python中协程与函数的区别_Python 协程函数

协程函数就是使用了yield表达式形式的生成器

defeater(name):

print("%seat food" %name)

while True:

food = yield

print("done")

g = eater("gangdan")

print(g)

结果:

generator object eater at 0x00000000028DC048

这里就证明了g现在就是生成器函数

1. 2 协程函数赋值过程

用的是yield的表达式形式

要先运行next()，让函数初始化并停在yield，相当于初始化函数，然后再send() ，send会给yield传一个值

** next()和send() 都是让函数在上次暂停的位置继续运行，

next是让函数初始化

send在触发下一次代码的执行时，会给yield赋值

**

defeater(name):

print('%sstart to eat food' %name)

food_list=[]

while True:

food=yield food_list

print('%sget %s,to start eat' %(name,food))

food_list.append(food)

e=eater('钢蛋') # wrapper('')

# print(e)

print(next(e)) #　现在是运行函数，让函数初始化

print(e.send('包子')) #

print(e.send('韭菜馅包子'))

print(e.send('大蒜包子'))

这里的关键是：

要先运行next()函数

用装饰器函数把next()函数先运行一次：

defstart(func):

defwrapper(*args,**kwargs):

res=func(*args,**kwargs) # next()

next(res) #　这是关键

return res

return wrapper

@start# e = start(e)

defeater(name):

print('%sstart to eat food' %name)

food_list=[]

while True:

food=yield food_list

print('%sget %s,to start eat' %(name,food))

food_list.append(food)

e=eater('钢蛋') # wrapper('钢蛋')

print(e.send('包子'))

print(e.send('韭菜馅包子'))

print(e.send('大蒜包子'))

在@start # e = start(e) 后面写上，运行start函数，start函数返回wrapper

1.3 协程函数使用装饰器初始化

这里主要是为了防止忘记初始化next操作，在装饰器中添加

definit(func):

defwrapper(*args,**kwargs):

res = func(*args,**kwargs)

next(res) # 在这里执行next

return res

return wrapper

@init# eater=init(rater)

defeater(name):

print("%seat food" %name)

food_list=[]

while True:

food = yield food_list

print("%sstar to eat %s" %(name,food))

food_list.append(food)

print("done")

g = eater("gangdan")

# 这里就不需要next

print(g.send("1"))

print(g.send("2"))

print(g.send("3"))

print(g.send("4"))

结果：

gangdan eat food

gangdan star to eat 1

['1']

gangdan star to eat 2

['1', '2']

gangdan star to eat 3

['1', '2', '3']

gangdan star to eat 4

['1', '2', '3', '4']

```

只要用到装饰器函数，马上写装饰器函数，写@init马上想到** eater=init(eater) **，先执行装饰器函数。

关键是next(res)，这里是是对生成器进行初始化。这里就会只执行一次，执行完后后面运行的都是e.send()

转载出自：http://www.cnblogs.com/Python666/p/6702422.html