复制

方法，是让生成器从单向的数据流（只出不进）变成双向通信的关键。当你在生成器暂停在

yield

登录后复制

表达式处时，调用

generator.send(value)

登录后复制

，这个

value

登录后复制

就会成为

yield

登录后复制

表达式的返回值，注入到生成器内部。这就像是生成器在等待一个输入，然后根据这个输入继续它的工作。

举个例子，一个简单的协程可能看起来像这样：

def simple_coroutine():
    print("Coroutine started, waiting for first value...")
    x = yield  # 第一次暂停，等待外部发送数据
    print(f"Received x: {x}, waiting for second value...")
    y = yield x * 2 # 第二次暂停，发送 x*2 并等待新的数据
    print(f"Received y: {y}, Coroutine finished.")
    return "Done"

# 创建并启动协程
my_coro = simple_coroutine()
next(my_coro) # 启动协程，执行到第一个 yield 并暂停，输出 "Coroutine started..."

try:
    # 发送第一个值到协程
    result1 = my_coro.send(10) # 10 成为 yield 的返回值，赋给 x
    print(f"External received from coroutine: {result1}") # 接收到 x * 2 (即 20)

    # 发送第二个值
    result2 = my_coro.send(5) # 5 成为第二个 yield 的返回值，赋给 y
    print(f"External received from coroutine: {result2}") # 理论上这里不会有返回值，因为协程会执行到结束
except StopIteration as e:
    print(f"Coroutine finished with return value: {e.value}")

登录后复制

这段代码展示了协程如何通过

yield

登录后复制

暂停，并通过

send()

登录后复制

接收外部数据并继续执行。第一次

next(my_coro)

登录后复制

是为了“预激”协程，让它运行到第一个

yield

登录后复制

语句并暂停。因为第一个

yield

登录后复制

表达式在没有

send()

登录后复制

的情况下，其返回值是

None

登录后复制

。

在生成器协程中传递数据与处理异常

在生成器协程中，数据传递和异常处理是其实现复杂逻辑的关键。理解这些机制，能让你更好地构建协作式的程序。

数据传递： 如前所述，

generator.send(value)

登录后复制

是向协程内部传递数据的主要方式。当协程在

yield

登录后复制

表达式处暂停时，

send()

登录后复制

方法将

value

登录后复制

注入到该

yield

登录后复制

表达式的左侧，使其成为表达式的返回值。

一个常见的“陷阱”是，你不能在协程启动（即第一次运行到

yield

登录后复制

）之前就使用

send()

登录后复制

发送非

None

登录后复制

的值。因为协程还没运行到

yield

登录后复制

，没有地方可以接收这个值。所以，通常的模式是先调用

next(generator)

登录后复制

来“预激”协程，或者直接调用

generator.send(None)

登录后复制

，这两种方式的效果是一样的，都是让协程运行到第一个

yield

登录后复制

并暂停。

异常处理： 生成器协程也支持异常的注入和处理，这通过

generator.throw(type, value=None, traceback=None)

登录后复制

方法实现。你可以通过这个方法在协程暂停的地方“抛出”一个异常。这个异常会像在协程内部正常发生一样被捕获和处理。

def error_handling_coroutine():
    print("Coroutine started.")
    try:
        data = yield
        print(f"Received data: {data}")
    except ValueError as e:
        print(f"Caught ValueError: {e}")
    except Exception as e:
        print(f"Caught general exception: {e}")
    finally:
        print("Coroutine cleanup.")
    yield "Finished processing"

my_error_coro = error_handling_coroutine()
next(my_error_coro) # 预激

try:
    my_error_coro.send("Hello") # 正常发送数据
    my_error_coro.throw(ValueError, "Something went wrong!") # 注入一个 ValueError
    my_error_coro.send("This won't be reached") # 这行代码不会执行，因为协程已经处理了异常或终止
except StopIteration as e:
    print(f"Coroutine ended: {e.value}")

登录后复制

在这个例子中，

throw()

登录后复制

方法在

yield

登录后复制

暂停处注入了

ValueError

登录后复制

，协程内部的

try...except

登录后复制

块捕获并处理了它。如果协程内部没有捕获这个异常，它就会向上冒泡，最终在调用

throw()

登录后复制

的地方被捕获。

怪兽AI数字人

数字人短视频创作，数字人直播，实时驱动数字人

查看详情

关闭协程：

generator.close()

登录后复制

方法用于关闭一个生成器协程。当调用

close()

登录后复制

时，生成器会在当前

yield

登录后复制

处抛出一个

GeneratorExit

登录后复制

异常。如果协程内部捕获并处理了这个异常，它应该重新抛出它，或者直接返回，否则Python解释器会抛出一个

RuntimeError

登录后复制

。这通常用于清理资源。

def cleanup_coroutine():
    print("Cleanup coroutine started.")
    try:
        yield
    except GeneratorExit:
        print("GeneratorExit caught, performing cleanup...")
    finally:
        print("Final cleanup always runs.")
    print("Cleanup coroutine finished.")

my_cleanup_coro = cleanup_coroutine()
next(my_cleanup_coro)
my_cleanup_coro.close() # 关闭协程

登录后复制

这些机制共同构成了生成器协程的强大之处，使得它们能够实现复杂的控制流和状态管理。

生成器协程与现代异步编程（async/await）有何不同？我们还需要学它吗？

这是一个非常好的问题，尤其是在Python 3.5引入

async/await

登录后复制

语法糖之后，很多人可能会觉得基于生成器的协程已经过时了。从我的经验来看，它们确实有所不同，但理解生成器协程的原理依然非常有价值。

主要区别：

语法层面：
- 生成器协程： 依赖
```
yield
```
  登录后复制
  和
```
yield from
```
  登录后复制
  （在Python 3.3引入，用于委托给子生成器，是
```
async/await
```
  登录后复制
  的前身）以及
```
send()
```
  登录后复制
  ,
```
throw()
```
  登录后复制
  ,
```
close()
```
  登录后复制
  等方法。代码看起来更像普通的生成器。
- async/await
  登录后复制
  ：引入了
```
async def
```
  登录后复制
  定义协程函数，
```
await
```
  登录后复制
  关键字用于等待一个可等待对象（通常是另一个协程或Future）。语法更直观，更明确地表达了“等待”和“非阻塞”的意图。
语义与意图：
- 生成器协程： 它们的“协程”行为是基于生成器“暂停/恢复”的副作用。
```
yield
```
  登录后复制
  既可以用于生成数据，也可以用于暂停等待数据。这种双重含义有时会让人感到混淆。
- async/await
  登录后复制
  ：明确地将协程定义为一种特殊的函数，
```
await
```
  登录后复制
  明确表示一个“暂停点”，它只会等待一个异步操作完成。这种分离使得代码意图更加清晰，更易于阅读和维护。
生态系统与工具支持：
- 生成器协程： 它们是Python异步演进的早期阶段，虽然可以实现协程，但缺乏像
```
asyncio
```
  登录后复制
  这样的标准库和框架的直接、强大支持。
- async/await
  登录后复制
  ：它是Python官方推荐的异步编程方式，得到了
```
asyncio
```
  登录后复制
  、
```
aiohttp
```
  登录后复制
  、
```
FastAPI
```
  登录后复制
  等大量现代异步框架和库的全面支持，拥有更成熟的调度器、事件循环和调试工具。

我们还需要学它吗？

我的答案是：绝对需要！ 尽管

async/await

登录后复制

是未来的方向，但理解生成器协程并非毫无意义。

理解底层机制：
```
async/await
```
登录后复制
并非凭空出现，它在很大程度上是基于生成器（尤其是
```
yield from
```
登录后复制
）实现的语法糖。理解生成器协程，能让你对Python异步编程的底层原理有更深刻的认识。当你遇到一些复杂的异步问题或需要优化时，这种底层理解会非常有帮助。
维护旧代码： 许多现有的Python项目，特别是在Python 3.5之前编写的，可能仍然在使用基于生成器的协程模式（例如某些早期版本的
```
Tornado
```
登录后复制
或自定义的微型框架）。如果你需要维护或调试这些代码，了解其工作原理是必不可少的。
特定场景下的灵活性： 在某些非常特定的、轻量级的协作任务中，你可能不需要引入整个
```
asyncio
```
登录后复制
事件循环的开销，而直接使用生成器协程就足够了。例如，构建一个简单的流水线处理器，其中每个阶段都可以在
```
yield
```
登录后复制
处暂停并等待前一个阶段的结果。
深入学习的阶梯： 对于任何希望深入学习Python并发和并行的人来说，从生成器到线程、进程，再到异步I/O，是一个非常自然的学习路径。生成器协程是理解更高级异步概念的一个重要过渡。