使用__slots__
一般,定义了class,创建了一个class的实例后,我们可以给该实例绑定任何属性和方法,这就是动态语言的灵活性。
定义一个类:
class Student(object):
pass
然后创建一个实例,再给实例绑定一个属性:
>>> s = Student() #创建一个实例
>>> s.name ='Mojian' #动态给实例绑定一个属性
再给实例绑定一个方法:
>>> def set_age(self): #定义一个函数为实例的方法
self.age = age
>>> from types import MethodType #1
>>> s.set_age = MethodType(set_age, s) #2 1,2两步是给实例绑定一个方法
>>> s.set_age(24) #调用实例方法
>>> s.age #测试结果
24
给一个实例绑定的方法,对另一个实例是不起作用的,可以直接给calss绑定方法,就能给所有实例绑定都绑定方法:
>>> Student.set_age = set_age
给类绑定方法后,所有实例都可以调用。
一般set_age方法可以直接定义在class中,但动态绑定允许在程序运行过程中动态给class加上功能。
如果要限制实例的属性,比如,只允许对Student实例添加name和age属性。
Python允许在定义class时,定义一个特殊的变量:slots,来限制该class实例能添加的属性:
class Student(object):
__slots__ = ('name', 'age') #用tuple定义允许绑定的属性名称
绑定不在slots中的属性时,将会报错AttributeError:
>>> s = Student() #创建新的实例
>>> s.name = 'Mojian' #绑定'name'属性
>>> s.age = 26 #绑定'age'属性
>>> s.score = 100 #绑定'score'属性
Traceback (most recent call last):
File "<pyshell#34>", line 1, in <module>
s.score = 100
AttributeError: 'Student' object has no attribute 'score'
slots定义的属性仅对当前类实例起作用,对继承的子类是不起作用的:
除非子类中也定义了slots,这样子类实例允许定义的属性就是自身的slots加上父类的slots.
slots只能限制添加属性,不能限制通过添加方法来添加属性:
def set_city(self, city):
self.city = city
class Student(object):
__slots__ = ('name', 'age', 'self.city')
pass
Student.set_city = MethodType(set_city, Student)
a = Student()
a.set_city(Beijing)
a.city
使用@property
绑定属性时,直接把属性暴露,没办法检查参数,导致可以把成绩随便改:
s = Student()
s.score = 9990
为了限制score的范围,可通过一个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:
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!') #raise语法触发异常,后面的代码也不会执行
if value < 0 or value > 100:
raise ValueError('score must between 0 ~ 100!')
self._score = value
现在就不能随意地设置score了:
>>> 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!
Python内置的@property装饰器就是负责把一个方法变成属性调用的:
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 1 ~ 100!')
self._score = value
把一个getter方法变成属性,只需加上@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:
>>> s = Student()
>>> s.score = 60
>>> s.score
60
>>> s.score = 999
Traceback (most recent call last):
...
ValueError: score must between 1 ~ 100!
在对实例属性操作时,该属性很可能不是直接暴露的,而是通过getter和setter方法实现的。
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:
calss Student(object):
@property
def birth(self):
return self._birth
@birth.setter
def birth(self, value):
self._birth = value
@property
def age(self):
return 2015 - 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。
多重继承
通过多重继承,一个子类就可以同时获得多个父类的所有功能。
Mixln
在设计类的继承关系时,通常,主线都是单一继承下来的。但是,如需“混入”额外的功能,通过多重继承就可以实现。这种设计称之为mix in。
MixIn的目的就是给一个类增加多个功能,这样,在设计类的时候,我们优先考虑通过多重继承来组合多个MixIn的功能,而不是设计多层次的复杂继承关系。
Python自带的许多库也使用了MixIn。如,Python自带了TCPServer和UDPServer这两类网络服务,而要同时服务多个用户就必须使用多进程或多线程模型,这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合,我们就可以创造出合适的服务来。
如,编写一个多进程模式的TCP服务,定义如下:
class MyTCPServer(TCPServer, ForkingMixIn):
pass
编写一个多线程模式的UDP服务,定义如下:
class MyUDPServer(UDPServer, ThreadingMixIn):
pass
要搞一个更先进的协程模型,可以编写一个CoroutineMixIn:
class MyTCPServer(TCPServer, CoroutineMixIn):
pass
这样,无需复杂庞大的继承链,只要选择组合不同的类的功能,就能快速构造出所需的子类。
定制类
Python的class有许多特殊函数,可以定制类。
__str__
class Student(object):
def __init__(self, name):
self.name = name
def __str__(self): #定义__str__()方法,返回好看的字符
return ‘Student object (name: %s) ’ % self.name
__repr__ = __str__ #要再定义一个__repr__(),才能直接输出s的属性,此外偷懒写法
>>> s = Student(‘Mojian’) #__repr__()返回开发看到的字符串,是为调式服务的
>>> s
Student object (name: Mojian)
__iter__
如果一个类需要用于for…in 循环,那么需要实现iter,该方法返回一个迭代对象,然后不断调用这个对象的next()方法获取下一个值,直到获取至返回StopIterator退出循环。
class Fib(object):
def __init__(self): #定义一个实例
self.a, self.b = 0, 1 #初始化两个计数器a, b
def __iter__(self):
return self #返回一个迭代对象,就是自身
def __next__(self):
self.a, self.b = self.b, self.a + self.b #计算下一个值
if self.a > 10000: #中止循环的条件
raise StopIterator()
return self.a #返回下个值
for n in Fib(): #把Fib实例作用于for循环
print(n)
__getitem__
class Fib(object):
def __getitem__(self, n):
if isinstance(n, int): #n是索引
a, b = 1, 1
for x in range(n):
a, b = b, a + b
return a
if isintance(n, slice): #n是切片
start = n.start
stop = n.stop
if start = None: #判断以0开头的切片
strat = 0
a, b = 1, 1
L = []
for x in range(stop):
if x >= start:
L.append(a)
a, b = b, a + b
return L
与之对应的是setitem()方法,把对象视作list或dict来对集合赋值。最后,还有一个delitem()方法,用于删除某个元素。
__getattr__
写一个方法,动态返回一个属性:
class Student(object):
def __init__(self):
self.name = 'Mojian'
def __getattr__(self, attr):#只在__getattr__中寻找不存在的属性
if attr == 'score':
return lambda: 99 #可以返回一个函数或值
raise AttributeError('\' Student \' has no attribute \' %s \'' % attr)#传入其他属性时会返回None,所以需要定义报错信息
__call__
在Python中,一个对象有自己的方法和属性,我们通过 instance.method调用一个实例的方法,任何类,只要定义了call,就可以调用实例:
class Student(object):
def __init__(self, *name): #此为可变参数
self.name = name
def __call__(self):
print('My name is %s.' % self.name)
查看一个对象是否可调用,这个对象可以是实例或函数,用callable()函数:
>>>callable([1, 2, 3])
False
>>>callable(Student())
True
链式调用,生成Get /users/Mojian/imp/repos/two:
class Chain(object):
def __init__(self, path = 'Get '):#定义第一个实例
self._path = path
def __getattr__(self, path): #调用.user('Mojian')时,转到__getattr__调用,path指向user
return Chain('%s/%s' % (self._path, path)) #在传给Chain中把self和path连起来,返回Get/user
#调用Chain———>__init__,因Chain()将生成一个实例,这个实例后跟着('Mojian'),将调用__call__
def __call__(self, path): #使user('Mojian')调用自身实例,path指向Mojian
return Chain('%s/%s' % (self, path))#传给Chain的过程中,又把原来的 'Get/user'和Mojian连起来了
#继续走Chain(),把Get /user/Mojian给了_path,后面跟着的imp.repos继续调用__getattr__
def __str__(self):
return self._path #返回_path中生成的字符串
__repr__ = __str__
print(Chain().users('Mojian').imp.repos('two'))#外面是一个print,里面是Chain()的实例,所以会调用str,返回_path
使用枚举类
枚举类型可以看作是一种标签或一种系列常量的组合,通常表示某种特定的有限集合。
枚举的定义
>>> from enum import Enum #1.首先,枚举要导入eunm的模块
>>> Month = Enum('Month’, ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug','Sep', 'Oct', 'Nov', 'Dec')) #2.1可以直接实现,再如:Animal = Enum('Animal', 'ant bee a Dog')
>>>class Color(Enum): #2.2或者使用class关键字,继承枚举类
red = 0 #每个成员的数据类型就是其所属的枚举
orgin = 2
yellow = 3 #定义成员名时,不能重复,否则报错
red_alias = 0 #默认情况,不同成员值允许相同
>>> print(Color(0)) #两个相同的成员,第二个成员的名称(red_alias)会被视作第一个成员的别称(red)
Color.red #在通过值获取枚举成员时,只能获取第一个成员
枚举的定义方式还有通过带值到名称映射的,有set,range,tuple等很多实现方式,重要的是理解实现方式的思想。
从Enum派生出自定义类,可以更精确地控制枚举类型:
from enum import Enum, unique
@unique
class Color(Enum):
red = 0
red_alias = 0 #再执行时会报错,@unique装饰器可以帮助保障没有重复值
枚举取值
1.
>>>print(Color['red'])
Color.red #通过成员的名称来获取成员
2.
>>> print(Color(1))
Color.red #通过成员值来获取成员
3.
>>> red_member = Color.red
>>> red_member.name
‘red’
>>> red_member.value
0 #通过成员,来获取其名称和值,此时的value是定义时设定的 0
迭代器
>>> for n in Color:
print(n) #枚举支持迭代器,可以遍历枚举成员
Color.red
Color.origin
Color.yellow #如果枚举有重复值时,遍历时只获取重复值成员的第一个成员
for color in Color.__members__.items():
print(color) #可以用枚举的一个特殊属性__members__遍历出包括值重复的成员
('red', <Color.red: 0>)
('origin', <Color.origin: 2>)
('yellow', <Color.yellow: 3>)
('red_alias', <Color.red: 0>)
...
>>> for name, member in Month.__members__.items():
print(name, '=>', member, ',', member.value) #此时的value是自动赋给成员的int常量,默认从1开始计数
枚举比较
1.
>>> Color.red is Color.red_alias
Ture #枚举成员可以进行同一性比较
2.
>>> Color.red == Color.yellow
False #枚举成员可以进行等值比较
3.
>>> Color.red < Color.origin
TypeError: unorderable types: Color() < Color() #枚举成员不能进行大小比较
元类
type()
type()函数既可以返回一个对象的类型,又可以创建出新的类型:
>>> def fn(self, name = 'world'): #先定义一个函数
print('Hello, %s.' % name)
>>>Hello = type('Hello', (object ,), dict(hello = fn))
#创建Hello class,type()函数依次传入3个参数:
#1.class的名称
#2.继承的父类集合(Python支持多重继承),tuple单元素需加',' ,可以为空
#3.class的方法名称与函数绑定,这里把函数fn绑到方法名hello上。
#4.一般第三步是type接受一个字典来为类定义属性
>>>Hello = type('Hello', (), {'key': value})
#5.也可以定义一个方法,将其作为属性 赋值:
>>>Hello = type('Hello', (), {'fn' = fn})
metaclass
先定义metaclass,就可以定义class,再创建实例
就元类本身而言,它们其实很简单:
1.拦截类的创建
2.修改类
3.返回修改之后的类
元类的主要途径是创建API, 通过metaclass修改类的定义,后续补充ORM框架的编写。