小编点评

**生成器和协程的区别：** * **生成器：**是一种特殊的迭代器，它可以暂停并在恢复执行时保留它的状态。 * **协程：**可以被另一个函数（调用方）恢复执行，并在执行时暂停并在任意时刻恢复执行。 **生成器的工作原理：** 1. 生成器函数使用 `yield` 语句来暂停执行并返回结果。 2. 当生成器调用 `send` 方法时，它会从 `yield` 语句处恢复执行，并将传入的参数赋值给变量 `x`。 3. 生成器函数会不断调用 `send` 方法，并将返回值赋值给 `x`。 4. 生成器函数最终返回 `x` 值。 **协程的应用场景：** * **数据IO操作：**例如从本地往服务器传输数据。 * **回调机制：**例如在网络连接断开时执行回调函数。 * **复杂控制流：**例如在执行多个任务时管理资源分配。

正文

普遍意义上讲，生成器是一种特殊的迭代器，它可以在执行过程中暂停并在恢复执行时保留它的状态。而协程，则可以让一个函数在执行过程中暂停并在恢复执行时保留它的状态，在Python3.10中，原生协程的实现手段，就是生成器，或者说的更具体一些：协程就是一种特殊的生成器，而生成器，就是协程的入门心法。

协程底层实现

我们知道，Python3.10中可以使用async和await关键字来实现原生协程函数的定义和调度，但其实，我们也可以利用生成器达到协程的效果，生成器函数和普通函数的区别在于，生成器函数使用 yield 语句来暂停执行并返回结果。例如，下面是一个使用生成器函数实现的简单协程：

def my_coroutine():  
    while True:  
        x = yield  
        print(x)  
  
# 使用生成器函数创建协程  
coroutine = my_coroutine()  
  
# 启动协程  
next(coroutine)  
  
# 在协程中传入数据  
coroutine.send(1)  
coroutine.send(2)  
coroutine.send(3)

程序返回：

➜  mydemo git:(master) ✗ /opt/homebrew/bin/python3.10 "/Users/liuyue/wodfan/work/mydemo/src/test.py"  
1  
2  
3

在上面的代码中，生成器函数 my_coroutine 使用了一个无限循环来实现协程的逻辑。每当调用 send 方法时，协程就会从 yield 语句处恢复执行，并将传入的参数赋值给变量 x。

如此，就完成了协程执行-》阻塞-》切换-》回调的工作流模式。

当然，作为事件循环机制，协程服务启动可能无限期地运行，要关闭协程服务，可以使用生成器的close()方法。当一个协程被关闭时，它会生成GeneratorExit异常，该异常可以用生成器的方式进行捕获：

def my_coroutine():  
    try :  
        while True:  
            x = yield  
            print(x)  
    except GeneratorExit:  
            print("协程关闭")  
  
# 使用生成器函数创建协程  
coroutine = my_coroutine()  
  
# 启动协程  
next(coroutine)  
  
# 在协程中传入数据  
coroutine.send(1)  
coroutine.send(2)  
coroutine.send(3)  
  
coroutine.close()

程序返回：

➜  mydemo git:(master) ✗ /opt/homebrew/bin/python3.10 "/Users/liuyue/wodfan/work/mydemo/src/test.py"  
1  
2  
3  
协程关闭

业务场景

在实际业务场景中，我们也可以使用生成器来模拟协程流程，主要体现在数据的IO流操作中，假设我们需要从本地往服务器传输数据，首先建立链接对象：

class Connection:  
  
  
    def __init__(self, addr):  
        self.addr = addr  
  
    def transmit(self, data):  
        print(f"X: {data[0]}, Y: {data[1]} sent to {self.addr}")

随后建立生成器函数：

def send_to_server(conn):  
    while True:  
        try:  
            raw_data = yield  
            raw_data = raw_data.split(' ')  
            coords = (float(raw_data[0]), float(raw_data[1]))  
            conn.transmit(coords)  
        except ConnectionError:  
            print("链接丢失，进行回调")  
            conn = Connection("重新连接v3u.cn")

利用生成器调用链接类的transmit方法进行数据的模拟传输，如果链接断开，则会触发回调重新连接，执行逻辑：

if __name__ == '__main__':  
  
  
    conn = Connection("v3u.cn")  
  
    sender = send_to_server(conn)  
    sender.send(None)  
  
    for i in range(1, 6):  
        sender.send(f"{100/i} {200/i}")  
  
    # 模拟链接断开  
    conn.addr = None  
  
  
    sender.throw(ConnectionError)   
  
    for i in range(1, 6):  
        sender.send(f"{100/i} {200/i}")

程序返回：

X: 100.0, Y: 200.0 sent to v3u.cn  
X: 50.0, Y: 100.0 sent to v3u.cn  
X: 33.333333333333336, Y: 66.66666666666667 sent to v3u.cn  
X: 25.0, Y: 50.0 sent to v3u.cn  
X: 20.0, Y: 40.0 sent to v3u.cn  
链接丢失，进行回调  
X: 100.0, Y: 200.0 sent to 重新连接v3u.cn  
X: 50.0, Y: 100.0 sent to 重新连接v3u.cn  
X: 33.333333333333336, Y: 66.66666666666667 sent to 重新连接v3u.cn  
X: 25.0, Y: 50.0 sent to 重新连接v3u.cn  
X: 20.0, Y: 40.0 sent to 重新连接v3u.cn

如此，我们就可以利用生成器的“状态保留”机制来控制网络链接突然断开的回调补救措施了。

所以说，协程就是一种特殊的生成器：

async def test():  
    pass  
  
print(type(test())) 

您猜怎么着？

<class 'coroutine'>

结语

诚然，生成器和协程也并非完全是一个概念，与生成器不同的是，协程可以被另一个函数（称为调用方）恢复执行，而不是只能由生成器本身恢复执行。这使得协程可以用来实现更复杂的控制流，因为它们可以在执行时暂停并在任意时刻恢复执行。