内容摘要：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《

本文主要介绍python中Enhanced generator即coroutine相关内容，增强包括基本语法、成器使用场景、协程注意事项，增强以及与其他语言协程实现的成器异同。

enhanced generator

在上文《Python Yield Generator 详解》中介绍了yield和generator的协程使用场景和主意事项，只用到了generator的增强next方法，事实上generator还有更强大的成器功能。PEP 342为generator增加了一系列方法来使得generator更像一个协程Coroutine。协程做主要的增强变化在于早期的yield只能返回值(作为数据的产生者)， 而新增加的成器send方法能在generator恢复的时候消费一个数值，而去caller(generator的协程调用着)也可以通过throw在generator挂起的主动抛出异常。

back_data = yield cur_ret 

这段代码的增强意思是：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)方法恢复的成器时候，将some_data赋值给back_data.例如：

def gen(data):     print before yield,协程 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) ***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，否则会出错的亿华云计算，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)。云服务器下面详细介绍一下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  

***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，站群服务器什么时候切换回来。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