Python：生成器协议

生成器（generator）不仅遵守迭代协议，还在此基础上扩展出双向通信与控制能力，这套机制被称为“生成器协议”（Generator Protocol）。理解它，也就掌握了 Python 最具表现力的控制流模型之一。

一、生成器与迭代器的关系

生成器（generator）是一种特殊的迭代器。

只要函数中包含关键字 yield，调用该函数时不会立即执行，而是返回一个生成器对象。

这个对象实现了迭代器协议：它具有 __iter__() 与 __next__() 方法，因此可以用于 for 循环。

示例：

    print(num)

输出：

3

这里的 count_up_to() 并没有返回一个列表，而是一个生成器对象，它会在每次循环中暂停并保存状态。

二、生成器协议的组成

生成器对象不仅实现了迭代协议的两个方法：

__iter__()

__next__()

还额外定义了三种特殊方法，用于与外部程序交互：

send(value)：向生成器发送一个值，作为上一次 yield 表达式的返回结果。

throw(type[, value[, traceback]])：向生成器抛出一个异常。

close()：终止生成器的执行，释放其内部资源。

这三者共同构成了“生成器协议”。

三、生成器的工作机制

生成器的运行过程可分为三个阶段：

（1）创建阶段

执行函数体但不运行内部代码，只返回一个生成器对象。

（2）启动阶段

首次调用 next() 或 send(None)，执行到第一个 yield 停止。

（3）恢复阶段

每次调用 next() 或 send(value)，从上次中断处继续执行。

示例：

print(g.send("小艾"))    # 输出 "你好，小艾！"

执行流程说明：

• 第一次调用 next()，生成器运行到第一个 yield 停止，并返回 "你的名字是？"；

• 第二次调用 send("小艾")，这个值会赋给变量 name，然后生成器继续执行下一个 yield。

四、send()：双向通信机制

send() 是生成器协议中最独特的部分，它让生成器不仅能“输出数据”，还能“接收数据”。

规则如下：

（1）第一次启动生成器必须使用 next() 或 send(None)；

（2）之后可以使用 send(value) 向 yield 传值。

示例：

g.send("Python")    # 输出：收到：Python

这种机制常用于协程、事件驱动系统和数据流控制中。

五、throw() 与异常传播

throw() 方法允许从外部向生成器内部抛出异常。

生成器可以捕获异常并做出响应，也可以不处理，让异常继续向外传播。

print(g.throw(ValueError, "出错了"))  # 捕获异常：出错了

throw() 常用于取消或中断生成器中的长时间任务。

六、close()：终止生成器

调用 close() 会向生成器内部抛出 GeneratorExit 异常，用于安全终止。

生成器可选择忽略或捕获它，但不允许再产生新的值。

g.close()

输出：

生成器已关闭

七、生成器返回值与 StopIteration

从 Python 3.3 起，生成器函数可以使用 return 返回一个值。

当生成器结束时，该值会被封装在 StopIteration.value 属性中。

    print(n)

如果使用手动方式调用：

        break

输出：

返回值： 3

八、生成器协议的优势及应用

优势：

惰性求值：按需生成数据，节省内存；

状态保存：自动记录暂停位置与局部变量；

双向通信：通过 send() 传入数据；

灵活终止：throw() 与 close() 可控制执行流；

与协程兼容：生成器协议是 Python 协程（async/await）机制的前身。

应用：

数据流处理：日志流、网络流等；

生产者–消费者模型；

协程实现：在 asyncio 出现之前，Python 就用生成器实现了协作式多任务；

惰性计算：如无限序列、延迟加载数据。

小结

生成器协议建立在迭代器协议之上，并进一步扩展了交互能力。

它的四个核心方法是：

__iter__()：返回迭代器自身；

__next__()：返回下一个元素；

send(value)：向生成器传入数据；

throw() 与 close()：控制异常与终止。

生成器协议让函数拥有“可暂停、可恢复、可通信”的能力，为异步编程和流式处理奠定了基础。

“点赞有美意，赞赏是鼓励”