python协程本质是生成器的扩展，但用途不同：生成器用于惰性产出数据，协程用于异步控制流；语法上，async/await是生成器语义的升级，原生协程对象不可用next()驱动，且只能await一次。
Python 协程本质上是生成器的扩展，但二者在设计目的、语法支持和运行机制上有明确区分：生成器用于惰性产生数据，协程用于暂停/恢复执行以实现异步逻辑。
生成器是协程的语法基础
Python 3.4 之前，协程完全基于生成器实现（即 基于生成器的协程）。通过 yield 和 send()，函数既能产出值，也能接收外部传入的值，从而具备“暂停-恢复”能力。这种能力被 asyncio 早期版本用作协程底层机制。
-
def gen(): yield 1是生成器函数，调用返回生成器对象； -
def coro(): yield from asyncio.sleep(1)在 Python 3.4–3.5 中属于生成器式协程，需用@asyncio.coroutine装饰器标记； - 两者都依赖生成器对象的
__next__()和send()方法驱动执行。
async/await 是生成器语义的语法糖升级
Python 3.5 引入 async/await 后，原生协程（coroutine object）不再继承生成器类型，但行为逻辑仍与生成器高度一致：可挂起、可等待、有状态机控制流。
BizPower CRM客户管理系统
下载
通过使用BizPower CRM解决方案，您的员工、生产过程及信息能够与客户保持着平稳、无间断的联络，并且能够通过以客户为焦点、创新的产品和服务；以客户为中心，更高层次的生产过程；持久有益的客户关系这三个方面创造有价值客户的领导关系。选择Bizpower CRM的原因1、灵活的数据权限和功能权限BizPower CRM 系统通过引入了灵活的数据权限和功能权限，模仿现实中协同工作的实际情况。 实现企
-
async def f(): await asyncio.sleep(1)返回的是coroutine对象，不是generator； - 它不能用
next()或send()驱动，必须由事件循环用send()内部机制调度（底层仍复用生成器状态机）； -
await只能接 awaitable 对象（包括协程、带__await__的对象、生成器经types.coroutine转换后也可成为 awaitable）。
关键区别：用途、类型与错误边界
生成器关注“产出”，协程关注“控制流协作”。混淆二者容易导致运行时错误。
立即学习“Python免费学习笔记（深入）”；
- 生成器抛出
StopIteration表示结束；协程抛出StopIteration（或返回值）表示完成，但该异常会被事件循环捕获并转为返回值； - 直接调用
next(gen)是合法的，但next(coro)会报TypeError: 'coroutine' object is not an iterator； - 生成器可迭代多次（重用需重建），协程对象只能被调度一次，重复
await会触发RuntimeError: cannot reuse already awaited coroutine。
实际开发中如何选择
除非需要手动控制迭代逻辑（如流式解析、内存敏感的数据管道），否则应优先使用 async/await 编写协程；生成器更适合同步场景下的惰性计算。
- 要异步读文件？用
async def read_async()+await aiofiles.open()； - 要逐行处理超大 CSV？用
def csv_rows(): yield row（同步生成器）； - 需把旧生成器变成 awaitable？可用
@types.coroutine装饰，但仅限兼容场景，不推荐新代码使用。
