《流畅的Python》第一章学习笔记

1.1　一摞Python风格的纸牌


Python 解释器碰到特殊的句法时，会使用特殊方法去激活一些基本的对象操作，这些特殊方法的名

字以两个下划线开头，以两个下划线结尾（例如__getitem__）。比如 obj[key] 的背后就是

__getitem__ 方法，为了能求得my_collection[key] 的值，解释器实际上会调用

my_collection.__getitem__(key)。

示例 1-1　一摞有序的纸牌

import collections

Card = collections.namedtuple('Card',['rank','suit'])  #需要掌握命名元组的使用

class FrenchDeck:
    ranks = [str(n) for n in range(2,11)] + list('JQKA')  #13张牌
    suits = 'spades diamonds clubs hearts'.split()        #4个花色
    #ranks和suits都是list类型

    def __init__(self):
        self._cards = [Card(rank,suit) for suit in self.suits
                                       for rank in self.ranks]  #两个for循环使用技巧，需

要掌握
    def __len__(self):
        return len(self._cards)   #返回列表长度，使对象能直接嗲用len函数

    def __getitem__(self,position):
        return self._cards[position] #通过列表[下标]返回元素，从而支持getitem功能

自Python 2.6 开始，namedtuple 就加入到 Python 里，用以构建只有少数属性但是没有方法的对象

，比如数据库条目。如下面这个控制台会话所示，利用 namedtuple，我们可以很轻松地得到一个纸

牌对象：

In [2]: beer_card = Card('7','diamonds')

In [3]: beer_card
Out[3]: Card(rank='7', suit='diamonds')

当然，我们这个例子主要还是关注 FrenchDeck 这个类，它既短小又精悍。首先，它跟任何标准

Python 集合类型一样，可以用 len() 函数来查看一叠牌有多少张：

In [4]: deck = FrenchDeck()

In [5]: len(deck)
Out[5]: 52

从一叠牌中抽取特定的一张纸牌，比如说第一张或最后一张，是很容易的：deck[0] 或deck[-1]。这

都是由 __getitem__ 方法提供的：

In [6]: deck[0]
Out[6]: Card(rank='2', suit='spades')

In [7]: deck[-1]
Out[7]: Card(rank='A', suit='hearts')

我们需要单独写一个方法用来随机抽取一张纸牌吗？没必要，Python 已经内置了从一个序列中随机

选出一个元素的函数 random.choice，我们直接把它用在这一摞纸牌实例上就好：

In [9]: choice(deck)
Out[9]: Card(rank='5', suit='hearts')

In [10]: choice(deck)
Out[10]: Card(rank='9', suit='spades')

In [11]: choice(deck)
Out[11]: Card(rank='7', suit='hearts')

因为 __getitem__ 方法把 [] 操作交给了 self._cards 列表，所以我们的 deck 类自动支持切片（

slicing）操作。下面列出了查看一摞牌最上面 3 张和只看牌面是 A 的牌的操作。其中第二种操作

的具体方法是，先抽出索引是 12 的那张牌，然后每隔 13 张牌拿 1张：

In [12]: deck[:3]
Out[12]:
[Card(rank='2', suit='spades'),
 Card(rank='3', suit='spades'),
 Card(rank='4', suit='spades')]

In [13]: deck[12:13]
Out[13]: [Card(rank='A', suit='spades')]

In [14]: deck[12::13]
Out[14]:
[Card(rank='A', suit='spades'),
 Card(rank='A', suit='diamonds'),
 Card(rank='A', suit='clubs'),
 Card(rank='A', suit='hearts')]

另外，仅仅实现了 __getitem__ 方法，这一摞牌就变成可迭代的了：

In [16]: for card in deck: #doctest: +ELLIPSIS
    ...:     print (card)
    ...:
Card(rank='2', suit='spades')
Card(rank='3', suit='spades')
Card(rank='4', suit='spades')
Card(rank='5', suit='spades')
Card(rank='6', suit='spades')
Card(rank='7', suit='spades')
Card(rank='8', suit='spades')
Card(rank='9', suit='spades')
.....

反向迭代也没关系：

In [17]: for card in reversed(deck):#doctest:+ELLIPSIS
    ...:     print (card)
    ...:
Card(rank='A', suit='hearts')
Card(rank='K', suit='hearts')
Card(rank='Q', suit='hearts')
Card(rank='J', suit='hearts')
Card(rank='10', suit='hearts')
Card(rank='9', suit='hearts')
Card(rank='8', suit='hearts')
Card(rank='7', suit='hearts')
.......

迭代通常是隐式的，譬如说一个集合类型没有实现 __contains__ 方法，那么 in 运算符就会按顺序

做一次迭代搜索。于是，in 运算符可以用在我们的 FrenchDeck 类上，因为它是可迭代的：

In [19]: Card('Q','hearts') in deck
Out[19]: True

In [20]: Card('7','beass') in deck
Out[20]: False

那么排序呢？我们按照常规，用点数来判定扑克牌的大小，2 最小、A 最大；同时还要加上对花色的

判定，黑桃最大、红桃次之、方块再次、梅花最小。下面就是按照这个规则来给扑克牌排序的函数，

梅花 2 的大小是 0，黑桃 A 是 51：

suit_values = dict(spades=3, hearts=2, diamonds=1, clubs=0)
def spades_high(card):
rank_value = FrenchDeck.ranks.index(card.rank)    #rank_value，'2' 的值为0，'A'的值为12
return rank_value * len(suit_values) + suit_values[card.suit]

有了 spades_high 函数，就能对这摞牌进行升序排序了：

>>> for card in sorted(deck, key=spades_high): # doctest: +ELLIPSIS
... print(card)
Card(rank='2', suit='clubs')
Card(rank='2', suit='diamonds')
Card(rank='2', suit='hearts')
... (46 cards ommitted)
Card(rank='A', suit='diamonds')
Card(rank='A', suit='hearts')
Card(rank='A', suit='spades')

虽然 FrenchDeck 隐式地继承了 object 类， 但功能却不是继承而来的。我们通过数据模型和一些

合成来实现这些功能。通过实现 __len__ 和 __getitem__ 这两个特殊方法，FrenchDeck 就跟一个

Python 自有的序列数据类型一样，可以体现出 Python 的核心语言特性（例如迭代和切片）。同时

这个类还可以用于标准库中诸如random.choice、reversed 和 sorted 这些函数。另外，对合成的运

用使得 __len__ 和__getitem__ 的具体实现可以代理给 self._cards 这个 Python 列表（即 list

对象）。



1.2　如何使用特殊方法
首先明确一点，特殊方法的存在是为了被 Python 解释器调用的，你自己并不需要调用它们。也就是

说没有 my_object.__len__() 这种写法，而应该使用 len(my_object)。在执行 len(my_object) 的

时候，如果 my_object 是一个自定义类的对象，那么 Python 会自己去调用其中由你实现的

__len__ 方法。然而如果是 Python 内置的类型，比如列表（list）、字符串（str）、字节序列
（bytearray）等，那么 CPython 会抄个近路，__len__ 实际上会直接返回PyVarObject 里的

ob_size 属性。PyVarObject 是表示内存中长度可变的内置对象的 C语言结构体。直接读取这个值比

调用一个方法要快很多。

很多时候，特殊方法的调用是隐式的，比如 for i in x: 这个语句，背后其实用的是iter(x)，而这

个函数的背后则是 x.__iter__() 方法。当然前提是这个方法在 x 中被实现了。通常你的代码无需

直接使用特殊方法。除非有大量的元编程存在，直接调用特殊方法的频率应该远远低于你去实现它们

的次数。唯一的例外可能是 __init__ 方法，你的代码里可能经常会用到它，目的是在你自己的子类

的 __init__ 方法中调用超类的构造器。通过内置的函数（例如 len、iter、str，等等）来使用特

殊方法是最好的选择。这些内置函数不仅会调用特殊方法，通常还提供额外的好处，而且对于内置的

类来说，它们的速度更快。14.12 节中有详细的例子。不要自己想当然地随意添加特殊方法，比如

__foo__ 之类的，因为虽然现在这个名字没有被 Python 内部使用，以后就不一定了。


示例 1-2　一个简单的二维向量类

from math import hypot

class Vector:
    def __init__(self,x=0,y=0):
        self.x = x
        self.y = y

    def __repr__(self):
        return 'Vector(%r,%r)' % (self.x,self.y)

    def __abs__(self):
        return hypot(self.x,self.y)

    def __bool__(self):
        return bool(abs(self))

    def __add__(self,other):
        x = self.x + other.x
        y = self.y + other.y
        return Vector(x,y)

    def __mul__(self,scalar):
        return Vector(self.x * scalar,self.y * scalar)

虽然代码里有 6 个特殊方法，但这些方法（除了 __init__）并不会在这个类自身的代码中使用。即

便其他程序要使用这个类的这些方法，也不会直接调用它们，就像我们在上面的控制台对话中看到的

。上文也提到过，一般只有 Python 的解释器会频繁地直接调用这些方法。接下来看看每个特殊方法

的实现。

1.2.2　字符串表示形式

Python 有一个内置的函数叫 repr，它能把一个对象用字符串的形式表达出来以便辨认，这就是“字

符串表示形式”。repr 就是通过 __repr__ 这个特殊方法来得到一个对象的字符串表示形式的。如

果没有实现 __repr__，当我们在控制台里打印一个向量的实例时，得到的字符串可能会是 <Vector

object at 0x10e100070>。

>>> vect = Vector(3,4)
>>> vect                #这里调用了__repr__函数，如果类中没有定义这个函数，这打印类似这

样的值<Vector object at 0x10e100070>
Vector(3,4)

交互式控制台和调试程序（debugger）用 repr 函数来获取字符串表示形式；在老的使用% 符号的字

符串格式中，这个函数返回的结果用来代替 %r 所代表的对象；同样，str.format 函数所用到的新

式字符串格式化语法（https://docs.python.org/2/library/string.html#format-string-syntax）

也是利用了 repr，才把!r 字段变成字符串。


在 __repr__ 的实现中，我们用到了 %r 来获取对象各个属性的标准字符串表示形式——这是个好习

惯，它暗示了一个关键：Vector(1, 2) 和 Vector('1', '2') 是不一样
的，后者在我们的定义中会报错，因为向量对象的构造函数只接受数值，不接受字符串。

__repr__ 所返回的字符串应该准确、无歧义，并且尽可能表达出如何用代码创建出这个被打印的对

象。因此这里使用了类似调用对象构造器的表达形式（比如 Vector(3, 4)
就是个例子）。
__repr__ 和 __str__ 的区别在于，后者是在 str() 函数被使用，或是在用 print 函数打印一个对

象的时候才被调用的，并且它返回的字符串对终端用户更友好。
如果你只想实现这两个特殊方法中的一个，__repr__ 是更好的选择，因为如果一个对象没有

__str__ 函数，而 Python 又需要调用它的时候，解释器会用 __repr__ 作为替代。


通过 __add__ 和 __mul__，示例 1-2 为向量类带来了 + 和 * 这两个算术运算符。值得注意的是，

这两个方法的返回值都是新创建的向量对象，被操作的两个向量（self 或
other）还是原封不动，代码里只是读取了它们的值而已。中缀运算符的基本原则就是不改变操作对

象，而是产出一个新的值。第 13 章会谈到更多这方面的问题。


1.2.4　自定义的布尔值
尽管 Python 里有 bool 类型，但实际上任何对象都可以用于需要布尔值的上下文中（比如if 或

while 语句，或者 and、or 和 not 运算符）。为了判定一个值 x 为真还是为假，Python 会调用

bool(x)，这个函数只能返回 True 或者 False。默认情况下，我们自己定义的类的实例总被认为是

真的，除非这个类对 __bool__ 或者__len__ 函数有自己的实现。bool(x) 的背后是调用

x.__bool__() 的结果；如果不存在 __bool__ 方法，那么 bool(x) 会尝试调用 x.__len__()。若返

回 0，则 bool 会返回False；否则返回 True。我们对 __bool__ 的实现很简单，如果一个向量的模

是 0，那么就返回 False，其他情况则返回 True。因为 __bool__ 函数的返回类型应该是布尔型，

所以我们通过bool(abs(self)) 把模值变成了布尔值。