字典为动词“to yield”给出了两个释义： 产出和让步。 对于 Python 生成器中的 yield 来说， 这两个含义都成立。yield item 这行代码会产出一个值， 提供给 next(...) 的调用方； 此外， 还会作出让步， 暂停执行生成器， 让调用方继续工作， 直到需要使用另一个值时再调用next()。 调用方会从生成器中拉取值。

16.2 用作协程的生成器的基本行为

>>> def simple_coroutine(): # ➊
... print('-> coroutine started')
... x = yield # ➋
... print('-> coroutine received:', x)
...
>>> my_coro = simple_coroutine()
>>> my_coro # ➌
<generator object simple_coroutine at 0x100c2be10>
>>> next(my_coro) # ➍
-> coroutine started
>>> my_coro.send(42) # ➎
-> coroutine received: 42
Traceback (most recent call last): # ➏
...
StopIteration

❶ 协程使用生成器函数定义： 定义体中有 yield 关键字。
❷ yield 在表达式中使用； 如果协程只需从客户那里接收数据， 那么
产出的值是 None——这个值是隐式指定的， 因为 yield 关键字右边没有表达式。
❸ 与创建生成器的方式一样， 调用函数得到生成器对象。
❹ 首先要调用 next(...) 函数， 因为生成器还没启动， 没在 yield 语句处暂停， 所以一开始无法发送数据。
❺ 调用这个方法后， 协程定义体中的 yield 表达式会计算出 42； 现在， 协程会恢复， 一直运行到下一个 yield表达式， 或者终止。
❻ 这里， 控制权流动到协程定义体的末尾， 导致生成器像往常一样抛出 StopIteration 异常。

16.3 示例： 使用协程计算移动平均值

def averager():
    total = 0.0
    count = 0
    average = None       # 初始next后，程序停止在 yield average这里
    while True: ➊       
        term = yield average ➋        # 第一次接收10是从 term = yield 开始的，term立即被赋值 10
        total += term
        count += 1
        average = total/count

➊ 这个无限循环表明， 只要调用方不断把值发给这个协程， 它就会一直接收值， 然后生成结果。 仅当调用方在协程上调用 .close()方法，或者没有对协程的引用而被垃圾回收程序回收时， 这个协程才会终止。
➋ 这里的 yield 表达式用于暂停执行协程， 把结果发给调用方； 还用于接收调用方后面发给协程的值， 恢复无限循环。
使用协程的好处是，total 和 count 声明为局部变量即可， 无需使用实例属性或闭包在多次调用之间保持上下文。

运行结果：

>>> coro_avg = averager() ➊
>>> next(coro_avg) ➋
>>> coro_avg.send(10) ➌
10.0
>>> coro_avg.send(30)
20.0
>>> coro_avg.send(5)
15.0

❶ 创建协程对象。
❷ 调用 next 函数， 预激协程。
❸ 计算移动平均值： 多次调用 .send(...) 方法， 产出当前的平均
值。

16.7 使用yield from

首先要知道， yield from 是全新的语言结构。 它的作用比 yield 多很多， 因此人们认为继续使用那个关键字多少会引起误解。 在其他语言中， 类似的结构使用 await 关键字， 这个名称好多了， 因为它传达了至关重要的一点： 在生成器 gen 中使用 yield from subgen()时， subgen 会获得控制权， 把产出的值传给 gen 的调用方， 即调用方可以直接控制 subgen。 与此同时， gen 会阻塞， 等待subgen 终止。

对比：

>>> def gen():
...     for c in 'AB':
...         yield c
...     for i in range(1, 3):
...         yield i
...
>>> list(gen())
['A', 'B', 1, 2]

>>> def gen():
...     yield from 'AB'
...     yield from range(1, 3)
...
>>> list(gen())
['A', 'B', 1, 2]

yield from x表达式对x 对象所做的第一件事是， 调用iter(x)， 从
中获取迭代器。 因此，x可以是任何可迭代的对象。
可是， 如果 yield from 结构唯一的作用是替代产出值的嵌套 for 循环， 这个结构很有可能不会添加到 Python 语言中。yield from结构的本质作用无法通过简单的可迭代对象说明， 而要发散思维， 使用嵌套的生成器。 因此， 引入 yield from 结构的 PEP 380 才起了“Syntax forDelegating to a Subgenerator”（ “把职责委托给子生成器的句法”） 这个标题。

yield from的主要功能是打开双向通道， 把最外层的调用方与最内层的子生成器连接起来， 这样二者可以直接发送和产出值， 还可以直接传入异常， 而不用在位于中间的协程中添加大量处理异常的样板代码。 有了这个结构， 协程可以通过以前不可能的方式委托职责...

第 18 章 使用 asyncio 包处理并发

如果某个系统支持两个或者多个动作（Action）同时存在，那么这个系统就是一个并发系统。如果某个系统支持两个或者多个动作同时执行，那么这个系统就是一个并行系统。并发系统与并行系统这两个定义之间的关键差异在于“存在”这个词。

本章介绍 asyncio 包， 这个包使用事件循环驱动的协程实现并发。 这是 Python 中最大也是最具雄心壮志的库之一。
暂
时
搁置