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《Python Yield Generator 详解》中介绍了yield和generator的使用场景和主意事项，只用到了generator的next方法，事实上generator还有更强大的功能。PEP 342为generator增加了一系列方法来使得generator更像一个协程Coroutine。做主要的变化在于早期的yield只能返回值(作为数据的产生者)， 而新增加的send方法能在generator恢复的时候消费一个数值，而去caller(generator的调用着)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)方法恢复的时候，将some_data赋值给back_data.例如：
1. def gen(data):
2.
3. 'before yield', data
4.
5. back_data = yield data
6.
7. 'after resume', back_data
8.
9.
10.
11. if __name__ == '__main__':
12.
13. g = gen(1)
14.
15. next()
16.
17. try:
18.
19. g.send(0)
20.
21. except
22.
23. pass输出：
1. before yield 1
2.
3. 1
4.
5. after两点需要注意：
- next() 等价于 send(None)
- 第一次调用时，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，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:
1. word_map = {}
2.
3. def consume_data_from_file(file_name, consumer):
4.
5. for line in
6.
7. consumer.send(line)
8.
9. def consume_words(consumer):
10.
11. True:
12.
13. line = yield
14.
15. for word in (w for w in
16.
17. consumer.send(word)
18.
19. def count_words_consumer():
20.
21. True:
22.
23. word = yield
24.
25. not in
26.
27. word_map[word] = 0
28.
29. word_map[word] += 1
30.
31. print word_map
32.
33. if __name__ == '__main__':
34.
35. cons = count_words_consumer()
36.
37. next()
38.
39. cons_inner = consume_words(cons)
40.
41. next()
42.
43. 'test.txt', cons_inner)
44.
45. 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。
1. def consumer(func):
2.
3. def wrapper(*args,**kw):
4.
5. gen = func(*args, **kw)
6.
7. next()
8.
9. return
10.
11. wrapper.__name__ = func.__name__
12.
13. wrapper.__dict__ = func.__dict__
14.
15. wrapper.__doc__ = func.__doc__
16.
17. return修改后的代码：
1. def consumer(func):
2.
3. def wrapper(*args,**kw):
4.
5. gen = func(*args, **kw)
6.
7. next()
8.
9. return
10.
11. wrapper.__name__ = func.__name__
12.
13. wrapper.__dict__ = func.__dict__
14.
15. wrapper.__doc__ = func.__doc__
16.
17. return
18.
19. word_map = {}
20.
21. def consume_data_from_file(file_name, consumer):
22.
23. for line in
24.
25. consumer.send(line)
26.
27. @consumer
28.
29. def consume_words(consumer):
30.
31. True:
32.
33. line = yield
34.
35. for word in (w for w in
36.
37. consumer.send(word)
38.
39. @consumer
40.
41. def count_words_consumer():
42.
43. True:
44.
45. word = yield
46.
47. not in
48.
49. word_map[word] = 0
50.
51. word_map[word] += 1
52.
53. print word_map
54.
55. if __name__ == '__main__':
56.
57. cons = count_words_consumer()
58.
59. cons_inner = consume_words(cons)
60.
61. 'test.txt', cons_inner)
62.
63. print word_map
64.
65. example_with_decogenerator 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)。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：
1. @consumer
2.
3. def gen_throw():
4.
5. value = yield
6.
7. try:
8. yield value
9.
10. except
11.
12. yield str(e) # 如果注释掉这行，那么会抛出StopIteration
13.
14. if __name__ == '__main__':
15.
16. g = gen_throw()
17.
18. assert g.send(5) == 5
19.
20. 'throw Exception') == 'throw Exception'第一次调用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
1. @consumer
2.
3. def funcA():
4.
5. True:
6.
7. data = yield
8.
9. 'funcA recevie', data
10.
11. fb.send(data * 2)
12.
13. @consumer
14.
15. def funcB():
16.
17. True:
18.
19. data = yield
20.
21. 'funcB recevie', data
22.
23. fa.send(data * 2)
24.
25. fa = funcA()
26.
27. fb = funcB()
28.
29. if __name__ == '__main__':
30.
31. fa.send(10)输出：
1. funcA recevie 10
2.
3. funcB recevie 20
4.
5. ValueError: generator already executingGenerator 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，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：
1. @yield_dec
2.
3. def do(a):
4.
5. 'do', a
6.
7. try：
8.
9. event ＝ yield 5
10.
11. 'post_do', a， event
12.
13. finally：
14.
15. '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
作者：佚名
