從今天開始，我們将開始進入Python的難點，那就是
協程
。
為了寫明白協程的知識點，我查閱了網上的很多相關資料。發現很難有一個講得系統，講得全面的文章，導緻我們在學習的時候，往往半知半解，學完還是一臉懵逼。
學習協程的第一門課程，是要認識
生成器
，有了
生成器
的基礎，才能更好地了解
協程
。
如果你是新手，那麼你應該知道
疊代器
，對
生成器
應該是比較陌生的吧。沒關系，看完這系列文章，你也能從小白成功過渡為Ptyhon高手。
1. 可疊代、疊代器、生成器
初學Python的時候，對于這三貨真的是傻傻分不清。甚至還認為他們是等價的。
其實，他們是不一樣的。
可疊代的對象，很好了解，我們很熟悉的：
字元串
，
list
，
dict
，
tuple
，
deque
等
為了驗證我說的，需要借助
collections.abc
這個子產品(Python2沒有)，使用
isinstance()
來類别一個對象是否是可疊代的(
Iterable
)，是否是疊代器(
Iterator
)，是否是生成器(
Generator
)。
這幾個判斷方法，在這裡适用，但并不是絕對适用，原因見後面補充說明。
import collectionsfrom collections.abc import Iterable, Iterator, Generator# 字元串astr = "XiaoMing"print("字元串：{}".format(astr))print(isinstance(astr, Iterable))print(isinstance(astr, Iterator))print(isinstance(astr, Generator))# 清單alist = [21, 23, 32,19]print("清單：{}".format(alist))print(isinstance(alist, Iterable))print(isinstance(alist, Iterator))print(isinstance(alist, Generator))# 字典adict = {"name": "小明", "gender": "男", "age": 18}print("字典：{}".format(adict))print(isinstance(adict, Iterable))print(isinstance(adict, Iterator))print(isinstance(adict, Generator))# dequeadeque=collections.deque('abcdefg')print("deque：{}".format(adeque))print(isinstance(adeque, Iterable))print(isinstance(adeque, Iterator))print(isinstance(adeque, Generator))
輸出結果
字元串：XiaoMingTrueFalseFalse清單：[21, 23, 32, 19]TrueFalseFalse字典：{'name': '小明', 'gender': '男', 'age': 18}TrueFalseFalsedeque：deque(['a', 'b', 'c', 'd', 'e', 'f', 'g'])TrueFalseFalse
從結果來看，這些可疊代對象都不是疊代器，也不是生成器。它們有一個共同點，就是它們都可以使用
for
來循環。這一點，大家都知道，我們就不去驗證了。
關于可疊代對象，有幾點需要補充說明
- 可以通過，
dir()
__iter__
- 判斷是否可疊代，不能僅看是否有
__iter__
__getitem__
__iter__
__getitem__
- 是以，最好的判斷方法應該是通過
for循環
iter()
接下來是，
疊代器
。對比可疊代對象，
疊代器
其實就隻是多了一個函數而已。就是
__next__()
，我們可以不再使用
for
循環來間斷擷取元素值。而可以直接使用next()方法來實作。
疊代器，是在可疊代的基礎上實作的。要建立一個疊代器，我們首先，得有一個可疊代對象。現在就來看看，如何建立一個可疊代對象，并以可疊代對象為基礎建立一個疊代器。
from collections.abc import Iterable, Iterator, Generatorclass MyList(object): # 定義可疊代對象類 def __init__(self, num): self.end = num # 上邊界 # 傳回一個實作了__iter__和__next__的疊代器類的執行個體 def __iter__(self): return MyListIterator(self.end)class MyListIterator(object): # 定義疊代器類 def __init__(self, end): self.data = end # 上邊界 self.start = 0 # 傳回該對象的疊代器類的執行個體；因為自己就是疊代器，是以傳回self def __iter__(self): return self # 疊代器類必須實作的方法，若是Python2則是next()函數 def __next__(self): while self.start < self.data: self.start += 1 return self.start - 1 raise StopIterationif __name__ == '__main__': my_list = MyList(5) # 得到一個可疊代對象 print(isinstance(my_list, Iterable)) # True print(isinstance(my_list, Iterator)) # False # 疊代 for i in my_list: print(i) my_iterator = iter(my_list) # 得到一個疊代器 print(isinstance(my_iterator, Iterable)) # True print(isinstance(my_iterator, Iterator)) # True # 疊代 print(next(my_iterator)) print(next(my_iterator)) print(next(my_iterator)) print(next(my_iterator)) print(next(my_iterator))
輸出
01234TrueFalseTrueTrue01234
如果上面的代碼太多，也可以看這邊，你更能了解。
from collections.abc import IteratoraStr = 'abcd' # 建立字元串，它是可疊代對象aIterator = iter(aStr) # 通過iter()，将可疊代對象轉換為一個疊代器print(isinstance(aIterator, Iterator)) # Truenext(aIterator) # anext(aIterator) # bnext(aIterator) # cnext(aIterator) # d
補充說明:
- 疊代器，是其内部實作了，
__next__
- 可以通過，
dir()
__next__
接下來，是我們的重點，
生成器
。
生成器的概念在 Python 2.2 中首次出現，之是以引入生成器，是為了實作一個在計算下一個值時不需要浪費空間的結構。
前面我們說，疊代器，是在可疊代的基礎上，加了一個next()方法。而生成器，則是在疊代器的基礎上(
可以用for循環，可以使用next()
)，再實作了
yield
。
yield
是什麼東西呢，它相當于我們函數裡的return。在每次next()，或者for周遊的時候，都會yield這裡将新的值傳回回去，并在這裡阻塞，等待下一次的調用。正是由于這個機制，才使用生成器在Python程式設計中大放異彩。實作節省記憶體，實作異步程式設計。
如何建立一個生成器，主要有如下兩種方法
- 使用清單生成式
# 使用清單生成式，注意不是[]，而是()L = (x * x for x in range(10))print(isinstance(L, Generator)) # True
- 實作yield的函數
# 實作了yield的函數def mygen(n): now = 0 while now < n: yield now now += 1if __name__ == '__main__': gen = mygen(10) print(isinstance(gen, Generator)) # True
可疊代對象和疊代器，是将所有的值都生成存放在記憶體中，而
生成器
則是需要元素才臨時生成，節省時間，節省空間。
2. 如何運作/激活生成器
由于生成器并不是一次生成所有元素，而是一次一次的執行傳回，那麼如何刺激生成器執行(或者說激活)呢？
激活主要有兩個方法
- 使用
next()
- 使用
generator.send(None)
分别看下例子，你就知道了。
def mygen(n): now = 0 while now < n: yield now now += 1if __name__ == '__main__': gen = mygen(4) # 通過交替執行，來說明這兩種方法是等價的。 print(gen.send(None)) print(next(gen)) print(gen.send(None)) print(next(gen))
輸出
0123
3. 生成器的執行狀态
生成器在其生命周期中，會有如下四個狀态
# 等待開始執行GEN_CREATED
# 解釋器正在執行(隻有在多線程應用中才能看到這個狀态)GEN_RUNNING
# 在yield表達式處暫停GEN_SUSPENDED
# 執行結束GEN_CLOSED
通過代碼來感受一下，為了不增加代碼了解難度，
GEN_RUNNING
這個狀态，我就不舉例了。有興趣的同學，可以去嘗試一下多線程。若有疑問，可在背景回複我。
from inspect import getgeneratorstatedef mygen(n): now = 0 while now < n: yield now now += 1if __name__ == '__main__': gen = mygen(2) print(getgeneratorstate(gen)) print(next(gen)) print(getgeneratorstate(gen)) print(next(gen)) gen.close() # 手動關閉/結束生成器 print(getgeneratorstate(gen))
輸出
GEN_CREATED0GEN_SUSPENDED1GEN_CLOSED
4. 生成器的異常處理
在生成器工作過程中，若生成器不滿足生成元素的條件，就
會
/
應該
抛出異常(
StopIteration
)。
通過清單生成式建構的生成器，其内部已經自動幫我們實作了抛出異常這一步。不信我們來看一下。
是以我們在自己定義一個生成器的時候，我們也應該在不滿足生成元素條件的時候，抛出異常。拿上面的代碼來修改一下。
def mygen(n): now = 0 while now < n: yield now now += 1 raise StopIterationif __name__ == '__main__': gen = mygen(2) next(gen) next(gen) next(gen)
5. 從生成器過渡到協程：yield
通過上面的介紹，我們知道生成器為我們引入了暫停函數執行(
yield
)的功能。當有了暫停的功能之後，人們就想能不能在生成器暫停的時候向其發送一點東西(其實上面也有提及：
send(None)
)。這種向暫停的生成器發送資訊的功能通過
PEP 342
進入
Python 2.5
中，并催生了
Python
中
協程
的誕生。根據
wikipedia
中的定義
協程是為非搶占式多任務産生子程式的計算機程式元件，協程允許不同入口點在不同位置暫停或開始執行程式。
注意從本質上而言，協程并不屬于語言中的概念，而是程式設計模型上的概念。
協程和線程，有
相似點
，多個協程之間和線程一樣，隻會交叉串行執行；也有
不同點
，線程之間要頻繁進行切換，加鎖，解鎖，從複雜度和效率來看，和協程相比，這确是一個痛點。協程通過使用
yield
暫停生成器，可以将程式的執行流程交給其他的子程式，進而實作不同子程式的之間的交替執行。
下面通過一個簡明的示範來看看，如何向生成器中發送消息。
def jumping_range(N): index = 0 while index < N: # 通過send()發送的資訊将指派給jump jump = yield index if jump is None: jump = 1 index += jumpif __name__ == '__main__': itr = jumping_range(5) print(next(itr)) print(itr.send(2)) print(next(itr)) print(itr.send(-1))
輸出。
0232
這裡解釋下為什麼這麼輸出。重點是
jump = yield index
這個語句。
分成兩部分：
-
yield index
return
-
jump = yield
jump
以上這些，都是講協程并發的基礎必備知識，請一定要親自去實踐并了解它，不然後面的内容，将會變得枯燥無味，晦澀難懂。
文末福利
本人原創的 《PyCharm 中文指南》一書前段時間一經釋出，就火爆了整個 Python 圈，釋出僅一天的時間，下載下傳量就突破了 1000 ，并且在當天就在 Github 上就收獲了數百的 star，截至目前，下載下傳量已經破萬。
這本書一共将近 200 頁，内含大量的圖解，制作之精良，值得每個 Python 工程師 人手一份。
為友善你下載下傳，我将這本書上傳到 百度網盤上了，點贊 + 轉發 本篇文章後可自行擷取。
連結：https://pan.baidu.com/s/1-NzATHFtaTV1MQzek70iUQ密碼：mft3