在下一个部分中，我们将看到send()方法和yield表达式与__next__()有关。

yield表达和send()

您可能已经注意到，在上述代码中，a和b的变量为None。这是故意的，因为我们想介绍yield表达式如何以__next__()的表现。但是，这看起来很奇怪，因为a和b均分配了None。

实际上，根据PEP 342的说法，__next__()与send(None)完全相同（您也可以从this CPython code line确认这一点）。因此，我们代码中的next(gen)实际上是gen.send(None)，而该None成为yield表达式yield 1和yield 2的值，然后分别分配给a和b。这就是Python团队将发电机扩展到Coroutines的方式：现在发电机只是Coroutines的特殊情况。

但是，这种send()方法的行为如何使next() = send(None)有意义？

根据documentation of koude1，它恢复了执行，并将其论点传递给了产量表达。

因此，如果您看到以下代码行：

def example_coroutine():
  yielded_value = "yielded"
  sended_value = yield yielded_value
  print(sended_value)     

if __name__ == “__main__”:
  coro = example_coroutine()
  print(coro.send(None)) # same as next(coro)
  print(“before send…”)
  coro.send(“sended”)

然后结果将是：

yielded
before send…
sended
# omitted: Traceback and StopIteration Exception

在这里，send(“sended”)实际上是在sended_value = yield yielded_value停止的控制流程后的。这就是为什么我们比”sended”更早打印的”before send…”消息。现在，弦”sended”分配给sended_value并在example_coroutine coroutine主体内部打印出来。

但是，您还会注意到我们首先致电coro.send(None)。除了一个None值，python解释器都引发了例外：

can't send non-None value to a just-started generator

这是由Python本身设计的。如您所见，为了调用send()，我们需要恢复代码并将send()的论点传递给屈服表达式。但是，由于coroutine函数（=生成器函数）在没有这样停止的yield表达式的情况下开始，如果我们首次称为coroutine的send()，我们可能会浪费send()的参数值。因此，Python指示首先使用send(None)启动Coroutine（请参阅this CPython code-如果您致电send(<not_none_value>)，则将获得与源代码中写的完全相同的错误消息。

我们可以如下可视化上面的过程（现在将箭头放在=运算符下方是没有意义的吗？）。请注意，该代码有点增加，以进行更详细的说明：

1. 我们首先发送None来引导我们的coroutine
2. yielded_value进入主要例程（即称为send的功能），而Coroutine在这里停止
3. 值”yielded”被打印
4. 现在我们发送任何非None值 - 这里的字符串”sended”发送到coroutine
5. 现在，控制流从前暂停的位置恢复了（2）。 ”sended”的值分配给sended_value，其余的行才会在我们遇到另一个yield表达式之前执行-yield yielded_value2
6. 然后yielded_value2进入主要例程
7. 字符串”yielded_value2”被打印，其余过程一直持续到Coroutine获得StopIterations例外，这意味着它没有更多的值

哇，有点令人困惑，但这就是！

为了您的兴趣，如果我们从上一节中调整代码，用send()替换next()：

def example():
  print("### start ###")

  a = yield 1
  print(2)
  print("a:", a)
  b = yield 3
  print(4)
  print("b: ", b)

  print("### end ###")

if __name__ == "__main__":
  co = example()
  print(“coroutine init: ”, co.send(None))
  print(“first call start”)
  print("first call: ", co.send(2.5))
  print(“second call start”)
  print("second call: ", co.send(4.5))

然后结果将是：

### start ###
coroutine init:  1
first call start
2
a: 2.5
first call:  3
second call start
4
b:  4.5
### end ###

// Traceback messages omitted

通往异步的道路

现在，“coroutine” in the Python glossary一词很有意义。我们可以将数据发送给它，并在几个点（= send方法调用）中获得一些值。

，但我们还没有完成。请注意，我将这个发电机称为Coroutine，为简单的Coroutine和official docs still mentions coroutines under the context of the async APIs。因此，似乎一个简单的Coroutine和一个本地的Coroutine（一个与async … await …）之间存在另一个差距。至少在现代的Python背景下，我们的Coroutine还不是真正的Coroutine。

让我们从文档中读取这些句子，解释了koude0 expression：

所有这些使生成器功能与Coroutines非常相似。它们产生多次，有一个以上的入口点，并且可以暂停执行。唯一的区别是，发电机函数无法控制执行后应在其产生后继续何处。控件始终传递到发电机的呼叫者。

因此，根据文档，听起来像是本机coroutines can 控制在将其控制在其他例程中的控制后应重新启动的位置（=函数）。

但是如何？ koude78(or equivalently, koude79)表达式在内部工作，因此Coroutine对象可以在await (expression)完成自己的执行后恢复其控制流。那么，这意味着await摆脱了依靠呼叫者的控制的需求？

就我个人而言，我感到惊讶：Python仅提供界面，这取决于决定如何设计Coroutine控制流的程序员。因此，如果您阅读有关Coroutine对象的文档，则几乎没有任何技术解释来产生控制流。即使在PEP 492中，也只有关于 coroutine可以做什么的解释，但它 它如何做到。尽管yield表现出非常具体的行为（保留其呼叫储藏和暂停），但只要满足其接口设计要求，await就可以以任何方式实现。