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。
首先看看增强版本的yield，语法格式如下：
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.For example:
1 def gen(data): 2 print ‘before yield‘, data 3 back_data = yield data 4 print ‘after resume‘, back_data 5 6 if __name__ == ‘__main__‘: 7 g = gen(1) 8 print g.next() 9 try: 10 g.send(0) 11 except StopIteration: 12 pass
输出：
before yield 1
1
after resume 0
两点需要注意：
（1） next() 等价于 send(None)
（2） 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 def consume_data_from_file(file_name, consumer):
3 for line in file(file_name):
4 consumer.send(line)
5
6 def consume_words(consumer):
7 while True:
8 line = yield
9 for word in (w for w in line.split() if w.strip()):
10 consumer.send(word)
11
12 def count_words_consumer():
13 while True:
14 word = yield
15 if word not in word_map:
16 word_map[word] = 0
17 word_map[word] += 1
18 print word_map
19
20 if __name__ == ‘__main__‘:
21 cons = count_words_consumer()
22 cons.next()
23 cons_inner = consume_words(cons)
24 cons_inner.next()
25 c = consume_data_from_file(‘test.txt‘, cons_inner)
26 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 def wrapper(*args,**kw): 3 gen = func(*args, **kw) 4 gen.next() 5 return gen 6 wrapper.__name__ = func.__name__ 7 wrapper.__dict__ = func.__dict__ 8 wrapper.__doc__ = func.__doc__ 9 return wrapper
修改后的代码：
example_with_deco
generator 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 def gen_throw(): 3 value = yield 4 try: 5 yield value 6 except Exception, e: 7 yield str(e) # 如果注释掉这行，那么会抛出StopIteration 8 9 if __name__ == ‘__main__‘: 10 g = gen_throw() 11 assert g.send(5) == 5 12 assert g.throw(Exception, ‘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 def funcA(): 3 while True: 4 data = yield 5 print ‘funcA recevie‘, data 6 fb.send(data * 2) 7 8 @consumer 9 def funcB(): 10 while True: 11 data = yield 12 print ‘funcB recevie‘, data 13 fa.send(data * 2) 14 15 fa = funcA() 16 fb = funcB() 17 if __name__ == ‘__main__‘: 18 fa.send(10)
输出：
funcA recevie 10
funcB recevie 20
ValueError: generator already executing
Generator 与 Coroutine
回到Coroutine，可参见维基百科解释（https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python），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 def do(a): 3 print ‘do‘, a 4 try： 5 event ＝ yield 5 6 print ‘post_do‘, a， event 7 finally： 8 print ‘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。
References：
https://www.python.org/dev/peps/pep-0342/
http://www.dabeaz.com/coroutines/
https://en.wikipedia.org/wiki/Coroutine#Implementations_for_Python