本文目錄
- 為什麼要使用協程
- yield from的用法詳解
- 為什麼要使用yield from
為什麼要使用協程
但一定有許多人,隻知道協程是個什麼東西,但并不知道為什麼要用協程?換句話來說,并不知道在什麼情況下用協程?
它相比多線程來說,有哪些過人之處呢?
在開始講yield from 之前,我想先解決一下這個給很多人帶來困惑的問題。
舉個例子。
假如我們做一個爬蟲。我們要爬取多個網頁,這裡簡單舉例兩個網頁(兩個spider函數),擷取HTML(耗IO耗時),然後再對HTML對行解析取得我們感興趣的資料。
我們的代碼結構精簡如下:
def spider_01(url):
html = get_html(url)
...
data = parse_html(html)
def spider_02(url):
html = get_html(url)
...
data = parse_html(html)
我們都知道,get_html()等待傳回網頁是非常耗IO的,一個網頁還好,如果我們爬取的網頁資料極其龐大,這個等待時間就非常驚人,是極大的浪費。
聰明的程式員,當然會想如果能在get_html()這裡暫停一下,不用傻乎乎地去等待網頁傳回,而是去做别的事。等過段時間再回過頭來到剛剛暫停的地方,接收傳回的html内容,然後還可以接下去解析parse_html(html)。
利用正常的方法,幾乎是沒辦法實作如上我們想要的效果的。是以Python想得很周到,從語言本身給我們實作了這樣的功能,這就是yield文法。可以實作在某一函數中暫停的效果。
試着思考一下,假如沒有協程,我們要寫一個并發程式。可能有以下問題:
- 使用最正常的同步程式設計要實作異步并發效果并不理想,或者難度極高。
-
由于GIL鎖的存在,多線程的運作需要頻繁的加鎖解鎖,切換線程,這極大地降低了并發性能;
而協程的出現,剛好可以解決以上的問題。它的特點有:
- 協程是在單線程裡實作任務的切換的
- 利用同步的方式去實作異步
- 不再需要鎖,提高了并發性能
簡單應用:拼接可疊代對象
我們可以用一個使用yield和一個使用yield from的例子來對比看下。
使用yield
# 字元串
astr='ABC'
# 清單
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
for item in args:
for i in item:
yield i
new_list=gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
使用yield from
# 字元串
astr='ABC'
# 清單
alist=[1,2,3]
# 字典
adict={"name":"wangbm","age":18}
# 生成器
agen=(i for i in range(4,8))
def gen(*args, **kw):
for item in args:
yield from item
new_list=gen(astr, alist, adict, agen)
print(list(new_list))
# ['A', 'B', 'C', 1, 2, 3, 'name', 'age', 4, 5, 6, 7]
複雜應用:生成器的嵌套
如果你認為隻是 yield from 僅僅隻有上述的功能的話,那你就太小瞧了它,它的更強大的功能還在後面。
當 yield from 後面加上一個生成器後,就實作了生成的嵌套。
當然實作生成器的嵌套,并不是一定必須要使用yield from,而是使用yield from可以讓我們避免讓我們自己處理各種料想不到的異常,而讓我們專注于業務代碼的實作。
如果自己用yield去實作,那隻會加大代碼的編寫難度,降低開發效率,降低代碼的可讀性。既然Python已經想得這麼周到,我們當然要好好利用起來。
講解它之前,首先要知道這個幾個概念
- 調用方:調用委派生成器的用戶端(調用方)代碼
- 委托生成器:包含yield from表達式的生成器函數
- 子生成器:yield from後面加的生成器函數
你可能不知道他們都是什麼意思,沒關系,來看下這個例子。
這個例子,是實作實時計算平均值的。
比如,第一次傳入10,那傳回平均數自然是10.
第二次傳入20,那傳回平均數是(10+20)/2=15
第三次傳入30,那傳回平均數(10+20+30)/3=20
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
count += 1
total += new_num
average = total/count
# 委托生成器
def proxy_gen():
while True:
yield from average_gen()
# 調用方
def main():
calc_average = proxy_gen()
next(calc_average) # 預激下生成器
print(calc_average.send(10)) # 列印:10.0
print(calc_average.send(20)) # 列印:15.0
print(calc_average.send(30)) # 列印:20.0
if __name__ == '__main__':
main()
認真閱讀以上代碼,你應該很容易能了解,調用方、委托生成器、子生成器之間的關系。我就不多說了
委托生成器的作用是: 在調用方與子生成器之間建立一個雙向通道
所謂的雙向通道是什麼意思呢?
調用方可以通過send()直接發送消息給子生成器,而子生成器yield的值,也是直接傳回給調用方。
你可能會經常看到有些代碼,還可以在yield from前面看到可以指派。這是什麼用法?
你可能會以為,子生成器yield回來的值,被委托生成器給攔截了。你可以親自寫個demo運作試驗一下,并不是你想的那樣。
因為我們之前說了,委托生成器,隻起一個橋梁作用,它建立的是一個雙向通道,它并沒有權利也沒有辦法,對子生成器yield回來的内容做攔截。
為了解釋這個用法,我還是用上述的例子,并對其進行了一些改造。添加了一些注釋,希望你能看得明白。
按照慣例,我們還是舉個例子。
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
if new_num is None:
break
count += 1
total += new_num
average = total/count
# 每一次return,都意味着目前協程結束。
return total,count,average
# 委托生成器
def proxy_gen():
while True:
# 隻有子生成器要結束(return)了,yield from左邊的變量才會被指派,後面的代碼才會執行。
total, count, average = yield from average_gen()
print("計算完畢!!\n總共傳入 {} 個數值, 總和:{},平均數:{}".format(count, total, average))
# 調用方
def main():
calc_average = proxy_gen()
next(calc_average) # 預激協程
print(calc_average.send(10)) # 列印:10.0
print(calc_average.send(20)) # 列印:15.0
print(calc_average.send(30)) # 列印:20.0
calc_average.send(None) # 結束協程
# 如果此處再調用calc_average.send(10),由于上一協程已經結束,将重開一協程
if __name__ == '__main__':
main()
運作後,輸出
10.0
15.0
20.0
計算完畢!!
總共傳入 3 個數值, 總和:60,平均數:20.0
為什麼使用yield from
學到這裡,我相信你肯定要問,既然委托生成器,起到的隻是一個雙向通道的作用,我還需要委托生成器做什麼?我調用方直接調用子生成器不就好啦?
高能預警~~~
下面我們來一起探讨一下,到底yield from 有什麼過人之處,讓我們非要用它不可。
因為它可以幫我們處理異常
如果我們去掉委托生成器,而直接調用子生成器。那我們就需要把代碼改成像下面這樣,我們需要自己捕獲異常并處理。而不像使yield from那樣省心。
# 子生成器
# 子生成器
def average_gen():
total = 0
count = 0
average = 0
while True:
new_num = yield average
if new_num is None:
break
count += 1
total += new_num
average = total/count
return total,count,average
# 調用方
def main():
calc_average = average_gen()
next(calc_average) # 預激協程
print(calc_average.send(10)) # 列印:10.0
print(calc_average.send(20)) # 列印:15.0
print(calc_average.send(30)) # 列印:20.0
# ----------------注意-----------------
try:
calc_average.send(None)
except StopIteration as e:
total, count, average = e.value
print("計算完畢!!\n總共傳入 {} 個數值, 總和:{},平均數:{}".format(count, total, average))
# ----------------注意-----------------
if __name__ == '__main__':
main()
此時的你,可能會說,不就一個StopIteration的異常嗎?自己捕獲也沒什麼大不了的。
你要是知道yield from在背後為我們默默無聞地做了哪些事,你就不會這樣說了。
具體yield from為我們做了哪些事,可以參考如下這段代碼。
#一些說明
"""
_i:子生成器,同時也是一個疊代器
_y:子生成器生産的值
_r:yield from 表達式最終的值
_s:調用方通過send()發送的值
_e:異常對象
"""
_i = iter(EXPR)
try:
_y = next(_i)
except StopIteration as _e:
_r = _e.value
else:
while 1:
try:
_s = yield _y
except GeneratorExit as _e:
try:
_m = _i.close
except AttributeError:
pass
else:
_m()
raise _e
except BaseException as _e:
_x = sys.exc_info()
try:
_m = _i.throw
except AttributeError:
raise _e
else:
try:
_y = _m(*_x)
except StopIteration as _e:
_r = _e.value
break
else:
try:
if _s is None:
_y = next(_i)
else:
_y = _i.send(_s)
except StopIteration as _e:
_r = _e.value
break
RESULT = _r
以上的代碼,稍微有點複雜,有興趣的同學可以結合以下說明去研究看看
- 疊代器(即可指子生成器)産生的值直接返還給調用者
- 任何使用send()方法發給委派生産器(即外部生産器)的值被直接傳遞給疊代器。如果send值是None,則調用疊代器next()方法;如果不為None,則調用疊代器的send()方法。如果對疊代器的調用産生StopIteration異常,委派生産器恢複繼續執行yield from後面的語句;若疊代器産生其他任何異常,則都傳遞給委派生産器。
- 子生成器可能隻是一個疊代器,并不是一個作為協程的生成器,是以它不支援.throw()和.close()方法,即可能會産生AttributeError 異常。
- 除了GeneratorExit 異常外的其他抛給委派生産器的異常,将會被傳遞到疊代器的throw()方法。如果疊代器throw()調用産生了StopIteration異常,委派生産器恢複并繼續執行,其他異常則傳遞給委派生産器。
- 如果GeneratorExit異常被抛給委派生産器,或者委派生産器的close()方法被調用,如果疊代器有close()的話也将被調用。如果close()調用産生異常,異常将傳遞給委派生産器。否則,委派生産器将抛出GeneratorExit 異常。
- 當疊代器結束并抛出異常時,yield from表達式的值是其StopIteration 異常中的第一個參數。
- 一個生成器中的return expr語句将會從生成器退出并抛出 StopIteration(expr)異常。
沒興趣看的同學,隻要知道,yield from幫我們做了很多的異常處理,而且全面,而這些如果我們要自己去實作的話,一個是編寫代碼難度增加,寫出來的代碼可讀性極差,這些我們就不說了,最主要的是很可能有遺漏,隻要哪個異常沒考慮到,都有可能導緻程式崩潰什麼的。