当前位置：首页>python>Python协程初步——生成器的进阶应用

Python协程初步——生成器的进阶应用

2026-10-11 08:44:44

一、什么是协程？

协程（Coroutine） 是一种比线程更轻量级的并发编程模型。在 Python 中，协程最早是基于生成器实现的，通过 yield 表达式实现函数的中断和恢复，并且可以通过 send() 方法向协程发送数据。

简单来说：协程是可以暂停执行、可以接收外部传入数据的生成器函数。

defsimple_coroutine():
"""最简单的协程示例"""
print("协程开始")
    x = yield
print(f"收到数据: {x}")
    y = yield
print(f"再次收到数据: {y}")

coro = simple_coroutine()
next(coro)          # 启动协程，执行到第一个 yield
coro.send(10)       # 发送数据，协程恢复执行
coro.send(20)       # 再次发送数据

二、为什么需要协程？

• 协作式多任务：协程主动让出控制权，不涉及操作系统调度，开销小。
• 状态保持：协程自动保存执行状态，无需手动管理。
• 双向通信：通过 send() 和 yield，协程可以与调用者双向传递数据。
• 简化异步代码：基于协程可以写出看起来像同步代码的异步程序（async/await 的基础）。

三、生成器 vs 协程

特性	生成器	协程
主要用途	产生数据序列	处理数据流、协作式多任务
数据流向	单向（生成器 → 调用者）	双向（调用者 ↔ 协程）
启动方式	`next()` 或 `for`	需要先 `next()` 激活
发送数据	不支持	支持 `send()`
异常处理	有限	支持 `throw()`
典型语法	`yield value`	`value = yield`

四、协程的基本用法

4.1 最简单的协程

defecho():
"""回显协程：接收数据并打印"""
print("协程已启动")
whileTrue:
        received = yield
print(f"收到: {received}")

coro = echo()
next(coro)          # 必须先激活协程
coro.send("Hello")
coro.send("World")
coro.send("Python")
# 协程不会结束，因为循环是无限的

4.2 协程的四态

协程有四种状态（通过 inspect.getgeneratorstate() 查看）：

from inspect import getgeneratorstate

defcoroutine():
    x = yield
    y = yield

coro = coroutine()
print(getgeneratorstate(coro))   # GEN_CREATED（已创建，未启动）

next(coro)
print(getgeneratorstate(coro))   # GEN_SUSPENDED（暂停在 yield）

coro.send(10)
print(getgeneratorstate(coro))   # GEN_SUSPENDED

coro.send(20)                     # StopIteration
# print(getgeneratorstate(coro))  # GEN_CLOSED（已关闭）

4.3 带返回值的协程

defaccumulator():
    total = 0
whileTrue:
        value = yield total
if value isNone:
break
        total += value
return total

acc = accumulator()
next(acc)                    # 启动
print(acc.send(10))          # 10
print(acc.send(20))          # 30
print(acc.send(30))          # 60
try:
    acc.send(None)           # 结束协程
except StopIteration as e:
print(f"最终结果: {e.value}")   # 最终结果: 60

五、协程的装饰器（自动激活）

手动调用 next() 容易忘记，可以使用装饰器自动激活。

defcoroutine(func):
"""装饰器：自动激活协程"""
defwrapper(*args, **kwargs):
        gen = func(*args, **kwargs)
next(gen)           # 自动激活
return gen
return wrapper

@coroutine
defaccumulator():
    total = 0
whileTrue:
        value = yield total
if value isNone:
break
        total += value
return total

acc = accumulator()      # 已经自动激活
print(acc.send(10))      # 10
print(acc.send(20))      # 30

六、协程的异常处理

使用 throw() 方法可以向协程内部抛出异常。

defcoroutine_with_exception():
try:
whileTrue:
            value = yield
print(f"正常处理: {value}")
except ValueError:
print("捕获到 ValueError")
except GeneratorExit:
print("协程被关闭")
else:
print("协程正常结束")
finally:
print("清理资源")

coro = coroutine_with_exception()
next(coro)
coro.send(10)
coro.send(20)
coro.throw(ValueError, "发生错误")
# coro.close()   # 关闭协程，会触发 GeneratorExit

七、协程与管道

多个协程可以串联成处理管道，数据在协程之间流动。

@coroutine
defsource(target):
"""数据源：产生数据并发送给目标协程"""
for i inrange(10):
        target.send(i)
    target.close()

@coroutine
deffilter_odd(target):
"""过滤奇数"""
try:
whileTrue:
            value = yield
if value % 2 == 0:
                target.send(value)
except GeneratorExit:
        target.close()

@coroutine
defsink():
"""数据终点：接收并处理数据"""
try:
whileTrue:
            value = yield
print(f"收到: {value}")
except GeneratorExit:
print("管道结束")

# 构建管道：source -> filter_odd -> sink
s = sink()
f = filter_odd(s)
source(f)

八、协程与 `yield from`

yield from 可以将协程的执行委托给另一个协程，简化嵌套。

defcoro_a():
for i inrange(3):
        value = yieldf"a: {i}"
print(f"a 收到: {value}")

defcoro_b():
for i inrange(3):
        value = yieldf"b: {i}"
print(f"b 收到: {value}")

defcoro_main():
    a = coro_a()
    b = coro_b()
next(a); next(b)
for i inrange(3):
        result = yieldfrom a
print(f"main 从 a 收到: {result}")
        result = yieldfrom b
print(f"main 从 b 收到: {result}")

main = coro_main()
next(main)
main.send("A1")
main.send("B1")

九、实战案例

9.1 工作队列（生产者-消费者）

from collections import deque
import time

@coroutine
defworker(task_queue, result_queue):
"""工作协程：从队列取任务执行"""
whileTrue:
        task = yield
print(f"处理任务: {task}")
        time.sleep(0.5)          # 模拟工作
        result_queue.append(f"完成: {task}")

@coroutine
deftask_dispatcher(workers, task_queue, result_queue):
"""任务分发器：将任务分配给空闲的工作协程"""
    worker_index = 0
whileTrue:
        task = yield
        workers[worker_index].send(task)
        worker_index = (worker_index + 1) % len(workers)

defproducer(dispatcher, task_queue):
"""生产者：产生任务"""
for i inrange(10):
        task = f"任务-{i}"
print(f"生产: {task}")
        dispatcher.send(task)
        time.sleep(0.2)
    dispatcher.close()

# 创建队列和协程
task_queue = deque()
result_queue = deque()
workers = [worker(task_queue, result_queue) for _ inrange(3)]
dispatcher = task_dispatcher(workers, task_queue, result_queue)
next(dispatcher)

# 启动生产者
producer(dispatcher, task_queue)

9.2 数据流处理管道

@coroutine
defproducer(target):
"""生产数据"""
for i inrange(1, 101):
        target.send(i)
    target.close()

@coroutine
defmultiply(target, factor=2):
"""乘以系数"""
try:
whileTrue:
            value = yield
            target.send(value * factor)
except GeneratorExit:
        target.close()

@coroutine
deffilter_condition(target, condition):
"""条件过滤"""
try:
whileTrue:
            value = yield
if condition(value):
                target.send(value)
except GeneratorExit:
        target.close()

@coroutine
defcollector():
"""收集结果"""
    results = []
try:
whileTrue:
            value = yield
            results.append(value)
print(f"收集: {value}")
except GeneratorExit:
print(f"总计收集: {len(results)} 条")

# 构建管道：producer -> multiply(3) -> filter(>50) -> collector
c = collector()
f = filter_condition(c, lambda x: x > 50)
m = multiply(f, 3)
producer(m)

9.3 协程实现状态机

defstate_machine():
"""用协程实现状态机"""
    state = "IDLE"
print(f"初始状态: {state}")

whileTrue:
if state == "IDLE":
            event = yield
if event == "start":
                state = "RUNNING"
print("切换到 RUNNING")
else:
print(f"Ignore event: {event}")

elif state == "RUNNING":
            event = yield
if event == "stop":
                state = "STOPPED"
print("切换到 STOPPED")
elif event == "pause":
                state = "PAUSED"
print("切换到 PAUSED")
else:
print(f"运行中处理: {event}")

elif state == "PAUSED":
            event = yield
if event == "resume":
                state = "RUNNING"
print("切换回 RUNNING")
elif event == "stop":
                state = "STOPPED"
print("切换到 STOPPED")

elif state == "STOPPED":
            event = yield
print(f"已停止，忽略事件: {event}")

sm = state_machine()
next(sm)
sm.send("start")
sm.send("工作1")
sm.send("工作2")
sm.send("pause")
sm.send("resume")
sm.send("工作3")
sm.send("stop")
sm.send("任何事件")

十、协程的局限性

1. 不支持并行：协程本质是单线程的，无法利用多核 CPU。
2. 手动调度：需要开发者显式地让出控制权。
3. 调试困难：协程的执行流比普通函数复杂。
4. 学习曲线：理解 yield、send()、throw()、close() 需要时间。

现代 Python 的替代方案：

• Python 3.5+ 引入了 async/await 语法，提供了更高级的协程支持（原生协程）。
• asyncio 库提供了事件循环和异步 I/O 支持，更适合实际开发。

十一、总结

• 协程是基于生成器实现的双向通信机制，可以暂停执行并接收外部数据。
• 协程有四种状态：GEN_CREATED、GEN_RUNNING、GEN_SUSPENDED、GEN_CLOSED。
• 协程的启动需要先调用 next() 或 send(None) 激活。
• send() 向协程发送数据，throw() 向协程抛出异常，close() 关闭协程。
• 协程可以实现轻量级的协作式多任务、数据流管道、状态机等。
• 现代 Python 开发中，async/await 和 asyncio 是协程的主流用法，但理解生成器协程是掌握原生协程的基础。

协程是 Python 并发编程的重要组成部分，虽然现代异步编程更多使用 async/await，但理解生成器协程的原理对于深入掌握 Python 的执行模型非常有帮助。

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

Python协程初步——生成器的进阶应用

一、什么是协程？

二、为什么需要协程？

三、生成器 vs 协程

四、协程的基本用法

4.1 最简单的协程

4.2 协程的四态

4.3 带返回值的协程

五、协程的装饰器（自动激活）

六、协程的异常处理

七、协程与管道

八、协程与 `yield from`

九、实战案例

9.1 工作队列（生产者-消费者）

9.2 数据流处理管道

9.3 协程实现状态机

十、协程的局限性

十一、总结

最新文章

热门文章

随机文章

Python协程初步——生成器的进阶应用

一、什么是协程？

二、为什么需要协程？

三、生成器 vs 协程

四、协程的基本用法

4.1 最简单的协程

4.2 协程的四态

4.3 带返回值的协程

五、协程的装饰器（自动激活）

六、协程的异常处理

七、协程与管道

八、协程与 yield from

九、实战案例

9.1 工作队列（生产者-消费者）

9.2 数据流处理管道

9.3 协程实现状态机

十、协程的局限性

十一、总结

Rocky Linux 9.7 Docker 部署 Ollama + Dify

python常用关键词,熟记!!!

最新文章

热门文章

随机文章

八、协程与 `yield from`