在协程中，yield 通常出现在表达式的右边，且可以不产出值。yield 是一种流程控制工具，利用它实现协作式多任务：协程用它把控制器让步给中心调度程序。

16.1 生成器如何进化成协程

• 协程指一个过程，这个过程与调用方协作，产出由调用方提供的值；
• 可以使用生成器的 .send()（发送数据）、.throw()（抛出异常到生成器中处理）、.close()（终止生成器）方法进行通信。

16.2 用作协程的生成器的基本行为

def simple_coroutine():
    print('<begin>')
    x = yield
    print('received: {}'.format(x))
    yield
    print('<end>')
    
'''
>>> coro = simple_coroutine()
>>> next(coro)
<begin>
>>> coro.send(42)
received: 42
>>> next(coro)
<end>
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
StopIteration
'''

• 协程的状态可以使用 inspect.getgeneratorstate() 函数确定，包含以下可能状态：
  • GEN_CREATED：以创建实例，还未开始执行；
  • GEN_RUNNING：正在执行过程中；
  • GEN_SUSPENDED：在 yield 处暂停中；
  • GEN_CLOSED：已执行结束；
• 协程的使用主要包括以下步骤：
  • 需要先使用 next() 函数预激（prime）协程，向前执行到第一个 yield 表达式处（也可使用 .send(None)），将产出的值作为 next() 函数的返回值（同生成器）；
  • 仅当协程处于暂停状态才可使用 .send() 方法传入值，传入的值即为 yield 表达式的值（若使用 next() 函数，则相当于传入 None）；
  • 传入值后，协程会继续执行到下一个 yield 处，将产出的值作为 .send() 方法或 next() 函数的返回值；或执行到定义体末尾，抛出异常。

16.3 示例：使用协程计算移动平均值

def averager():  
    total = 0.0  
    count = 0  
    average = None  
    while True:  # <1>  
        term = yield average  # <2>  
        total += term  
        count += 1  
        average = total/count

16.4 预激协程的装饰器

• 可以定义一个预激装饰器，用它装饰生成器函数，调用时直接返回预激后的生成器：

from functools import wraps  
  
def coroutine(func):  
    """Decorator: primes `func` by advancing to first `yield`"""  
    @wraps(func)     # 保留被装饰函数的`__doc__`和`__name__`等基本属性到新的函数中
    def primer(*args, **kwargs):     # 把被装饰的生成器函数替换为这个新的生成器函数
        gen = func(*args, **kwargs)  # 创建生成器对象
        next(gen)                    # 预激生成器
        return gen
    return primer

• 使用 yield from 句法调用协程时，会自动预激（见16.7 节）。

16.5 终止协程和异常处理

• 协程内部没有处理异常而有异常抛出时，协程会终止，未处理的异常会向上冒泡。因此可以通过发送哨符（None 和 Ellipsis 等）来终止协程。此时重新激活协程会抛出 StopIteration 异常；
• 生成器的 .throw(exc_type, [exc_value], [traceback]) 方法可以显示地在生成器的 yield 表达式处抛出指定异常。如果生成器处理了该异常，则会继续执行到下一个 yield 处并产出值，作为 .throw() 方法的返回值；否则该异常会向上冒泡；
• .close() 方法在生成器的 yield 表达式处抛出 GeneratorExit 异常，本质上是利用生成器抛出异常会终止协程的特点来终止协程：
  • 如果生成器捕获了该异常并继续产出值，则会在调用方抛出 RuntimeError 异常（相当于尝试关闭失败）；
  • 否则（没有处理这个异常，或处理异常后继续执行到生成器定义体结束而抛出 StopIteration 异常）调用方不会报错（协程已正确终止）；
  • 注意：GeneratorExit 直接继承于抽象基类 BaseException 而非 Exception（根据官方文档，GeneratorExit 本质上并不是错误），因此仅使用 Exception 无法捕捉该异常；
• 可以利用 try/finally 块的特点，用 try 包裹定义体，在 finally 块中加入协程结束的清理工作，这样无论如何退出协程都会执行清理工作。

16.6 让协程返回值

• 可以在协程中使用 return 返回值。当生成器执行到 return 语句时，生成器对象抛出 StopIteration 异常，返回值会保存在异常对象的 value 属性中：

try:
    coro.send(None)
except StopIteration as exc:
    result = exc.value

16.7 使用 yield from

• yield from x 语句可对任意可迭代对象 x 调用 iter(x) 得到迭代器，然后用它产出值（该句法也能够处理一般迭代器，但其主要目的是处理生成器）；
• yield from 的主要功能是打开双向通道，把调用方和内层生成器连接起来，可以直接发送和产出值，可以直接传入异常，避免中间层的处理环节。中间层的生成器会阻塞，直到子生成器终止；
• yield from 句法会自动捕获 StopIteration 异常，并将异常的 value 属性（返回值）作为 yield from 表达式的值；
• PEP 380 中指定的专门术语：
  • 委派生成器：包含 yield from x 表达式的生成器函数；
  • 子生成器：在 yield from x 语句中利用 x 得到的生成器；
  • 调用方：调用委派生成器的客户端代码。

from collections import namedtuple  
  
Result = namedtuple('Result', 'count average')  
  
  
# the subgenerator  
def averager():  # <1>  
    total = 0.0  
    count = 0  
    average = None  
    while True:  
        term = yield  # <2>  
        if term is None:  # <3>  
            break  
        total += term  
        count += 1  
        average = total/count  
    return Result(count, average)  # <4>  
  
  
# the delegating generator  
def grouper(results, key):  # <5>  
    while True:  # <6>  
        results[key] = yield from averager()  # <7>  

'''
# the delegating generator (in another form)
def grouper(results, key):
    results[key] = yield from averager()  # <7>
    yield
'''

  
# the client code, a.k.a. the caller  
def main(data):  # <8>  
    results = {}  
    for key, values in data.items():  
        group = grouper(results, key)  # <9>  
        next(group)  # <10>  
        for value in values:  
            group.send(value)  # <11>  
        group.send(None)  # important! <12>  
  
    print(results)

16.8 yield from 的意义

• yield from 能够正确地传递异常和终止：
  • 如果把 GeneratorExit 以外的异常传入委派生成器，那么都将调用子生成器的 .throw() 方法传入异常。子生成器处理时若抛出异常，如果是 StopIteration 则会使委派生成器恢复执行，否则会交由委派生成器捕获处理或向上冒泡；
  • 如果把 GeneratorExit 传入委派生成器（调用 .close() 方法），那么会调用子生成器的 .close() 方法，其抛出的异常向上冒泡，若无异常则委派生成器抛出 GeneratorExit（表示子生成器已正确终止）；
• 可以用以下的伪代码来理解 RESULT = yield from EXPR 的逻辑（简化版本，忽略子生成器中可能抛出的异常以及传入子生成器的异常）：

_i = iter(EXPR)  # <1>  
try:  
    _y = next(_i)  # <2>  
except StopIteration as _e:  
    _r = _e.value  # <3>  
else:  
    while 1:  # <4>  
        _s = yield _y  # <5>  
        try:  
            _y = _i.send(_s)  # <6>  
        except StopIteration as _e:  # <7>  
            _r = _e.value  
            break  
  
RESULT = _r  # <8>

16.9 案例：使用协程做离散事件仿真

离散事件仿真

• 离散事件仿真（DES）：把系统建模成一系列事件的仿真类型，时间在事件之间跳转；
• 多线程的并行操作适用于实现连续仿真，协程适用于实现离散仿真（如 SimPy 库）。

出租车队运营仿真

• 离散事件仿真的思路：将各个进程使用不同的协程表示，在主控制流程中维护事件队列和各协程的信息，每次取出一个事件，向协程中传入当前事件的持续时间，并接受协程产出的下一个事件。如果协程终止（抛出异常），则删去该协程；
• 事件驱动型框架的运作方式：在单个线程中使用主循环驱动协程执行并发活动；
• 协程与多线程的区别：协作式多任务（自主地让出控制权）和抢占式多任务；
• 小技巧：Python 控制台中可用 _ 表示上一个非 None 的结果。