参考：https://blog.csdn.net/qq_27825451/article/details/85244237
一，yield from的简单实现
从前面系列文章中，我们了解到，yiedl每次“惰性返回”一个值，其实从名字中就能看出，yield from是yield的升级改进版本，如果将yield理解成“返回”，那么yield from就是从“从什么(生成器)里面返回”，这就构成了yield from的一般语法，即
yield from generator
这样的形式。我们通过一个简单的例子来看
use_yield_from.py
# 生成器依次生成0 1 2 3 4 5 6 7 8 9
def generator1():
for i in range(10):
yield i
# 演示yield from的用法
def generator2():
yield 'a'
yield 'b'
yield 'c'
yield from generator1()
# for item in generator1():
# yield item
yield from [11,22,33,44]
yield from (11,23,34)
yield from range(3)
for i in generator2():
print(i, end=' , ')
# a , b , c , 0 , 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 , 11 , 22 , 33 , 44 , 11 , 23 , 34 , 0 , 1 , 2 ,
总结
从上面代码输出可以看出，yield from后面可以是"生成器，元组，列表，range()函数产生的序列等可迭代对象"
简单地说，yield from generator。实际上就是返回另外一个生成器。而yield只返回一个元素(即假如yield后面是一个list则返回这个list而不是list里面的元素)。从这个层面来说，有下面的等价关系
yield from iterable
# 等价于
for item in Iterable:
yield item
下面例子演示yield和yield from返回的不同
def g():
yield [1,2,3]
yield from [1,2,3]
g = g()
for item in g:
print(item)
输出如下
[1, 2, 3] 1 2 3
解析：使用yield则把整个list作为一个元素返回了，使用yield则把list作为一个可迭代对象把内部的对象一一返回
二，yiedl from的高级应用
倒入，yield from既然称之为yield的升级改进版，如果仅仅是上面的哪一点作用，显然是不够的，因为那仅仅简化了一两句代码的事情。系列文章的上一篇讲解了yield所存在的缺点，参见上一篇文章：https://www.cnblogs.com/minseo/p/15396480.html
yield from正是针对那些不足加以改进的。
1,针对yield无法获取生成器return的返回值
我们都知道，在使用yield生成器的时候，如果使用for语句去迭代生成器，则不会显式的出发StopIteration异常，而是自动捕获StopIteration异常，所以如果遇到return，只是会终止迭代，而不会触发异常，故而也就没办法获取return的值。如下：
# # 使用for循环遇到生成器StopIteration异常不会抛出异常只会终止迭代，没有办法获得return值
def my_generator():
for i in range(5):
if i==2:
return '我被迫中断了'
else:
yield i
def main(generator):
try:
#不会显式触发异常，故而无法获取到return的值
for i in generator:
print(i)
except StopIteration as exc:
print(exc.value)
# 调用
g=my_generator()
main(g)
# 0
# 1
说明：因为使用for迭代遇到StopIteration异常也不会抛出异常，而是终止迭代，所以except永远无法捕获到StopIteration异常，所以也无法取得生成器的return值
从上面的例子可以看出，for迭代语句不会显式触发异常，故而无法获取到return的值，迭代到2的时候遇到return语句，隐式的触发了StopIteration异常，就终止迭代了，但是在程序中不会显示出来。
但是如果我是使用next（g）一次一次迭代，则会显式触发异常，但要获取return的返回值，我需要如下操作：
# 使用next方法才可以捕获到StopIteration异常从而获得return值
def my_generator():
for i in range(5):
if i==2:
return '我被迫中断了'
else:
yield i
def main(generator):
try:
# 使用next方法每次迭代一个值，则会显式触发StopIteration
print(next(generator))
print(next(generator))
# 迭代两次以后i值为2则遇到return生成器抛出StopIteration异常
print(next(generator))
# 因为生成器return了触发了StopIteration异常，所以以下语句不执行
print(next(generator))
print(next(generator))
except StopIteration as exc:
# 获取返回的值
print(exc.value)
g=my_generator()
main(g)
# 0
# 1
# 我被迫中断了
执行两次迭代以后i的值为2，所以生成器return抛出StopIteration异常，异常被捕获以后可以通过异常的value属性获得生成器的return值
现在我们使用yield from来完成上面的同样的功能：
# 使用yield from获得return值
def my_generator():
for i in range(5):
if i==2:
return '我被迫中断了'
else:
yield i
# 定义一个包装“生成器”，它的本质还是生成器
def wrap_my_grnerator(generator):
# 自动触发StopIteration异常，并且将return的返回值赋值给yield from表达式的结果，即热塑了
result = yield from generator
print(result)
# 调用主函数，调用的生成器是包装生成器而不是原始生成器
def main(generator):
for i in generator:
print(i)
g = my_generator()
wrap_g = wrap_my_grnerator(g)
# 调用
main(wrap_g)
运行结果如下
0 1 我被迫中断了
解析：
main为主调用函数，调用的生成器为包装生成器wrap_my_generator该包装生成器内部调用的是原始生成器my_generstor,使用yield from可以获得生成器的return值。
从上面的比较可以看出，yield from具有以下几个特点
（1） 上面的my_grnerator是原始生成器，main是调用方，使用yield的时候，值涉及到这两个函数，即“调用方”于“生成器(协程函数)”是直接进行交互的，不涉及其他方法，即“调用方------->生成器(协程函数)”;
(2) 在使用yield from的时候，多了一个队原始my_generstor的包装函数，然后调研方通过这个包装函数（后面会讲到它的专有名词）来于生成器进行交互，即“调研方------>生成器包装函数------>生成器(协程函数)”
（3） yield from iteration结构会在内部自动捕获iteration生成器的StopIteration异常。这种处理方式与for循环处理StopIteration异常的方式一样。而且对yield from结构来说，解释器不仅会捕获StopIteration异常，还会把return返回值或者是StopIteration的value属性变成yield from表达式的值，即上面的result。
2，yiedl from实现的数据传输通道
前面总结的几个特点里面已经介绍了yield和yield from的数据交互方式，yield涉及到“调用方与生成器两者”的交互，生成器通过next()的调用将值返回给调用者，而调用者通过send()方法向生成器发送数据；
但是yield还有一个第三者函数，下面将先从相关的概念说起。
在PEP 380 使用了一些yield from使用的专门术语：
委派生成器：包含 yield from <iterable> 表达式的生成器函数；即上面的wrap_my_generator生成器函数
子生成器：从 yield from 表达式中 <iterable> 部分获取的生成器；即上面的my_generator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
下图是这三者之间的交互关系（摘自博客园）：
委派生成器在yield from表达式出暂停时，调用可以直接把数据发给子生成器，子生成器再把产出的值发给调用方。子生成器返回后，解释器会抛出StopIteration异常，并把返回值附加到异常对象上，此时委派生成器会恢复。
总结
（1）yield from主要设计用来向子生成器委派操作任务，但yield from可以向任意的可迭代对象委派操作；
（2）委派生成器(group)相当于管道，所以可以把任意数量的委派生成器连接在一起。一个委派生成器使用yield from调用一个子生成器，而那个子生成器本身也是委派生成器，使用yield from调用另一个生成器。
3，针对yield存在的第二个缺点
首先看一下他要表述的意思是什么？它的局限性在于只能向它的直接调用者每次yield一个值。这意味着那些包含yield的代码不能像其他代码那样被分离出来放到一个单独的函数中。这也正是yield from要解决的。具体参见上文：
https://www.cnblogs.com/minseo/p/15396480.html
这句话确实难以理解，但是他要表达的意思实际上是：因为生成器从定义上来看，就像是一个普通的函数，那么既然作为普通函数，就应该可以反反复复调用都没问题的，但是生成器却并不行。那为什么yield from可以解决这样的问题呢，主要是因为yield from后面可以跟任意一个生成器，即yield from可以将任意的任务为派给任意生成器函数，从而避免了子生成器直接向调用者返回单个值的情况
三，yiedl from用法示例
其实yield from最重要的作用就是提供了一个“数据传输管道”，下面通过一个简单的例子加以说明为什么是管道：
例子说明yield from的管道功能.py
def average():
# 数字的总和
total = 0.0
# 数字的个数
count = 0
# 数字的平均值
avg = None
while True:
# 平均值作为生成器的返回
n = yield avg
# 没跌倒一次生成器数字传递的数字个数+1
count = count + 1
# 计算传递数字的和
total = total + n
# 计算平均值
avg = total / count
def wrap_average(generator):
yield from generator
def main(wrap):
# 启动生成器
print(next(wrap))
print(warp.send(10))
print(warp.send(20))
print(warp.send(30))
print(warp.send(40))
g = average()
warp = wrap_average(g)
main(warp)
# None
# 10.0
# 15.0
# 20.0
# 25.0
从上面我们可以发现，调研费发送数据是发给wrap_average的，怎么依然到了生成器函数avarage里面呢？这就是“数据传输管道的作用”。即主函数调用方main把各个value传给grouper，而这个传入的值最终达到average函数中；grouper并不知道传入是是什么值，因为从上面的代码看出，wrap_average里面完全没有处理这个值的任何代码 ！
现在是不是对“数据传输管道”更加理解了呢？
使用调试模式更加深入理解委派生成器的管道功能
省略几步重复步骤...
