本文目錄
- 為什么要使用協程
- yield from的用法詳解
- 為什么要使用yield from
. 為什么要使用協程#
在上一篇中，我們從生成器的基本認識與使用，成功過渡到了協程。
但一定有許多人，只知道協程是個什么東西，但並不知道為什么要用協程？換句話來說，並不知道在什么情況下用協程？
它相比多線程來說，有哪些過人之處呢？
在開始講yield from 之前，我想先解決一下這個給很多人帶來困惑的問題。
舉個例子。
假如我們做一個爬蟲。我們要爬取多個網頁，這里簡單舉例兩個網頁(兩個spider函數)，獲取HTML（耗IO耗時），然后再對HTML對行解析取得我們感興趣的數據。
我們的代碼結構精簡如下：
def spider_01(url):
html = get_html(url)
...
data = parse_html(html)
def spider_02(url):
html = get_html(url)
...
data = parse_html(html)
我們都知道，get_html()等待返回網頁是非常耗IO的，一個網頁還好，如果我們爬取的網頁數據極其龐大，這個等待時間就非常驚人，是極大的浪費。
聰明的程序員，當然會想如果能在get_html()這里暫停一下，不用傻乎乎地去等待網頁返回，而是去做別的事。等過段時間再回過頭來到剛剛暫停的地方，接收返回的html內容，然后還可以接下去解析parse_html(html)。
利用常規的方法，幾乎是沒辦法實現如上我們想要的效果的。所以Python想得很周到，從語言本身給我們實現了這樣的功能，這就是yield語法。可以實現在某一函數中暫停的效果。
試着思考一下，假如沒有協程，我們要寫一個並發程序。可能有以下問題
1）使用最常規的同步編程要實現異步並發效果並不理想，或者難度極高。
2）由於GIL鎖的存在，多線程的運行需要頻繁的加鎖解鎖，切換線程，這極大地降低了並發性能；
而協程的出現，剛好可以解決以上的問題。它的特點有
- 協程是在單線程里實現任務的切換的
- 利用同步的方式去實現異步
- 不再需要鎖，提高了並發性能
. yield from的用法詳解#
yield from 是在Python3.3才出現的語法。所以這個特性在Python2中是沒有的。
yield from 后面需要加的是可迭代對象，它可以是普通的可迭代對象，也可以是迭代器，甚至是生成器。
簡單應用：拼接可迭代對象#
我們可以用一個使用yield和一個使用yield from的例子來對比看下。
使用yield
# 字符串
astr='ABC'
# 列表
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
for item in args:
for i in item:
yield i
new_list=gen(astr, alist, adict， agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
使用yield from
# 字符串
astr='ABC'
# 列表
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
for item in args:
yield from item
new_list=gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
由上面兩種方式對比，可以看出，yield from后面加上可迭代對象，他可以把可迭代對象里的每個元素一個一個的yield出來，對比yield來說代碼更加簡潔，結構更加清晰。
復雜應用：生成器的嵌套#
如果你認為只是 yield from 僅僅只有上述的功能的話，那你就太小瞧了它，它的更強大的功能還在后面。
當 yield from 后面加上一個生成器后，就實現了生成的嵌套。
當然實現生成器的嵌套，並不是一定必須要使用yield from，而是使用yield from可以讓我們避免讓我們自己處理各種料想不到的異常，而讓我們專注於業務代碼的實現。
如果自己用yield去實現，那只會加大代碼的編寫難度，降低開發效率，降低代碼的可讀性。既然Python已經想得這么周到，我們當然要好好利用起來。
講解它之前，首先要知道這個幾個概念
1、
調用方：調用委派生成器的客戶端（調用方）代碼
2、委托生成器：包含yield from表達式的生成器函數
3、子生成器：yield from后面加的生成器函數
你可能不知道他們都是什么意思，沒關系，來看下這個例子。
這個例子，是實現實時計算平均值的。
比如，第一次傳入10，那返回平均數自然是10.
第二次傳入20，那返回平均數是(10+20)/2=15
第三次傳入30，那返回平均數(10+20+30)/3=20
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
count += 1
total += new_num
average = total/count
# 委托生成器
def proxy_gen():
while True:
yield from average_gen()
# 調用方
def main():
calc_average = proxy_gen()
next(calc_average) # 預激下生成器
print(calc_average.send(10)) # 打印：10.0
print(calc_average.send(20)) # 打印：15.0
print(calc_average.send(30)) # 打印：20.0
if __name__ == '__main__':
main()
認真閱讀以上代碼，你應該很容易能理解，調用方、委托生成器、子生成器之間的關系。我就不多說了
委托生成器的作用是：在調用方與子生成器之間建立一個雙向通道。
所謂的雙向通道是什么意思呢？
調用方可以通過send()直接發送消息給子生成器，而子生成器yield的值，也是直接返回給調用方。
你可能會經常看到有些代碼，還可以在yield from前面看到可以賦值。這是什么用法？
你可能會以為，子生成器yield回來的值，被委托生成器給攔截了。你可以親自寫個demo運行試驗一下，並不是你想的那樣。
因為我們之前說了，委托生成器，只起一個橋梁作用，它建立的是一個雙向通道，它並沒有權利也沒有辦法，對子生成器yield回來的內容做攔截。
為了解釋這個用法，我還是用上述的例子，並對其進行了一些改造。添加了一些注釋，希望你能看得明白。
按照慣例，我們還是舉個例子。
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
if new_num is None:
break
count += 1
total += new_num
average = total/count
# 每一次return，都意味着當前協程結束。
return total,count,average
# 委托生成器
def proxy_gen():
while True:
# 只有子生成器要結束（return）了，yield from左邊的變量才會被賦值，后面的代碼才會執行。
total, count, average = yield from average_gen()
print("計算完畢！！\n總共傳入 {} 個數值， 總和：{}，平均數：{}".format(count, total, average))
# 調用方
def main():
calc_average = proxy_gen()
next(calc_average) # 預激協程
print(calc_average.send(10)) # 打印：10.0
print(calc_average.send(20)) # 打印：15.0
print(calc_average.send(30)) # 打印：20.0
calc_average.send(None) # 結束協程
# 如果此處再調用calc_average.send(10)，由於上一協程已經結束，將重開一協程
if __name__ == '__main__':
main()
運行后，輸出
10.0
15.0
20.0
計算完畢！！
總共傳入 3 個數值， 總和：60，平均數：20.0
. 為什么要使用yield from#
學到這里，我相信你肯定要問，既然委托生成器，起到的只是一個雙向通道的作用，我還需要委托生成器做什么？我調用方直接調用子生成器不就好啦？
高能預警~~~
下面我們來一起探討一下，到底yield from 有什么過人之處，讓我們非要用它不可。
因為它可以幫我們處理異常#
如果我們去掉委托生成器，而直接調用子生成器。那我們就需要把代碼改成像下面這樣，我們需要自己捕獲異常並處理。而不像使yield from那樣省心。
# 子生成器
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
if new_num is None:
break
count += 1
total += new_num
average = total/count
return total,count,average
# 調用方
def main():
calc_average = average_gen()
next(calc_average) # 預激協程
print(calc_average.send(10)) # 打印：10.0
print(calc_average.send(20)) # 打印：15.0
print(calc_average.send(30)) # 打印：20.0
# ----------------注意-----------------
try:
calc_average.send(None)
except StopIteration as e:
total, count, average = e.value
print("計算完畢！！\n總共傳入 {} 個數值， 總和：{}，平均數：{}".format(count, total, average))
# ----------------注意-----------------
if __name__ == '__main__':
main()
此時的你，可能會說，不就一個StopIteration的異常嗎？自己捕獲也沒什么大不了的。
你要是知道yield from在背后為我們默默無聞地做了哪些事，你就不會這樣說了。
具體yield from為我們做了哪些事，可以參考如下這段代碼。
#一些說明
"""
_i：子生成器，同時也是一個迭代器
_y：子生成器生產的值
_r：yield from 表達式最終的值
_s：調用方通過send()發送的值
_e：異常對象
"""
_i = iter(EXPR)
try:
_y = next(_i)
except StopIteration as _e:
_r = _e.value
else:
while 1:
try:
_s = yield _y
except GeneratorExit as _e:
try:
_m = _i.close
except AttributeError:
pass
else:
_m()
raise _e
except BaseException as _e:
_x = sys.exc_info()
try:
_m = _i.throw
except AttributeError:
raise _e
else:
try:
_y = _m(*_x)
except StopIteration as _e:
_r = _e.value
break
else:
try:
if _s is None:
_y = next(_i)
else:
_y = _i.send(_s)
except StopIteration as _e:
_r = _e.value
break
RESULT = _r
以上的代碼，稍微有點復雜，有興趣的同學可以結合以下說明去研究看看。
- 迭代器（即可指子生成器）產生的值直接返還給調用者
- 任何使用send()方法發給委派生產器（即外部生產器）的值被直接傳遞給迭代器。如果send值是None，則調用迭代器next()方法；如果不為None，則調用迭代器的send()方法。如果對迭代器的調用產生StopIteration異常，委派生產器恢復繼續執行yield from后面的語句；若迭代器產生其他任何異常，則都傳遞給委派生產器。
- 子生成器可能只是一個迭代器，並不是一個作為協程的生成器，所以它不支持.throw()和.close()方法,即可能會產生AttributeError 異常。
- 除了GeneratorExit 異常外的其他拋給委派生產器的異常，將會被傳遞到迭代器的throw()方法。如果迭代器throw()調用產生了StopIteration異常，委派生產器恢復並繼續執行，其他異常則傳遞給委派生產器。
- 如果GeneratorExit異常被拋給委派生產器，或者委派生產器的close()方法被調用，如果迭代器有close()的話也將被調用。如果close()調用產生異常，異常將傳遞給委派生產器。否則，委派生產器將拋出GeneratorExit 異常。
- 當迭代器結束並拋出異常時，yield from表達式的值是其StopIteration 異常中的第一個參數。
- 一個生成器中的return expr語句將會從生成器退出並拋出 StopIteration(expr)異常。
沒興趣看的同學，只要知道，yield from幫我們做了很多的異常處理，而且全面，而這些如果我們要自己去實現的話，一個是編寫代碼難度增加，寫出來的代碼可讀性極差，這些我們就不說了，最主要的是很可能有遺漏，只要哪個異常沒考慮到，都有可能導致程序崩潰什么的。