Python的生成器对象底层原理及协程思想的由来

import inspect

frame = None

def foo():
    bar()

def bar():
    global frame
    frame = inspect.currentframe()  # 获取当前栈帧对象

foo() # 虽然函数运行完成，但是我们仍然能找到这个函数当时运行的栈帧
# 与静态静态语言不同的是，静态语言是函数调用完成栈整个销毁，而Python是放在堆上的，所以我们可以在函数调用完成后还可以去控制它，例如下面的代码

print(frame.f_code.co_name)  # 获取函数名: bar
caller_frame = frame.f_back  # 获取调用者的栈帧对象
print(caller_frame.f_code.co_name)  # 获取调用者的函数名: foo

python.exe即Python解释器会用一个叫做 PyEval_EvalFramEx 的C语言函数去执行foo函数，当执行的时候会先创建一个栈帧（stack frame）对象，Python一切皆对象，所以栈帧也是对象，然后会把代码转成字节码对象（查看字节码使用dis模块），当foo函数调用子函数bar时，又会创建一个栈帧，所有的栈帧都是分配在堆内存上的，这就决定了栈帧可以独立于调用者存在。

堆内存的特性是：不去释放它，它就会一直存在于内存当中。

生成器对象正是利用了 “所有的栈帧都是分配在堆内存上” 的这一特点，再外面又加了一层

# 从栈帧角度来剖析生成器对象的原理
import dis
def gen_func():
    yield 1
    name = "foo"
    yield 2
    age = 30
    return "bar"

gen = gen_func() # 返回生成器对象
dis.dis(gen)
# f_lasti是一个整数，表示当前指令在字节码中的偏移量，即下次运行是从字节码的多少行开始
print(gen.gi_frame.f_lasti) # -1
print(gen.gi_frame.f_locals) # {}
next(gen)   # 每一次调用都会重新生成栈帧对象
print(gen.gi_frame.f_lasti) # 2
print(gen.gi_frame.f_locals) # {}
next(gen)   # 每一次调用都会重新生成栈帧对象
print(gen.gi_frame.f_lasti) # 12
print(gen.gi_frame.f_locals) # {'name': 'foo'}

生成器对象也是分配在堆内存当中的，所以生成器对象可以独立于调用而存在。所以只要我们拿到生成器对象，每一次调用都会重新生成栈帧对象，这样我们就能控制它继续往前走。所以我们在代码的任何地方只要拿到生成器对象，都可以去恢复它、去暂停它。
正是因为这一特点，才有了协程哦！因为这就是协程的理论基础。