在绑定属性时,如果我们直接把属性暴露出去,虽然写起来很简单,但是,没办法检查参数,导致可以把成绩随便改:
1
2
|
s
=
Student()
s.score
=
9999
|
这显然不合逻辑。为了限制score的范围,可以通过一个set_score()方法来设置成绩,再通过一个get_score()来获取成绩,这样,在set_score()方法里,就可以检查参数:
1
2
3
4
5
6
7
8
9
10
11
|
class
Student(
object
):
def
get_score(
self
):
return
self
._score
def
set_score(
self
, value):
if
not
isinstance
(value,
int
):
raise
ValueError(
'score must be an integer!'
)
if
value <
0
or
value >
100
:
raise
ValueError(
'score must between 0 ~ 100!'
)
self
._score
=
value
|
现在,对任意的Student实例进行操作,就不能随心所欲地设置score了:
1
2
3
4
5
6
7
8
|
>>> s
=
Student()
>>> s.set_score(
60
)
# ok!
>>> s.get_score()
60
>>> s.set_score(
9999
)
Traceback (most recent call last):
...
ValueError: score must between
0
~
100
!
|
但是,上面的调用方法又略显复杂,没有直接用属性这么直接简单。
有没有既能检查参数,又可以用类似属性这样简单的方式来访问类的变量呢?对于追求完美的Python程序员来说,这是必须要做到的!
还记得装饰器(decorator)可以给函数动态加上功能吗?对于类的方法,装饰器一样起作用。Python内置的@property装饰器就是负责把一个方法变成属性调用的:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
class
Student(
object
):
@property
def
score(
self
):
return
self
._score
@score
.setter
def
score(
self
, value):
if
not
isinstance
(value,
int
):
raise
ValueError(
'score must be an integer!'
)
if
value <
0
or
value >
100
:
raise
ValueError(
'score must between 0 ~ 100!'
)
self
._score
=
value
|
@property的实现比较复杂,我们先考察如何使用。把一个getter方法变成属性,只需要加上@property就可以了,此时,@property本身又创建了另一个装饰器@score.setter,负责把一个setter方法变成属性赋值,于是,我们就拥有一个可控的属性操作:
1
2
3
4
5
6
7
8
|
>>> s
=
Student()
>>> s.score
=
60
# OK,实际转化为s.set_score(60)
>>> s.score
# OK,实际转化为s.get_score()
60
>>> s.score
=
9999
Traceback (most recent call last):
...
ValueError: score must between
0
~
100
!
|
注意到这个神奇的@property,我们在对实例属性操作的时候,就知道该属性很可能不是直接暴露的,而是通过getter和setter方法来实现的。
还可以定义只读属性,只定义getter方法,不定义setter方法就是一个只读属性:
1
2
3
4
5
6
7
8
9
10
11
12
13
|
class
Student(
object
):
@property
def
birth(
self
):
return
self
._birth
@birth
.setter
def
birth(
self
, value):
self
._birth
=
value
@property
def
age(
self
):
return
2014
-
self
._birth
|
上面的birth是可读写属性,而age就是一个只读属性,因为age可以根据birth和当前时间计算出来。
小结
@property广泛应用在类的定义中,可以让调用者写出简短的代码,同时保证对参数进行必要的检查,这样,程序运行时就减少了出错的可能性。