做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。
别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。
我先来介绍一下这些东西怎么用，文末抱走。
（1）Python所有方向的学习路线（新版）
这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
最近我才对这些路线做了一下新的更新，知识体系更全面了。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
（4）200多本电子书
这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。
基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。
（5）Python知识点汇总
知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。
（6）其他资料
还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
可以看到， cat 和 dog 是两个不同的对象，对它们调用 greet 方法，它们会自动调用实
际类型的 greet 方法，作出不同的响应。这就是多态的魅力。
4 类方法和静态方法
在讲类方法和静态方法之前，先来看一个简单的例子：
1. class A ( object ):
2. def foo ( self ):
3. print 'Hello ’ , self
5. >>> a = A ()
6. >>> a . foo ()
7. Hello , < __main__ . A object at 0x10c37a450 >
在上面，我们定义了一个类 A ，它有一个方法 foo ，然后我们创建了一个对象 a ，并调用方法 foo 。
4.1 类方法
如果我们想通过类来调用方法，而不是通过实例，那应该怎么办呢？
Python 提供了 classmethod 装饰器让我们实现上述功能，看下面的例子：
1. class A ( object ):
2. bar = 1
3. @classmethod
4. def class_foo ( cls ):
5. print 'Hello, ’ , cls
6. print cls . bar
8. >>> A . class_foo () # 直接通过类来调用方法
9. Hello , < class ‘__main__.A’ >
10. 1
在上面，我们使用了 classmethod 装饰方法 class_foo ，它就变成了一个类方
法， class_foo 的参数是 cls ，代表类本身，当我们使用 A.class_foo() 时， cls 就会接
收 A 作为参数。另外，被 classmethod 装饰的方法由于持有 cls 参数，因此我们可以在方法
里面调用类的属性、方法，比如 cls.bar 。
4.2 静态方法
在类中往往有一些方法跟类有关系，但是又不会改变类和实例状态的方法，这种方法是静态方法，我们 使用 staticmethod 来装饰，比如下面的例子：
1. class A ( object ):
2. bar = 1
3. @staticmethod
4. def static_foo ():
5. print 'Hello, ’ , A . bar
7. >>> a = A ()
8. >>> a . static_foo ()
9. Hello , 1
10. >>> A . static_foo ()
11. Hello , 1
可以看到，静态方法没有 self 和 cls 参数，可以把它看成是一个普通的函数，我们当然可以把它
写到类外面，但这是不推荐的，因为这不利于代码的组织和命名空间的整洁。
5 定制类和魔法方法
在 Python 中，我们可以经常看到以双下划线 __ 包裹起来的方法，比如最常见的
__init__ ，这些方法被称为魔法方法（ magic method ）或特殊方法（ special method ）。简
单地说，这些方法可以给 Python 的类提供特殊功能，方便我们定制一个类，比如 __init__ 方
法可以对实例属性进行初始化。
完整的特殊方法列表可在 这里 查看，本文介绍部分常用的特殊方法：
__new__
__str__ , __repr__
__iter__
__getitem__ , __setitem__ , __delitem__
__getattr__ , __setattr__ , __delattr__
__call__
5.1 new
在 Python 中，当我们创建一个类的实例时，类会先调用 __new__(cls[, …]) 来创建实例，
然后 __init__ 方法再对该实例（ self ）进行初始化。
关于 __new__ 和 __init__ 有几点需要注意：
__new__ 是在 __init__ 之前被调用的；
__new__ 是类方法， __init__ 是实例方法；
重载 __new__ 方法，需要返回类的实例；
一般情况下，我们不需要重载 __new__ 方法。但在某些情况下，我们想控制实例的创建过程，这
时可以通过重载 __new_ 方法来实现。
让我们看一个例子：
1. class A ( object ):
2. _dict = dict ()
4. def __new__ ( cls ):
5. if ‘key’ in A . _dict :
6. print “EXISTS”
7. return A . _dict [ ‘key’ ]
8. else :
9. print “NEW”
10. return object . __new__ ( cls )
12. def __init__ ( self ):
13. print “INIT”
14. A . _dict [ ‘key’ ] = self
在上面，我们定义了一个类 A ，并重载了 __new__ 方法：当 key 在 A._dict 中
时，直接返回 A._dict[‘key’] ，否则创建实例。
执行情况：
1. >>> a1 = A ()
2. NEW
3. INIT
4. >>> a2 = A ()
5. EXISTS
6. INIT
7. >>> a3 = A ()
8. EXISTS
9. INIT
5.2 str & repr
先看一个简单的例子：
1. class Foo ( object ):
2. def __init__ ( self , name ):
3. self . name = name
5. >>> print Foo ( ‘ethan’ )
6. < __main__ . Foo object at 0x10c37aa50 >
在上面，我们使用 print 打印一个实例对象，但如果我们想打印更多信息呢，比如把 name 也打印
出来，这时，我们可以在类中加入 __str__ 方法，如下：
1. class Foo ( object ):
2. def __init__ ( self , name ):
3. self . name = name
4. def __str__ ( self ):
5. return ‘Foo object (name: %s)’ % self . name
7. >>> print Foo(‘ethan’) # 使用 print
8. Foo object ( name : ethan )
9. >>>
10. >>> str ( Foo ( ‘ethan’ )) # 使用 str
11. ‘Foo object (name: ethan)’
12. >>>
13. >>> Foo ( ‘ethan’ ) # 直接显示
14. < __main__ . Foo at 0x10c37a490 >
可以看到，使用 print 和 str 输出的是 __str__ 方法返回的内容，但如果直接显示则不是，
那能不能修改它的输出呢？当然可以，我们只需在类中加入 __repr__ 方法，比如：
1. class Foo ( object ):
2. def __init__ ( self , name ):
3. self . name = name
4. def __str__ ( self ):
5. return ‘Foo object (name: %s)’ % self . name
6. def __repr__ ( self ):
7. return ‘Foo object (name: %s)’ % self . name
9. >>> Foo ( ‘ethan’ )
10. ‘Foo object (name: ethan)’
可以看到，现在直接使用 Foo(‘ethan’) 也可以显示我们想要的结果了，然而，我们发现上面的代
码中， __str__ 和 __repr__ 方法的代码是一样的，能不能精简一点呢，当然可以，如下：
1. class Foo ( object ):
2. def __init__ ( self , name ):
3. self . name = name
4. def __str__ ( self ):
5. return ‘Foo object (name: %s)’ % self . name
6. __repr__ = __str__
5.3 iter
在某些情况下，我们希望实例对象可被用于 for…in 循环，这时我们需要在类中定义
__iter__ 和 next （在 Python3 中是 __next__ ）方法，其中， __iter__ 返回一
个迭代对象， next 返回容器的下一个元素，在没有后续元素时抛出 StopIteration 异常。
看一个斐波那契数列的例子：
1. class Fib ( object ):
2. def __init__ ( self ):
3. self . a , self . b = 0 , 1
5. def __iter__ ( self ): # 返回迭代器对象本身
6. return self
8. def next ( self ): # 返回容器下一个元素
9. self . a , self . b = self . b , self . a + self . b
10. return self . a
12. >>> fib = Fib ()
13. >>> for i in fib :
14. … if i > 10 :
15. … break
16. … print i
17. …
18. 1
19. 1
20. 2
21. 3
22. 5
23. 8
5.4 getitem
有时，我们希望可以使用 obj[n] 这种方式对实例对象进行取值，比如对斐波那契数列，我们希望
可以取出其中的某一项，这时我们需要在类中实现 __getitem__ 方法，比如下面的例子：
1. class Fib ( object ):
2. def __getitem__ ( self , n ):
3. a , b = 1 , 1
4. for x in xrange ( n ):
5. a , b = b , a + b
6. return a
8. >>> fib = Fib ()
9. >>> fib [ 0 ], fib [ 1 ], fib [ 2 ], fib [ 3 ], fib [ 4 ], fib [ 5 ]
10. ( 1 , 1 , 2 , 3 , 5 , 8 )
我们还想更进一步，希望支持 obj[1:3] 这种切片方法来取值，这时 __getitem__ 方法传入的参数可能是一个整数，也可能是一个切片对象 slice ，因此，我们需要对传入的参数进行判断，可
以使用 isinstance 进行判断，改后的代码如下：
1. class Fib ( object ):
2. def __getitem__ ( self , n ):
3. if isinstance ( n , slice ): # 如果 n 是 slice 对象
4. a , b = 1 , 1
5. start , stop = n . start , n . stop
6. L = []
7. for i in xrange ( stop ):
8. if i >= start :
9. L . append ( a )
10. a , b = b , a + b
11. return L
12. if isinstance ( n , int ): # 如果 n 是 int 型
13. a , b = 1 , 1
14. for i in xrange ( n ):
15. a , b = b , a + b
16. return a
现在，我们试试用切片方法：
1. >>> fib = Fib ()
2. >>> fib [ 0 : 3 ]
3. [ 1 , 1 , 2 ]
4. >>> fib [ 2 : 6 ]
5. [ 2 , 3 , 5 , 8 ]
上面，我们只是简单地演示了 getitem 的操作，但是它还很不完善，比如没有对负数处理，不支持带
step 参数的切片操作 obj[1:2:5] 等等，读者有兴趣的话可以自己实现看看。
__geitem__ 用于获取值，类似地， __setitem__ 用于设置值， __delitem__ 用于删除
值，让我们看下面一个例子：
1. class Point ( object ):
2. def __init__ ( self ):
3. self . coordinate = {}
5. def __str__ ( self ):
6. return “point(%s)” % self . coordinate
8. def __getitem__ ( self , key ):
9. return self . coordinate . get ( key )
11. def __setitem__ ( self , key , value ):
12. self . coordinate [ key ] = value
14. def __delitem__ ( self , key ):
15. del self . coordinate [ key ]
16. print ‘delete %s’ % key
18. def __len__ ( self ):
19. return len ( self . coordinate )
21. __repr__ = __str__
在上面，我们定义了一个 Point 类，它有一个属性 coordinate （坐标），是一个字典，让我们看
看使用：
1. >>> p = Point ()
2. >>> p [ ‘x’ ] = 2 # 对应于 p.__setitem__(‘x’, 2)
3. >>> p [ ‘y’ ] = 5 # 对应于 p.__setitem__(‘y’, 5)
4. >>> p # 对应于 __repr__
5. point ({ ‘y’ : 5 , ‘x’ : 2 })
6. >>> len ( p ) # 对应于 p.__len__
7. 2
8. >>> p [ ‘x’ ] # 对应于 p.__getitem__(‘x’)
9. 2
10. >>> p [ ‘y’ ] # 对应于 p.__getitem__(‘y’)
11. 5
12. >>> del p [ ‘x’ ] # 对应于 p.__delitem__(‘x’)
13. delete x
14. >>> p
15. point ({ ‘y’ : 5 })
16. >>> len ( p )
17. 1
5.5 getattr
当我们获取对象的某个属性，如果该属性不存在，会抛出 AttributeError 异常，比如：
1. class Point ( object ):
2. def __init__ ( self , x = 0 , y = 0 ):
3. self . x = x
4. self . y = y
6. >>> p = Point ( 3 , 4 )
7. >>> p . x , p . y
8. ( 3 , 4 )
9. >>> p . z
10. ---------------------------------------------------------------------------
11. AttributeError Traceback ( most recent call last )
12. < ipython - input - 547 - 6dce4e43e15c > in < module >()
13. ----> 1 p . z
15. AttributeError : ‘Point’ object has no attribute ‘z’
那有没有办法不让它抛出异常呢？当然有，只需在类的定义中加入 __getattr__ 方法，比如：
1. class Point ( object ):
2. def __init__ ( self , x = 0 , y = 0 ):
3. self . x = x
4. self . y = y
5. def __getattr__ ( self , attr ):
6. if attr == ‘z’ :
7. return 0
9. >>> p = Point ( 3 , 4 )
10. >>> p . z
11. 0
现在，当我们调用不存在的属性（比如 z ）时，解释器就会试图调用 __getattr__(self, ‘z’)
来获取值，但是，上面的实现还有一个问题，当我们调用其他属性，比如 w ，会返回 None ，因为
__getattr__ 默认返回就是 None ，只有当 attr 等于 ‘z’ 时才返回 0 ，如果我们想让
__getattr__ 只响应几个特定的属性，可以加入异常处理，修改 __getattr__ 方法，如下：
1. def __getattr__ ( self , attr ):
2. if attr == ‘z’ :
3. return 0
4. raise AttributeError ( “Point object has no attribute %s” % attr )
这里再强调一点， __getattr__ 只有在属性不存在的情况下才会被调用，对已存在的属性不会调用
__getattr__ 。
与 __getattr__ 一起使用的还有 __setattr__ , __delattr__ ，类似 obj.attr =value , del obj.attr ，看下面一个例子：
1. class Point ( object ):
2. def __init__ ( self , x = 0 , y = 0 ):
3. self . x = x
4. self . y = y
6. def __getattr__ ( self , attr ):
7. if attr == ‘z’ :
8. return 0
9. raise AttributeError ( “Point object has no attribute %s” % attr )
11. def __setattr__ ( self , * args , ** kwargs ):
12. print ‘call func set attr (%s, %s)’ % ( args , kwargs )
13. return object . __setattr__ ( self , * args , ** kwargs )
15. def __delattr__ ( self , * args , ** kwargs ):
16. print ‘call func del attr (%s, %s)’ % ( args , kwargs )
17. return object . __delattr__ ( self , * args , ** kwargs )
19. >>> p = Point ( 3 , 4 )
20. call func set attr (( ‘x’ , 3 ), {})
21. call func set attr (( ‘y’ , 4 ), {})
22. >>> p . z
23. 0
24. >>> p . z = 7
25. call func set attr (( ‘z’ , 7 ), {})
26. >>> p . z
27. 7
28. >>> p . w
29. Traceback ( most recent call last ):
30. File “” , line 1 , in < module >
31. File “” , line 8 , in __getattr__
32. AttributeError : Point object has no attribute w
33. >>> p . w = 8
34. call func set attr (( ‘w’ , 8 ), {})
35. >>> p . w
36. 8
37. >>> del p . w
38. call func del attr (( ‘w’ ,), {})
39. >>> p . __dict__
40. { ‘y’ : 4 , ‘x’ : 3 , ‘z’ : 7 }
5.6 call
我们一般使用 obj.method() 来调用对象的方法，那能不能直接在实例本身上调用呢？在
Python 中，只要我们在类中定义 __call__ 方法，就可以对实例进行调用，比如下面的例子：
1. class Point ( object ):
2. def __init__ ( self , x , y ):
3. self . x , self . y = x , y
4. def __call__ ( self , z ):
5. return self . x + self . y + z
使用如下：
1. >>> p = Point ( 3 , 4 )
2. >>> callable ( p ) # 使用 callable 判断对象是否能被调用
3. True
4. >>> p ( 6 ) # 传入参数，对实例进行调用，对应 p.__call__(6)
5. 13 # 3+4+6
可以看到，对实例进行调用就好像对函数调用一样。
__new__ 在 __init__ 之前被调用，用来创建实例。
__str__ 是用 print 和 str 显示的结果， __repr__ 是直接显示的结果。
__getitem__ 用类似 obj[key] 的方式对对象进行取值
__getattr__ 用于获取不存在的属性 obj.attr
__call__ 使得可以对实例进行调用
5.7 小结
__new__ 在 __init__ 之前被调用，用来创建实例。
__str__ 是用 print 和 str 显示的结果， __repr__ 是直接显示的结果。
__getitem__ 用类似 obj[key] 的方式对对象进行取值
__getattr__ 用于获取不存在的属性 obj.attr
__call__ 使得可以对实例进行调用
6 slots 魔法
在 Python 中，我们在定义类的时候可以定义属性和方法。当我们创建了一个类的实例后，我们还可以给该实例绑定任意新的属性和方法。
看下面一个简单的例子：
1. class Point ( object ):
2. def __init__ ( self , x = 0 , y = 0 ):
3. self . x = x
4. self . y = y
6. >>> p = Point ( 3 , 4 )
7. >>> p . z = 5 # 绑定了一个新的属性
8. >>> p . z
9. 5
10. >>> p . __dict__
11. { ‘x’ : 3 , ‘y’ : 4 , ‘z’ : 5 }
在上面，我们创建了实例 p 之后，给它绑定了一个新的属性 z ，这种动态绑定的功能虽然很有用，但它的代价是消耗了更多的内存。
因此，为了不浪费内存，可以使用 __slots__ 来告诉 Python 只给一个固定集合的属性分配空
间，对上面的代码做一点改进，如下：
1. class Point ( object ):
2. __slots__ = ( ‘x’ , ‘y’ ) # 只允许使用 x 和 y
4. def __init__ ( self , x = 0 , y = 0 ):
5. self . x = x
6. self . y = y
上面，我们给 __slots__ 设置了一个元组，来限制类能添加的属性。现在，如果我们想绑定一个
新的属性，比如 z ，就会出错了，如下：
1. >>> p = Point ( 3 , 4 )
2. >>> p . z = 5
3. ---------------------------------------------------------------------------
4. AttributeError Traceback ( most recent call last )
5. < ipython - input - 648 - 625ed954d865 > in < module >()
6. ----> 1 p . z = 5
8. AttributeError : ‘Point’ object has no attribute ‘z’
使用 __slots__ 有一点需要注意的是， __slots__ 设置的属性仅对当前类有效，对继承的子
类不起效，除非子类也定义了 __slots__ ，这样，子类允许定义的属性就是自身的 slots 加上父
类的 slots 。
7 使用 @property
在使用 @property 之前，让我们先来看一个简单的例子：
1. class Exam ( object ):
2. def __init__ ( self , score ):
3. self . _score = score
5. def get_score ( self ):
6. return self . _score
8. def set_score ( self , val ):
9. if val < 0 :
10. self . _score = 0
11. elif val > 100 :
12. self . _score = 100
13. else :
14. self . _score = val
16. >>> e = Exam ( 60 )
17. >>> e . get_score ()
18. 60
19. >>> e . set_score ( 70 )
20. >>> e . get_score ()
21. 70
在上面，我们定义了一个 Exam 类，为了避免直接对 _score 属性操作，我们提供了
get_score 和 set_score 方法，这样起到了封装的作用，把一些不想对外公开的属性隐蔽起来，
而只是提供方法给用户操作，在方法里面，我们可以检查参数的合理性等。
这样做没什么问题，但是我们有更简单的方式来做这件事， Python 提供了 property 装饰器，被
装饰的方法，我们可以将其『当作』属性来用，看下面的例子：
1. class Exam ( object ):
2. def __init__ ( self , score ):
3. self . _score = score
5. @property
6. def score ( self ):
7. return self . _score
9. @score . setter
10. def score ( self , val ):
11. if val < 0 :
12. self . _score = 0
13. elif val > 100 :
14. self . _score = 100
15. else :
16. self . _score = val
18. >>> e = Exam ( 60 )
19. >>> e . score
20. 60
21. >>> e . score = 90
22. >>> e . score
23. 90
24. >>> e . score = 200
25. >>> e . score
26. 100
在上面，我们给方法 score 加上了 @property ，于是我们可以把 score 当成一个属性来用，
此时，又会创建一个新的装饰器 score.setter ，它可以把被装饰的方法变成属性来赋值。
另外，我们也不一定要使用 score.setter 这个装饰器，这时 score 就变成一个只读属性了：
1. class Exam ( object ):
2. def __init__ ( self , score ):
3. self . _score = score
5. @property
6. def score ( self ):
7. return self . _score
9. >>> e = Exam ( 60 )
10. >>> e . score
11. 60
12. >>> e . score = 200 # score 是只读属性，不能设置值
13. ---------------------------------------------------------------------------
14. AttributeError Traceback ( most recent call last )
15. < ipython - input - 676 - b0515304f6e0 > in < module >()
16. ----> 1 e . score = 200
18. AttributeError : can 't set attribute
@property 把方法『变成』了属性 。
8 你不知道的 super
在类的继承中，如果重定义某个方法，该方法会覆盖父类的同名方法，但有时，我们希望能同时实现父类的功能，这时，我们就需要调用父类的方法了，可通过使用 super 来实现，比如：
1. class Animal ( object ):
2. def __init__ ( self , name ):
3. self . name = name
4. def greet ( self ):
5. print ‘Hello, I am %s.’ % self . name
7. class Dog ( Animal ):
8. def greet ( self ):
9. super ( Dog , self ). greet () # Python3 可使用 super().greet()
10. print ‘WangWang…’
在上面， Animal 是父类， Dog 是子类，我们在 Dog 类重定义了 greet 方法，为了能同时实现
父类的功能，我们又调用了父类的方法，看下面的使用：
1. >>> dog = Dog ( ‘dog’ )
2. >>> dog . greet ()
3. Hello , I am dog .
4. WangWang …
super 的一个最常见用法可以说是在子类中调用父类的初始化方法了，比如：
1. class Base ( object ):
2. def __init__ ( self , a , b ):
3. self . a = a
4. self . b = b
6. class A ( Base ):
7. def __init__ ( self , a , b , c ):
8.
super ( A , self ). __init__ ( a , b ) # Python3 可使用 super().__init__(a, b)
9. self . c = c
8.1 深入 super()
看了上面的使用，你可能会觉得 super 的使用很简单，无非就是获取了父类，并调用父类的方 法。其实，在上面的情况下， super 获得的类刚好是父类，但在其他情况就不一定了， super 其实和
父类没有实质性的关联。
让我们看一个稍微复杂的例子，涉及到多重继承，代码如下：
1. class Base ( object ):
2. def __init__ ( self ):
3. print “enter Base”
4. print “leave Base”
6. class A ( Base ):
7. def __init__ ( self ):
8. print “enter A”
9. super ( A , self ). __init__ ()
10. print “leave A”
12. class B ( Base ):
13. def __init__ ( self ):
14. print “enter B”
15. super ( B , self ). __init__ ()
16. print “leave B”
18. class C ( A , B ):
19. def __init__ ( self ):
20. print “enter C”
21. super ( C , self ). __init__ ()
22. print “leave C”
其中， Base 是父类， A, B 继承自 Base, C 继承自 A, B ，它们的继承关系是一个典型的『菱形继
承』，如下：
1. Base
2. / \
3. / \
4. A B
5. \ /
6. \ /
7. C
现在，让我们看一下使用：
1. >>> c = C ()
2. enter C
3. enter A
4. enter B
5. enter Base
6. leave Base
7. leave B
8. leave A
9. leave C
如果你认为 super 代表『调用父类的方法』，那你很可能会疑惑为什么 enter A 的下一句不是
enter Base 而是 enter B 。原因是， super 和父类没有实质性的关联，现在让我们搞清
super 是怎么运作的。
8.2 MRO 列表
事实上，对于你定义的每一个类， Python 会计算出一个方法解析顺序（ Method Resolution
Order, MRO ）列表，它代表了类继承的顺序，我们可以使用下面的方式获得某个类的 MRO 列表：
1. >>> C . mro () # or C.__mro__ or C().__class__.mro()
2. [ __main__ . C , __main__ . A , __main__ . B , __main__ . Base , object ]
那这个 MRO 列表的顺序是怎么定的呢，它是通过一个 C3 线性化算法 来实现的，这里我们就不去深究
这个算法了，感兴趣的读者可以自己去了解一下，总的来说，一个类的 MRO 列表就是合并所有父类的
MRO 列表，并遵循以下三条原则：
子类永远在父类前面
如果有多个父类，会根据它们在列表中的顺序被检查
如果对下一个类存在两个合法的选择，选择第一个父类
8.3 super 原理
super 的工作原理如下：
1. def super ( cls , inst ):
2. mro = inst . __class__ . mro ()
3. return mro [ mro . index ( cls ) + 1 ]
其中， cls 代表类， inst 代表实例，上面的代码做了两件事：
获取 inst 的 MRO 列表
查找 cls 在当前 MRO 列表中的 index, 并返回它的下一个类，即 mro[index + 1]
当你使用 super(cls, inst) 时， Python 会在 inst 的 MRO 列表上搜索 cls 的下一个类。
现在，让我们回到前面的例子。
首先看类 C 的 __init__ 方法：
1. super ( C , self ). __init__ ()
这里的 self 是当前 C 的实例， self. class .mro() 结果是：
1. [ __main__ . C , __main__ . A , __main__ . B , __main__ . Base , object ]
可以看到， C 的下一个类是 A ，于是，跳到了 A 的 __init__ ，这时会打印出 enter A ，并执
行下面一行代码：
1. super ( A , self ). __init__ ()
注意，这里的 self 也是当前 C 的实例， MRO 列表跟上面是一样的，搜索 A 在 MRO 中的下一个
类，发现是 B ，于是，跳到了 B 的 __init__ ，这时会打印出 enter B ，而不是 enter
Base 。
整个过程还是比较清晰的，关键是要理解 super 的工作方式，而不是想当然地认为 super 调用了父
类的方法。
事实上， super 和父类没有实质性的关联。
super(cls, inst) 获得的是 cls 在 inst 的 MRO 列表中的下一个类
8.4 陌生的 metaclass
Python 中的元类（ metaclass ）是一个深度魔法，平时我们可能比较少接触到元类，本文将通过一些简单的例子来理解这个魔法。
在 Python 中，一切皆对象。字符串，列表，字典，函数是对象，类也是一个对象，因此你可以：
把类赋值给一个变量
把类作为函数参数进行传递
把类作为函数的返回值
在运行时动态地创建类
看一个简单的例子：
1. class Foo ( object ):
2. foo = True
4. class Bar ( object ):
5. bar = True
7. def echo ( cls ):
8. print cls
10. def select ( name ):
11. if name == ‘foo’ :
12. return Foo # 返回值是一个类
13. if name == ‘bar’ :
14. return Bar
16. >>> echo ( Foo ) # 把类作为参数传递给函数 echo
17. < class ‘__main__.Foo’ >
18. >>> cls = select ( ‘foo’ ) # 函数 select 的返回值是一个类，把它赋给变量 cls
19. >>> cls
20. __main__ . Foo
8.5 熟悉又陌生的 type
在日常使用中，我们经常使用 object 来派生一个类，事实上，在这种情况下， Python 解释器会
调用 type 来创建类。
这里，出现了 type ，没错，是你知道的 type ，我们经常使用它来判断一个对象的类型，比
如：
1. class Foo ( object ):
2. Foo = True
4. >>> type ( 10 )
5. < type ‘int’ >
6. >>> type ( ‘hello’ )
7. < type ‘str’ >
8. >>> type ( Foo ())
9. < class ‘__main__.Foo’ >
10. >>> type ( Foo )
11. < type ‘type’ >
事实上， type 除了可以返回对象的类型，它还可以被用来动态地创建类（对象）。下面，我们看
几个例子，来消化一下这句话。
使用 type 来创建类（对象）的方式如下：
type( 类名 , 父类的元组（针对继承的情况，可以为空），包含属性和方法的字典（名称和值） )
8.6 最简单的情况
假设有下面的类：
1. class Foo ( object ):
2. pass
现在，我们不使用 class 关键字来定义，而使用 type ，如下：
1. Foo = type ( ‘Foo’ , ( object , ), {}) # 使用 type 创建了一个类对象
上面两种方式是等价的。我们看到， type 接收三个参数：
第 1 个参数是字符串 ‘Foo’ ，表示类名
第 2 个参数是元组 (object, ) ，表示所有的父类
第 3 个参数是字典，这里是一个空字典，表示没有定义属性和方法。
在上面，我们使用 type() 创建了一个名为 Foo 的类，然后把它赋给了变量 Foo ，我们当然可
最后
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
11万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
