yield from 简介
yield from 是Python3.3 后新加的语言结构,可用于简化yield表达式的使用。
yield from 简单示例：
>>> def gen():
... yield from range(10)
...
>>> g = gen()
>>> next(g)
0
>>> next(g)
1
>>>
yield from 用于获取生成器中的值，是对yield使用的一种优化。
yield from 两个最重要的特点：
- 在调用包含
yield from的函数时，程序会停在yield from这里，并将for循环的执行传递到子生成器里面去。相当于直接调用子生成器。这个功能可以称之为传输通道 - 子生成器中的return，会被
res = yield from捕获，并赋值给res。这个可以称之为异常处理
传输通道
生成器存在这样一种调用场景，有生成器A，生成器B调用A迭代取值。main函数从迭代生成器B获取元素。这就是所谓的嵌套生成器。如果要迭代出最内层生成器的值，可以用如下方法：
>>> def sub_gen():
... for i in range(5):
... yield i
... return 100
...
>>> def gen():
... g = sub_gen()
... while True:
... try:
... temp = next(g)
... yield temp
... except StopIteration as e:
... print(f"sub_gen return {e.value}")
... return
...
>>> g = gen()
>>> for i in g:
... print(i)
...
0
1
2
3
4
sub_gen return 100
首先在外层生成器中使用while True 循环，通过next迭代内层生成器的值，然后捕获异常获取内层生成器的返回。
使用 yield from 不需要这两个动作就能完成同样的功能，有效减少代码复杂度。
>>> def sub_gen():
... for i in range(5):
... yield i
... return 100
...
>>> def gen():
... g = sub_gen()
... res = yield from g
... print(f"sub_gen return：{res}")
...
>>> g = gen()
>>> for i in g:
... print(i)
...
0
1
2
3
4
sub_gen return：100
执行流程：
当程序执行到 yield from 时，会暂停在这里，将for循环作用到内层迭代器，也就是g = sub_gen()中的g变量。直到sub_gen执行到return抛出异常被yield from捕获，这个调用算是结束。这就是yield from的传输通道
注意：除了可以通过yield from 传输通道的能力迭代取值，也可以通过send发送值到子生成器中
异常处理
在上一篇yield使用中说明过迭代生成器时遇到return会抛出异常，获取返回值需要捕获异常再取值，而yield from 的功能之二就是捕获了异常，获取到return的值，赋值给变量。
def sub_gen():
for i in range(5):
yield i
return 100
def gen():
g = sub_gen()
res = yield from g
print(f"捕获返回值：{res}")
def main():
g = gen()
for i in g:
print(i)
main()
执行过程：
使用for循环迭代g，相当于for循环迭代sub_gen()。
sub_gen 生成器最后的返回值作为异常抛出，调用方需要捕获异常才能获取返回值。但是有了yield from之后，sub_gen生成器的返回值异常就会被yield from捕获，赋值给res变量。这就是yield from能够处理内层生成器的返回值。这就是yield from的异常捕获能力
yield from 专用术语
yield from使用的专门术语：
委派生成器：包含 yield from 表达式的生成器函数；即上面的gen生成器函数
子生成器：yield from 从中取值的生成器；即上面的sub_gen生成器函数
调用方：调用委派生成器的客户端代码；即上面的main生成器函数
三者之间的关系如下：
委派生成器在 yield from 表达式处暂停时，调用方可以直接迭代子生成器，子生成器把产出的值发给调用方。子生成器返回之后，解释器会抛出StopIteration 异常，yield from会捕获异常并取值，然后委派生成器会恢复。
yield from 实现的协程
在Python中有多种方式可以实现协程，例如：
- greenlet 是一个第三方模块，用于实现协程代码（Gevent协程就是基于greenlet实现）
- yield 生成器，借助生成器的特点也可以实现协程代码。
- asyncio 在Python3.4中引入的模块用于编写协程代码。
- async & awiat 在Python3.5中引入的两个关键字，结合asyncio模块可以更方便的编写协程代码。
在Python3.4之前官方未提供协程的类库，一般大家都是使用greenlet等其他来实现。在Python3.4发布后官方正式支持协程，即：asyncio模块。
在Python3.4-Python3.11的代码中可以通过asyncio + yield from的方法来实现原生协程。
import time
import asyncio
@asyncio.coroutine
def task1():
print('开始运行IO任务1...')
yield from asyncio.sleep(2) # 假设该任务耗时2s
print('IO任务1已完成，耗时2s')
return task1.__name__
@asyncio.coroutine
def task2():
print('开始运行IO任务2...')
yield from asyncio.sleep(3) # 假设该任务耗时3s
print('IO任务2已完成，耗时3s')
return task2.__name__
@asyncio.coroutine
def main():
# 把所有任务添加到task中
tasks = [task1(), task2()]
# 子生成器
done, pending = yield from asyncio.wait(tasks)
# done和pending都是一个任务，所以返回结果需要逐个调用result()
for r in done:
print(f'协程返回值：r.result()')
if __name__ == '__main__':
start = time.time()
# 创建一个事件循环对象loop
loop = asyncio.get_event_loop()
try:
# 完成事件循环，直到最后一个任务结束
loop.run_until_complete(main())
finally:
loop.close()
print('所有IO任务总耗时%.5f秒' % float(time.time()-start))
代码解释：
- @asyncio.coroutine 装饰的生成器函数代表着一个任务
- yield from asyncio.sleep(3) 模拟一个IO操作，协程遇到IO会自动切换
- loop.run_until_complete(main()) 启动一个事件循环，在循环中执行所有任务。任务遇到IO自动切换
输出：
/Users/yield_from_demo.py:14: DeprecationWarning: "@coroutine" decorator is deprecated since Python 3.8, use "async def" instead
def task2():
/Users/yield_from_demo.py:22: DeprecationWarning: "@coroutine" decorator is deprecated since Python 3.8, use "async def" instead
def main():
/Users/yield_from_demo.py:28: DeprecationWarning: The explicit passing of coroutine objects to asyncio.wait() is deprecated since Python 3.8, and scheduled for removal in Python 3.11.
done, pending = yield from asyncio.wait(tasks)
开始运行IO任务1...
开始运行IO任务2...
IO任务1已完成，耗时2s
IO任务2已完成，耗时3s
协程返回值：r.result()
协程返回值：r.result()
所有IO任务总耗时3.00188秒