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函数通过生成器函数实现协程，核心在于
yield
关键字的暂停与恢复能力，以及
generator.send()
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
表达式时，它就变成了一个生成器。而当这个
yield
表达式能够接收外部传入的值时（通过
send()
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
，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
关键字，它就会暂停执行，将
yield
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()
或
send()
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()
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
表达式处时，调用
generator.send(value)
，这个
value
就会成为
yield
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}")
这段代码展示了协程如何通过
yield
暂停，并通过
send()
接收外部数据并继续执行。第一次
next(my_coro)
是为了“预激”协程，让它运行到第一个
yield
语句并暂停。因为第一个
yield
表达式在没有
send()
的情况下，其返回值是
None
。
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)
是向协程内部传递数据的主要方式。当协程在
yield
表达式处暂停时，
send()
方法将
value
注入到该
yield
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
）之前就使用
send()
发送非
None
的值。因为协程还没运行到
yield
，没有地方可以接收这个值。所以，通常的模式是先调用
next(generator)
来“预激”协程，或者直接调用
generator.send(None)
，这两种方式的效果是一样的，都是让协程运行到第一个
yield
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)
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}")
在这个例子中，
throw()
方法在
yield
暂停处注入了
ValueError
，协程内部的
try...except
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()
的地方被捕获。
关闭协程：
generator.close()
方法用于关闭一个生成器协程。当调用
close()
时，生成器会在当前
yield
处抛出一个
GeneratorExit
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
。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
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
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
和
yield from
（在Python 3.3引入，用于委托给子生成器，是
async/await
的前身）以及
send()
,
throw()
,
close()
等方法。代码看起来更像普通的生成器。
async/await
： 引入了
async def
定义协程函数，
await
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
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
： 明确地将协程定义为一种特殊的函数，
await
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
这样的标准库和框架的直接、强大支持。
async/await
： 它是Python官方推荐的异步编程方式，得到了
asyncio
、
aiohttp
、
FastAPI
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
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
并非凭空出现，它在很大程度上是基于生成器（尤其是
yield from
）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
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
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
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。
所以，即便你现在主要使用
async/await
，花时间理解生成器协程的工作方式，会让你成为一个更全面的Python开发者，能够更好地理解和驾驭Python的并发能力。它就像是学习了编程语言的汇编，虽然日常不常用，但关键时刻能帮你解决大问题。
以上就是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的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1367581.html
微信扫一扫 
支付宝扫一扫 
