asyncio.gather适用于等待所有任务完成并按序获取结果，适合批量API请求等场景；需错误隔离时应设return_exceptions=True，否则首个异常会中断其余任务。
asyncio.gather 是并发执行多个 awaitable 的最常用方式，它会同时启动所有任务，并在全部完成（或任一出错）时返回结果列表。
什么时候该用 asyncio.gather 而不是 asyncio.create_task？
当你只需要「等所有任务结束并收齐结果」，且不关心中间状态、不需取消单个任务、也不需处理任务生命周期时，asyncio.gather 更简洁安全。它自动包装协程为任务，并统一管理调度。
- 适合场景：批量请求 API、并发读取多个文件、并行调用几个独立的异步函数
- 不适合场景：需要逐个 await、要对某个任务超时控制、或需在运行中动态增删任务
- 注意：
asyncio.gather默认遇到第一个异常就停止（除非传return_exceptions=True），而create_task+asyncio.wait可更细粒度控制失败行为
return_exceptions=True 到底解决什么问题？
默认情况下，只要任意一个协程抛出异常，asyncio.gather 就立刻中断，其余仍在运行的任务会被取消（并可能引发 CancelledError）。加 return_exceptions=True 后，异常会被捕获并作为对应位置的返回值（类型是 Exception 实例），其他任务不受影响。
- 常见错误现象：
asyncio.gather报CancelledError，但你没主动 cancel —— 很可能是某子协程出错触发了全局中断 - 实用建议：对不可控的外部调用（如 HTTP 请求），务必加
return_exceptions=True，再用isinstance(res, Exception)逐个检查 - 性能影响：几乎无开销，只是把异常对象塞进结果列表，不额外调度
和 asyncio.wait 的关键区别在哪？
asyncio.wait 返回的是 (done, pending) 集合，关注「哪些完成了/还在跑」；gather 关注「按顺序返回每个结果」。两者底层都依赖任务调度，但语义不同。
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 如果你要等「至少 N 个完成」或「第一个完成就返回」，必须用
asyncio.wait配合return_when - 如果你明确知道所有任务都该跑完，且需要保持输入顺序对应输出顺序，
gather更直接 - 注意：
asyncio.wait不自动 await 协程，你得先用create_task或ensure_future包装；gather可直接传协程对象
实际写法示例：带错误隔离和结果解析
下面是一个典型用法，模拟三个异步操作，其中第二个会失败：
import asyncio
async def fetch_data(url):
if "fail" in url:
raise ValueError("Network error on " + url)
await asyncio.sleep(0.1)
return f"OK from {url}"
async def main():
tasks = [
fetch_data("https://api.a"),
fetch_data("https://api.fail"),
fetch_data("https://api.c"),
]
results = await asyncio.gather(*tasks, return_exceptions=True)
for i, res in enumerate(results):
if isinstance(res, Exception):
print(f"Task {i} failed: {res}")
else:
print(f"Task {i} succeeded: {res}")
asyncio.run(main())
输出中你会看到第 1 个（索引 1）是 ValueError 实例，其余两个正常返回 —— 这正是 return_exceptions=True 的作用。漏掉这个参数，程序会在第二个任务失败时直接退出，第三个根本不会执行完。
真正容易被忽略的是：即使加了 return_exceptions=True，未被显式处理的异常仍可能在 __del__ 中触发警告（尤其在任务被取消但未 await 完成时），所以始终确保所有 gather 调用都被 await，且结果被检查。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
