第一部分
- 在掌握python生成器之前，你需要理解普通的python函数是如何工作的。通常，当一个python函数调用一个子程序时，子程序保留控制权直到它返回，或者抛出一个异常。然后控制权被交还给调用者（父程序）。
>>> def foo():
... bar()
...
>>> def bar():
... pass
python的标准解释器是由C写成的。自然美妙地，一个Python函数被调用时，由C函数PyEval_EvalFrameEx来执行这个Python函数。它接受python的一个栈帧对象，然后在帧的上下文中评估python的字节码。下面是foo的字节码：
>>> import dis
>>> dis.dis(foo)
2 0 LOAD_GLOBAL 0 (bar)
3 CALL_FUNCTION 0 (0 positional, 0 keyword pair)
6 POP_TOP
7 LOAD_CONST 0 (None)
10 RETURN_VALUE
foo函数加载bar到它的栈上然后调用它，然后从栈中弹出它的返回值，再在foo函数中加载返回值None到栈上，然后返回None。
当PyEval_EvalFrameEx遇到一个CALL_FUNCTION字节码时，它创建一个新的python栈帧然后递归：这意味着它递归调用了PyEval_EvalFrameEx，传入新的栈帧对象，该对象被用来执行bar函数。
关键的是，要明白Python的栈帧是在堆内存中分配的！Python的解释器是一个普通的C程序，所以它的栈帧都是常规的栈帧。但是它操纵的python栈帧都是在堆上的。这意味着Python的栈帧能够比它的函数调用活得更久。要交互式地看到这一点，在bar函数中保存当前栈帧即可：
>>> import inspect
>>> frame = None
>>> def foo():
... bar()
...
>>> def bar():
... global frame
... frame = inspect.currentframe()
...
>>> foo()
>>> # The frame was executing the code for 'bar'.
>>> frame.f_code.co_name
'bar'
>>> # Its back pointer refers to the frame for 'foo'.
>>> caller_frame = frame.f_back
>>> caller_frame.f_code.co_name
'foo'
函数调用
第二部分
- 现在暖场结束，舞台交给python的生成器，它利用了同样的建筑模块——代码对象和栈帧——来达到奇妙的效果。
下面是一个生成器函数：
>>> def gen_fn():
... result = yield 1
... print('result of yield: {}'.format(result))
... result2 = yield 2
... print('result of 2nd yield: {}'.format(result2))
... return 'done'
...
当python编译gen_fn为字节码时，它看到yield语句并且知道gen_fn为一个生成器函数，而不是一个普通函数。它设置了一个标志来记住这一事实：
>>> # The generator flag is bit position 5.
>>> generator_bit = 1 << 5
>>> bool(gen_fn.__code__.co_flags & generator_bit)
True
当你调用一个生成器函数，python看到生成器标志，然后它实际上并没有去执行函数而是创建了一个生成器对象：
>>> gen = gen_fn()
>>> type(gen)
<class 'generator'>
一个python生成器对象将一个栈帧，一些代码的引用即gen_fn函数体包裹在一起：
>>> gen.gi_code.co_name
'gen_fn'
所有调用gen_fn函数得到的生成器对象都指向这同样的代码。但是每一个都有它自己的栈帧。这个栈帧并不在任何真正的栈上，它坐在堆内存中等待被使用：
生成器
该帧有一个“最后的指令”的指针，指向它最近一次执行的命令。在一开始，这个指针的值是-1，意味着生成器并没有开始：
>>> gen.gi_frame.f_lasti
-1
当我们调用send方法时，生成器抵达它第一个yield，然后暂停。send的返回值是1。
>>> gen.send(None)
1
现在生成器对象的指令指针的位置距离开始隔了3字节码长度，完成了编译好的56字节的python代码的一部分。
>>> gen.gi_frame.f_lasti
3
>>> len(gen.gi_code.co_code)
56
该生成器能在任何时间被唤醒，被任何函数使用，因为它的栈帧并没有真正在栈上：它是在堆上的。它在调用层级中的位置并不固定，而且它不需要遵守先入后出的执行顺序（常规函数就需要）。它是解放的，自由得像空中漂浮的云朵。
我们可以传入值"hello"到生成器中，然后它就成了yield表达式的值，然后生成器持续运行到它生成2：
>>> gen.send('hello')
result of yield: hello
2
它的栈帧现在拥有本地变量result：
>>> gen.gi_frame.f_locals
{'result': 'hello'}
其它用gen_fn 创建出的生成器将会拥有他们自己的栈帧和本地变量。
当我们再次调用send函数时，该生成器从它第二个yield开始运行，执行完之后的代码，最后以抛出一个StopIteration异常结束：
>>> gen.send('goodbye')
result of 2nd yield: goodbye
Traceback (most recent call last):
File "<input>", line 1, in <module>
StopIteration: done
这个异常也是有值的，那就是生成器的返回值：字符串"done"。
附录：
本文英文原文来自于 500 lines or less -- A Web Crawler With asyncio Coroutines中的How Python Generators Work一节，由于相对独立，单独出来便于参考。
网友评论