《流暢的Python》筆記。

本篇主要討論一個與生成器看似無關，但實際非常相關的概念：協程。

1. 前言

說到協程(Coroutine)，如果是剛接觸Python不久的新手，估計第一個反應是：懵逼，這是個什麼玩意兒？有一點基礎的小夥伴可能會想到程式和執行緒。

其實，和子程式（或者說函式）一樣，協程也是一種程式元件。Donald Knuth曾經說過，子程式是協程的特例。我們都知道，一個子程式就是一次函式呼叫，它只有一個入口和一個出口：呼叫者呼叫子程式，子程式執行完畢，將結果返回給呼叫者。而協程則是多入口和多出口的子程式：呼叫者可以不止一個，執行過程中可以暫停，輸出結果也可以不止一個。

協程和程式、執行緒也是有關係的：為了實現併發，高效利用系統資源，於是有了程式；為了實現更高的併發，以及減小程式切換時的上下文開銷，於是有了執行緒；但即便執行緒切換時的開銷小了，如果執行緒數量一多(比如10K個)，這時的上下文切換也不可小覷，於是線上程中加入了協程(這裡之所以是“加入”，是因為協程的概念出現得比執行緒要早)。協程執行在一個執行緒當中，不會發生執行緒的切換，並且，它的啟停可以由使用者自行控制。由於協程在一個執行緒中執行，所以在共享資源時不需要加鎖。

補充：以後有機會單獨出一篇詳細介紹程式、執行緒和協程的文章。

2. 迭代器、生成器和協程

這三者本不應該放在一起，之所以放在一起，是因為生成器將迭代器和協程聯絡了起來，或者說yield關鍵字將這三者聯絡了起來：生成器可以作為迭代器，生成器又是協程比不可少的組成部分。但千萬不要把迭代器用作協程，也別把協程用作迭代器！這兩者並不應該存在關係。

yield關鍵字背後的機制很強大，它不僅能向使用者提供資料，還能從使用者那裡獲取資料。而迭代器、生成器和協程這三個概念其實是對yield關鍵字用法的取捨：

• 凡是含有關鍵字yield或者yield from的函式都是生成器，不管你是用來幹啥；
• 如果只是用yield來生成資料，或者說向使用者提供資料，那麼這個生成器可以看做迭代器(用作迭代器的生成器)；
• 如果還想用yield來獲取外部的資料，實現雙向資料交換，那麼這個生成器可看做協程(用作協程的生成器)。

這裡先列舉出迭代器和協程在程式碼上最直觀的區別：

def my_iter(): # 用作迭代器的生成器
    yield 1;  # 作為迭代器，yield關鍵字後面會跟一個資料
    yield 2;  # 且不關心yield的返回值，沒有賦值語句
    
def my_co(): # 用作協程的生成器
    x = yield    # 這種寫法表示希望從使用者處獲取資料，而不向使用者提供資料(其實提供的是None)
    y = yield 1  # 這種寫法表示既向使用者提供資料，也希望得到使用者的反饋
複製程式碼

3. 協程

本節主要包括協程的執行過程，協程的4個狀態，協程的預激，協程的終止和異常處理，協程的返回值。

3.1 協程的執行

協程本身有4個狀態(其實就是生成器的4個狀態)，可以使用inspect.getgeneratorstate()函式來確定：

• GEN_CREATED：等待開始執行；
• GEN_RUNNING：直譯器正在執行，多執行緒時能看到這個狀態；
• GEN_SUSPENDED：在yield表示式處暫停時的狀態；
• GEN_CLOSED：執行結束。

下面通過一個簡單的例子來說明這四個狀態以及協程的執行過程：

>>> def simple_coro(a):
...     print("Started a =", a)
...     b = yield a
...     print("Received b =", b)
...     c = yield a + b
...     print("End with c=", c)
...    
>>> from inspect import getgeneratorstate
>>> my_coro = simple_coro(1)
>>> getgeneratorstate(my_coro)
'GEN_CREATED'       # 剛建立的協程所處的狀態，這時協程還沒有被啟用
>>> next(my_coro)   ### 第一次呼叫next()叫做預激，這一步非常重要！ ###
Started a = 1
1
>>> >>> getgeneratorstate(my_coro)
'GEN_SUSPENDED'     # 在yield表示式處暫停時的狀態
>>> my_coro.send(2) # 通過.send()方法將使用者的資料傳給協程
Received b = 2
3
>>> my_coro.send(3)
End with c= 3
Traceback (most recent call last):
  File "<input>", line 1, in <module>
StopIteration       # 協程(生成器)結束，丟擲StopIteration
>>> getgeneratorstate(my_coro)
'GEN_CLOSED'        # 協程結束後的狀態
複製程式碼

解釋：

• 剛建立的協程並沒有啟用，對協程的第一次next()呼叫就是預激，這一步非常重要，它將執行到第一yield表示式處並暫停。對於沒有預激的協程，在呼叫.send(value)時，如果value不是None，直譯器將丟擲異常。對於預激，既可以呼叫next()函式，也可以.send(None)(此時會被特殊處理)。但對於yield from來說則不用預激，它會自動預激。
• .send()方法實現了使用者和協程的互動。yield是一個表示式(上述程式碼中等號的右邊)，它的預設返回值是None，如果使用者通過.send(value)傳入了引數value，那麼這個值將作為協程暫停處的yield表示式的返回值。
• 協程的執行過程：也可以叫做生成器的執行過程。從上一篇中我們知道，呼叫next()函式或.send()方法時，協程會執行到下一個yield表示式處並暫停。具體來說，比如上述程式碼中的b = yield a，程式碼其實是停在等號的右邊，yield a這個表示式還沒有返回，只是把a傳給了使用者，但還沒有計算出yield a表示式的返回值，b因此也沒有被賦值。當程式碼再次執行時，等號右邊的yield a表示式才返回值，並將這個值賦給b。如果通過next()函式讓協程繼續執行，則上一個暫停處的**yield表示式將返回預設值**None(b = None)；如果通過.send(value)讓協程繼續執行，則上一個yield表示式將返回value(b = value)。這也解釋了為什麼要預激協程：如果沒有預激，也就沒有yield表示式與傳入的value相對應，自然也就丟擲異常。

3.2 終止協程和異常處理

協程中沒處理的異常會向上冒泡，傳給next()函式或.send()方法的呼叫方。不過，我們也可以通過.throw()方法手動丟擲異常，還可以通過.close()方法手動結束協程：

• generator.throw(exc_type[, exc_value[, traceback]])：讓生成器在暫停的yield表示式處丟擲指定的異常。如果生成器處理了這個異常，程式碼會向前執行到下一個yield表示式yield a，並將生成的a作為generator.throw()的返回值。如果生成器沒有處理丟擲的異常，則會向上冒泡，並且生成器會終止，狀態轉換成GEN_CLOSED。
• generator.close()：使生成器在暫停處的yield表示式處丟擲GeneratorExit異常。如果生成器沒有處理這個異常，或者處理時丟擲了StopIteration異常，.close()方法直接返回，且不報錯；如果處理GeneratorExit時丟擲了非StopIteration異常，則向上冒泡。

3.3 返回值

從上一篇和本篇的程式碼中，不知道大家發現了一個現象沒有：所有的生成器最後都沒有寫return語句。這其實是有原因的，因為在Python3.3之前，如果生成器返回值，直譯器會報語法錯誤。現在則不會報錯了，但返回的值並不是像普通函式那樣可以直接接收：Python直譯器會把這個返回值繫結到生成器最後丟擲的StopIteration異常物件的value屬性中。示例如下：

>>> def test():
...     yield 1
...     return "This is a test"
...
>>> t = test()
>>> next(t)
1
>>> next(t)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
StopIteration: This is a test   # StopIteration有了附加資訊
>>> t = test()
>>> next(t)
1
>>> try:
...    next(t)
... except StopIteration as si:
...     print(si.value)  # 獲取返回的值
...
This is a test  
複製程式碼

3.4 預激協程的裝飾器

從前文我們知道，如果要使用協程，必須要預激。可以手動通過呼叫next()函式或者.send(None)方法。但有時我們會忘記手動預激，此時，我們可以使用裝飾器來自動預激協程，這個裝飾器如下：

from functools import wraps

def coroutine(func):
    @wraps(func)
    def primer(*args, **kwargs):
        gen = func(*args, **kwargs)
        next(gen)
        return gen
    return primer
複製程式碼

提前預激的生成器只能和yield相容，不能和yield from相容，因為yield from會自動預激。所以請確定你的生成器要不要被放在yield from之後。

4. yield from

上一篇文章說到，對於巢狀生成器，使用yield from能減少很多程式碼，比如：

def y2():
    def y1():  # y1只要是個可迭代物件就行
        yield 1
        yield 2
    # 第一種寫法
    for y in y1():
        yield y
    # 第二種寫法
    # yield from y1()

if __name__ == "__main__":
    for y in y2():
        print(y)
複製程式碼

第二種寫法明顯比第一種簡潔。這是yield from的一個作用：簡化巢狀迴圈。yield from後面還可以跟任意可迭代物件，並不是只能跟生成器。

yield from最重要的作用是起到了類似通道的作用：它能讓客戶端程式碼和子生成器之間進行資料交換。

這裡有幾個術語需要先解釋一下：

• 委派生成器：包含yield from <iterable>表示式的生成器函式。
• 子生成器：上述的<iterable>部分就是子生成器。<iterable>也可以是委派生成器，以此類推下去，形成一個鏈條，但這個鏈條最終以一個只使用yield表示式的簡單生成器結束。
• 呼叫方：呼叫委派生成器的程式碼或物件叫做呼叫方。為了避免歧異，我們把最外層的程式碼，也就是呼叫第一層委派生成器的程式碼叫做客戶端程式碼。

比如上述程式碼，按照沒有yield from語句的寫法，如果客戶端程式碼想通過y2.send(value)向y1傳值，value只能傳到y2這一層，如果想再傳入y1，將要寫大量複雜的程式碼。下面是yield from的說明圖：

結合上圖，可做如下總結：

• yield from和yield在使用上並無太大區別；
• 委派生成器也是生成器。當第一次對委派生成器呼叫next()或.send(None)時，委派生成器會執行到第一個yield from表示式並暫停。當客戶端繼續呼叫委派生成器的.send()，.throw()和.close()等方法時，會“直接”作用到最內層的子生成器上，而不是讓委派生成器的程式碼繼續向前執行。只有當子生成器丟擲StopIteration異常後，委派生成器中的程式碼才繼續執行，並將StopIteration.value的值作為yield from表示式的返回值。

補充(可跳過)

這一小節是yield from的邏輯虛擬碼實現，程式碼較為複雜，看不懂也沒什麼關係，可以跳過，也可直接看最後的總結，並不影響yield from的使用。

### "RESULT = yield from EXPR"語句的等效程式碼
_i = iter(EXPR)  # 得到EXPR的迭代器
try:
    _y = next(_i)  # 預激！還沒有向客戶端生成值
except StopIteration as _e:  # 如果_i丟擲了StopIteration異常
    _r = _e.value  # _i的最後的返回值。這不是最後的生成值！
else:  # 如果呼叫next(_i)一切正常
    while 1:   # 這是一個無限迴圈
        try:
            _s = yield _y  # 向客戶端傳送子生成器生成的值，然後暫停
        except GeneratorExit as _e:  # 如果客戶端呼叫.throw(GeneratorExit)，或者呼叫close方法
            try:  # 首先嚐試獲取_i的close方法，因為_i不一定是生成器，普通迭代器不會實現close方法
                _m = _i.close   
            except AttributeError:
                pass  # 沒有獲取到close方法，什麼也不做
            else:
                _m()  # 如果獲取到了close方法，則呼叫子生成器的close方法
            raise _e  # 最後不管怎樣，都向上丟擲GeneratorExit異常
        except BaseException as _e:  # 如果客戶端通過throw()傳入其它異常
            _x = sys.exc_info()  # 獲取錯誤資訊
            try: # 嘗試獲取_i的throw方法，理由和上面的情況一樣
                _m = _i.throw  
            except AttributeError:  # 如果沒有這個方法
                raise _e            # 則向上丟擲使用者傳入的異常
            else:                   # 如果_i有throw方法，即它是一個子生成器
                try:                
                    _y = _m(*_x)    # 嘗試呼叫子生成器的throw方法
                except StopIteration as _e:
                    _r = _e.value   # 如果子生成器丟擲StopIteration，獲取返回的值
                break               # 並且跳出迴圈
        else:    # 如果在生成器生成值時沒有異常發生
            try: # 試驗證使用者通過.send()方法傳入的值
                if _s is None:  # 如果傳入的是None
                    _y = next(_i)  # 則嘗試呼叫next()，向前繼續執行
                else:  # 如果傳入的不是None，則嘗試呼叫子生成器的send方法
                    _y = _i.send(_s)
                    # 如果子生成器沒有send方法，則向上報AttributeError
            except StopIteration as _e: # 如果子生成器丟擲了StopIteration
                _r = _e.value           # 獲取子生成器返回的值
                break                   # 並跳出迴圈，回覆委派生成器的執行
RESULT = _r # _r就是yield from EXPR最終的返回值，將其賦予RESULT
複製程式碼

從上面這麼長一串程式碼可以看出，如果沒有yield from，而我們又想向最內層的子生成器傳值，這得多麻煩。下面總結出幾點yield from的特性：

• 所有的“直接”其實都是間接的，都是一層一層傳下去，或者一層一層傳上來的，只是我們感覺是直接的而已；
• 呼叫.send(value)將值傳給委派生成器時，如果value是None，則呼叫子生成器的__next__方法；否則，呼叫子生成器的.send(value)；
• 當對委派生成器呼叫.throw()，委派生成器會先確定子生成器有沒有.throw()方法，如果有，則呼叫，如果沒有，則向上丟擲AttributeError異常；
• 當客戶端呼叫委派生成器的.throw(GeneratorExit)或者.close()方法時，委派生成器也會先確定子生成器有沒有.close()方法，如果有，則呼叫子生成器的.close()方法，由子生成器來丟擲GeneratorExit異常，委派生成器將這個異常向上傳遞；如果子類沒有.close()方法，則委派生成器直接丟擲GeneratorExit異常。Python直譯器會捕獲這個異常，但不會顯示異常資訊。
• 只要子生成器丟擲StopIteration異常，不管是使用者通過.throw方法傳遞的，還是子生成器執行結束時丟擲的，都會導致委派生成器繼續向前執行。

5. 協程計算均值

在《Python學習之路26》中，我們分別用類和閉包來實現了平均值的計算，現在，作為本章最後一個例子，我們使用協程來實現平均值的計算，其中還會用到yield from和生成器的返回值：

import inspect

def averager():
    total = 0.0
    count = 0
    average = None
    while True:
        term = yield
        if term is None:
            break
        total += term
        count += 1
        average = total / count
    return average

def grouper(results, key):
    while True:  # 每個迴圈都會新建averager
        results[key] = yield from averager()

def main(data):
    results = {}
    for key, values in data.items():
        group = grouper(results, key)  # 每個迴圈都會新建grouper
        next(group)  # 啟用
        for value in values:
            group.send(value)
        # 此句非常重要，否則不會執行到averager()中的return語句，也就得不到最終的返回值
        group.send(None)  

    print(results)

data = {"list1": [1, 2, 3, 4, 5], "list2": [6, 7, 8, 9, 10]}

if __name__ == "__main__":
    main(data)

# 結果：
{'list1': 3.0, 'list2': 8.0}
複製程式碼

不知道大家看到這段程式碼的時候有沒有什麼疑問。當筆者看到grouper()委派生成器裡的While True:時，非常疑惑：為啥要加個While迴圈呢？如果按這個版本，我們在main中的for迴圈後檢測group的狀態，會發現它是GEN_SUSPENDED，這筆者的強迫症就犯了，怎麼能不是GEN_CLOSED呢？！而且這個版本每當執行完group.send(None)後，在grouper()中又會建立新的averager，然後當main中group更新後，上一個grouper(也就是剛新建了averager的grouper)由於引用數為0，又被回收了。剛新建一個averager就被回收，這不多此一舉嗎？於是筆者將程式碼改成了如下形式：

def grouper(results, key): # 去掉了迴圈
    results[key] = yield from averager()

def main(data):
    results = {}
    for key, values in data.items():
        -- snip --
        try: # 手動捕獲異常
            group.send(None)
        except StopIteration:
            continue
複製程式碼

寫出來後發現程式碼並沒有之前的簡潔，但至少group最後變成了GEN_CLOSED狀態。至於最後怎麼取捨就看各位了。

迎大家關注我的微信公眾號"程式碼港" & 個人網站 www.vpointer.net ~