　　好程式設計師 Python培訓分享深入理解yield from語法，當你看到這一篇的時候，請確保你對生成器的知識，有一定的瞭解。當然不瞭解，也沒有關係，你只要花個幾分鐘的時間，來看下我上一篇文章，就能夠讓你認識生成器，入門協程了。

再次提醒 ：
本系列所有的程式碼均在Python3下編寫，也建議大家儘快投入到Python3的懷抱中來。

本文目錄

· 為什麼要使用協程

· yield from的用法詳解

· 為什麼要使用yield from

. 為什麼要使用協程

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，只知道協程是個什麼東西，但並不知道為什麼要用協程？換句話來說，並不知道在什麼情況下用協程？
它相比多執行緒來說，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，這裡簡單舉例兩個網頁(兩個spider函式)，獲取HTML（耗IO耗時），然後再對HTML對行解析取得我們感興趣的資料。

我們的程式碼結構精簡如下：

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資料極其龐大，這個等待時間就非常驚人，是極大的浪費。

聰明的程式設計師，當然會想如果能在 get_html() 這裡暫停一下，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，然後還可以接下去解析 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。可以實現在某一函式中暫停的效果。

試著思考一下，假如沒有協程，我們要寫一個併發程式。可能有以下問題

1）使用最常規的同步程式設計要實現非同步併發效果並不理想，或者難度極高。
2）由於GIL鎖的存在，多執行緒的執行需要頻繁的加鎖解鎖，切換執行緒，這極大地降低了併發效能；

而協程的出現，剛好可以解決以上的問題。它的特點有

00001. 協程是在單執行緒裡實現任務的切換的

00002. 利用同步的方式去實現非同步

00003. 不再需要鎖，提高了併發效能

. 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 後面需要加的是可迭代物件，它可以是普通的可迭代物件，也可以是迭代器，甚至是生成器。

簡單應用：拼接可迭代物件

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後面加上可迭代物件，他可以把可迭代物件裡的每個元素一個一個的yield出來，對比yield來說程式碼更加簡潔，結構更加清晰。

複雜應用：生成器的巢狀

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後面。

當 yield from 後面加上一個生成器後，就實現了生成的巢狀。

當然實現生成器的巢狀，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程式碼的實現。
如果自己用 yield 去實現，那隻會加大程式碼的編寫難度，降低開發效率，降低程式碼的可讀性。既然Python已經想得這麼周到，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、呼叫方：呼叫委派生成器的客戶端（呼叫方）程式碼
2、委託生成器：包含yield from表示式的生成器函式
3、子生成器：yield from後面加的生成器函式

你可能不知道他們都是什麼意思，沒關係，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

# 委託生成器 def proxy_gen ():

while True :

yield from average_gen ()

# 呼叫方 def main ():

calc_average = proxy_gen()

next (calc_average) # 預激下生成器

print (calc_average . send( 10 )) # 列印：10.0

print (calc_average . send( 20 )) # 列印：15.0

print (calc_average . send( 30 )) # 列印：20.0

if __name__ == '__main__' :

main()

認真閱讀以上程式碼，你應該很容易能理解，呼叫方、委託生成器、子生成器之間的關係。我就不多說了

委託生成器的作用是 ：在呼叫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麼意思呢？
呼叫方可以透過 send() 直接傳送訊息給子生成器，而子生成器yield的值，也是直接返回給呼叫方。

你可能會經常看到有些程式碼，可以在 yield from 前面看到可以賦值。這是什麼用法？

你可能會以為，子生成器yield回來的值，被委託生成器給攔截了。你可以親自寫個demo執行試驗一下，並不是你想的那樣。
因為我們之前說了，委託生成器，只起一個橋樑作用，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。新增了一些註釋，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，都意味著當前協程結束。

return total,count,average

# 委託生成器 def proxy_gen ():

while True :

# 只有子生成器要結束（return）了，yield from左邊的變數才會被賦值，後面的程式碼才會執行。

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))

# 呼叫方 def main ():

calc_average = proxy_gen()

next (calc_average) # 預激協程

print (calc_average . send( 10 )) # 列印：10.0

print (calc_average . send( 20 )) # 列印：15.0

print (calc_average . send( 30 )) # 列印：20.0

calc_average . send( None ) # 結束協程

# 如果此處再呼叫calc_average.send(10)，由於上一協程已經結束，將重開一協程

if __name__ == '__main__' :

main()

執行後，輸出

10.015.020.0 計算完畢！！總共傳入 3 個數值，總和： 60 ，平均數： 20.0

. 為什麼要使用yield from

學到這裡，我相信你肯定要問，既然委託生成器，起到的只是一個雙向通道的作用，我還需要委託生成器做什麼？我呼叫方直接呼叫子生成器不就好啦？

高能預警~~~

下面我們來一起探討一下，到底yield from 有什麼過人之處，讓我們非要用它不可。

因為它可以幫我們處理異常

如果我們去掉委託生成器，而直接呼叫子生成器。那我們就需要把程式碼改成像下面這樣，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

# 呼叫方 def main ():

calc_average = average_gen()

next (calc_average) # 預激協程

print (calc_average . send( 10 )) # 列印：10.0

print (calc_average . send( 20 )) # 列印：15.0

print (calc_average . send( 30 )) # 列印：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？自己捕獲也沒什麼大不了的。

你要是知道 yield from 在背後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，可以參考如下這段程式碼。

#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 表示式最終的值_s：呼叫方透過send()傳送的值_e：異常物件"""

_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

以上的程式碼，稍微有點複雜，有興趣的同學可以結合以下說明去研究看看。

00001. 迭代器（即可指子生成器）產生的值直接返還給呼叫者

00002. 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，則呼叫迭代器next()方法；如果不為None，則呼叫迭代器的send()方法。如果對迭代器的呼叫產生StopIteration異常，委派生產器恢復繼續執行yield from後面的語句；若迭代器產生其他任何異常，則都傳遞給委派生產器。

00003. 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，所以它不支援.throw()和.close()方法,即可能會產生AttributeError 異常。

00004. 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()呼叫產生了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。

00005. 如果GeneratorExit異常被拋給委派生產器，或者委派生產器的close()方法被呼叫，如果迭代器有close()的話也將被呼叫。如果close()呼叫產生異常，異常將傳遞給委派生產器。否則，委派生產器將丟擲GeneratorExit 異常。

00006. 當迭代器結束並丟擲異常時，yield from表示式的值是其StopIteration 異常中的第一個引數。

00007. 一個生成器中的return expr語句將會從生成器退出並丟擲 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，一個是編寫程式碼難度增加，寫出來的程式碼可讀性極差，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，都有可能導致程式崩潰什麼的。

好程式設計師Python培訓分享深入理解yield from語法

本文目錄

. 為什麼要使用協程

. yield from的用法詳解

. 為什麼要使用yield from

因為它可以幫我們處理異常

相關文章