# 使用__slots__ # 正常情况下,当我们定义了一个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。先定义class: class Student(object): pass # 然后,尝试给实例绑定一个属性: s = Student() s.name = 'Michael' # 动态给实例绑定一个属性 print(s.name) # 还可以尝试给实例绑定一个方法: def set_age(self, age): # 定义一个函数作为实例方法 self.age = age from types import MethodType s.set_age = MethodType(set_age, s) # 给实例绑定一个方法 s.set_age(25) # 调用实例方法 print(s.age) # 测试结果 # 但是,给一个实例绑定的方法,对另一个实例是不起作用的: s2 = Student() # 创建新的实例 # s2.set_age(25) # 尝试调用方法 # 为了给所有实例都绑定方法,可以给class绑定方法: # 给class绑定方法后,所有实例均可调用: # 通常情况下,上面的set_score方法可以直接定义在class中,但动态绑定允许我们在程序运行的过程中动态给class加上功能,这在静态语言中很难实现。 # 使用__slots__ # 但是,如果我们想要限制实例的属性怎么办?比如,只允许对Student实例添加name和age属性。 # 为了达到限制的目的,Python允许在定义class的时候,定义一个特殊的__slots__变量,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 # 然后,我们试试: s = Student() # 创建新的实例 s.name = 'Michael' # 绑定属性'name' s.age = 25 # 绑定属性'age' # s.score = 99 # 绑定属性'score' # 由于'score'没有被放到__slots__中,所以不能绑定score属性,试图绑定score将得到AttributeError的错误。 # 使用__slots__要注意,__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: # 除非在子类中也定义__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__。 class GraduateStudent(Student): pass g = GraduateStudent() g.score = 9999 # =============================================================================== # 使用@property # 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: # 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: 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: # 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: 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: 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() # s.score = 9999 # 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: class 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 # 继承是面向对象编程的一个重要的方式,因为通过继承,子类就可以扩展父类的功能。 # # 回忆一下Animal类层次的设计,假设我们要实现以下4种动物: # # Dog - 狗狗; # Bat - 蝙蝠; # Parrot - 鹦鹉; # Ostrich - 鸵鸟。 # 如果按照哺乳动物和鸟类归类,我们可以设计出这样的类的层次: # # ┌───────────────┐ # │ Animal │ # └───────────────┘ # │ # ┌────────────┴────────────┐ # │ │ # ▼ ▼ # ┌─────────────┐ ┌─────────────┐ # │ Mammal │ │ Bird │ # └─────────────┘ └─────────────┘ # │ │ # ┌─────┴──────┐ ┌─────┴──────┐ # │ │ │ │ # ▼ ▼ ▼ ▼ # ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ # │ Dog │ │ Bat │ │ Parrot │ │ Ostrich │ # └─────────┘ └─────────┘ └─────────┘ └─────────┘ # 但是如果按照“能跑”和“能飞”来归类,我们就应该设计出这样的类的层次: # # ┌───────────────┐ # │ Animal │ # └───────────────┘ # │ # ┌────────────┴────────────┐ # │ │ # ▼ ▼ # ┌─────────────┐ ┌─────────────┐ # │ Runnable │ │ Flyable │ # └─────────────┘ └─────────────┘ # │ │ # ┌─────┴──────┐ ┌─────┴──────┐ # │ │ │ │ # ▼ ▼ ▼ ▼ # ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ # │ Dog │ │ Ostrich │ │ Parrot │ │ Bat │ # └─────────┘ └─────────┘ └─────────┘ └─────────┘ # 如果要把上面的两种分类都包含进来,我们就得设计更多的层次: # # 哺乳类:能跑的哺乳类,能飞的哺乳类; # 鸟类:能跑的鸟类,能飞的鸟类。 # 这么一来,类的层次就复杂了: # # ┌───────────────┐ # │ Animal │ # └───────────────┘ # │ # ┌────────────┴────────────┐ # │ │ # ▼ ▼ # ┌─────────────┐ ┌─────────────┐ # │ Mammal │ │ Bird │ # └─────────────┘ └─────────────┘ # │ │ # ┌─────┴──────┐ ┌─────┴──────┐ # │ │ │ │ # ▼ ▼ ▼ ▼ # ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ # │ MRun │ │ MFly │ │ BRun │ │ BFly │ # └─────────┘ └─────────┘ └─────────┘ └─────────┘ # │ │ │ │ # │ │ │ │ # ▼ ▼ ▼ ▼ # ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ # │ Dog │ │ Bat │ │ Ostrich │ │ Parrot │ # └─────────┘ └─────────┘ └─────────┘ └─────────┘ # 如果要再增加“宠物类”和“非宠物类”,这么搞下去,类的数量会呈指数增长,很明显这样设计是不行的。 # # 正确的做法是采用多重继承。首先,主要的类层次仍按照哺乳类和鸟类设计: class Animal(object): pass # 大类: class Mammal(Animal): pass class Bird(Animal): pass # 各种动物: class Dog(Mammal): pass class Bat(Mammal): pass class Parrot(Bird): pass class Ostrich(Bird): pass # 现在,我们要给动物再加上Runnable和Flyable的功能,只需要先定义好Runnable和Flyable的类: class Runnable(object): def run(self): print('Running...') class Flyable(object): def fly(self): print('Flying...') # 对于需要Runnable功能的动物,就多继承一个Runnable,例如Dog: class Dog(Mammal, Runnable): pass # 对于需要Flyable功能的动物,就多继承一个Flyable,例如Bat: class Bat(Mammal, Flyable): pass # 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。 # MixIn # 在设计类的继承关系时,通常,主线都是单一继承下来的,例如,Ostrich继承自Bird。但是,如果需要“混入”额外的功能,通过多重继承就可以实现,比如,让Ostrich除了继承自Bird外,再同时继承Runnable。这种设计通常称之为MixIn。 # 为了更好地看出继承关系,我们把Runnable和Flyable改为RunnableMixIn和FlyableMixIn。类似的,你还可以定义出肉食动物CarnivorousMixIn和植食动物HerbivoresMixIn,让某个动物同时拥有好几个MixIn: # class Dog(Mammal, RunnableMixIn, CarnivorousMixIn): # pass # 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的继承关系。 # Python自带的很多库也使用了MixIn。举个例子,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。 # 比如,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 # 如果你打算搞一个更先进的协程模型,可以编写一个CoroutineMixIn: # class MyTCPServer(TCPServer, CoroutineMixIn): # pass # 这样一来,我们不需要复杂而庞大的继承链,只要选择组合不同的类的功能,就可以快速构造出所需的子类。 # 由于Python允许使用多重继承,因此,MixIn就是一种常见的设计。 # 只允许单一继承的语言(如Java)不能使用MixIn的设计。 # ======================================================================== # 定制类 # 看到类似__slots__这种形如__xxx__的变量或者函数名就要注意,这些在Python中是有特殊用途的。 # __slots__我们已经知道怎么用了,__len__()方法我们也知道是为了能让class作用于len()函数。 # 除此之外,Python的class中还有许多这样有特殊用途的函数,可以帮助我们定制类。 # __str__ # 我们先定义一个Student类,打印一个实例: class Student(object): def __init__(self, name): self.name = name print(Student('Michael')) # 怎么才能打印得好看呢?只需要定义好__str__()方法,返回一个好看的字符串就可以了: class Student(object): def __init__(self, name): self.name = name def __str__(self): return 'Student object (name: %s)' % self.name print(Student('Michael')) # 这样打印出来的实例,不但好看,而且容易看出实例内部重要的数据。 # 但是细心的朋友会发现直接敲变量不用print,打印出来的实例还是不好看: s = Student('Michael') s # 这是因为直接显示变量调用的不是__str__(),而是__repr__(),两者的区别是__str__()返回用户看到的字符串,而__repr__()返回程序开发者看到的字符串,也就是说,__repr__()是为调试服务的。 # 解决办法是再定义一个__repr__()。但是通常__str__()和__repr__()代码都是一样的,所以,有个偷懒的写法: class Student(object): def __init__(self, name): self.name = name def __str__(self): return 'Student object (name=%s)' % self.name __repr__ = __str__ # __iter__ # 如果一个类想被用于for ... in循环,类似list或tuple那样,就必须实现一个__iter__()方法,该方法返回一个迭代对象,然后,Python的for循环就会不断调用该迭代对象的__next__()方法拿到循环的下一个值,直到遇到StopIteration错误时退出循环。 # 我们以斐波那契数列为例,写一个Fib类,可以作用于for循环: class Fib(object): def __init__(self): self.a, self.b = 0, 1 # 初始化两个计数器a,b def __iter__(self): return self # 实例本身就是迭代对象,故返回自己 def __next__(self): self.a, self.b = self.b, self.a + self.b # 计算下一个值 if self.a > 100000: # 退出循环的条件 raise StopIteration() return self.a # 返回下一个值 for n in Fib(): print(n) # __getitem__ # Fib实例虽然能作用于for循环,看起来和list有点像,但是,把它当成list来使用还是不行,比如,取第5个元素: # 要表现得像list那样按照下标取出元素,需要实现__getitem__()方法: class Fib(object): def __getitem__(self, n): a, b = 1, 1 for x in range(n): a, b = b, a + b return a # 现在,就可以按下标访问数列的任意一项了: f = Fib() print(f[0]) print(f[1]) print(f[2]) # 但是list有个神奇的切片方法: print(list(range(100))[5:10]) # 对于Fib却报错。原因是__getitem__()传入的参数可能是一个int,也可能是一个切片对象slice,所以要做判断: 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 isinstance(n, slice): # n是切片 start = n.start stop = n.stop if start is None: start = 0 a, b = 1, 1 L = [] for x in range(stop): if x >= start: L.append(a) a, b = b, a + b return L # 现在试试Fib的切片: f = Fib() print(f[0:5]) print(f[:10]) # 但是没有对step参数作处理: # 也没有对负数作处理,所以,要正确实现一个__getitem__()还是有很多工作要做的。 # 此外,如果把对象看成dict,__getitem__()的参数也可能是一个可以作key的object,例如str。 # 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。 # 总之,通过上面的方法,我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别,这完全归功于动态语言的“鸭子类型”,不需要强制继承某个接口。 # __getattr__ # 正常情况下,当我们调用类的方法或属性时,如果不存在,就会报错。比如定义Student类: class Student(object): def __init__(self): self.name = 'Michael' # 调用name属性,没问题,但是,调用不存在的score属性,就有问题了: s = Student() print(s.name) # print(s.score) # 要避免这个错误,除了可以加上一个score属性外,Python还有另一个机制,那就是写一个__getattr__()方法,动态返回一个属性。修改如下: class Student(object): def __init__(self): self.name = 'Michael' def __getattr__(self, attr): if attr == 'score': return 99 # 当调用不存在的属性时,比如score,Python解释器会试图调用__getattr__(self, 'score')来尝试获得属性,这样,我们就有机会返回score的值: s = Student() s.name s.score # 返回函数也是完全可以的: class Student(object): def __getattr__(self, attr): if attr == 'age': return lambda: 25 # 只是调用方式要变为: # s.age() # 注意,只有在没有找到属性的情况下,才调用__getattr__,已有的属性,比如name,不会在__getattr__中查找。 # 此外,注意到任意调用如s.abc都会返回None,这是因为我们定义的__getattr__默认返回就是None。要让class只响应特定的几个属性,我们就要按照约定,抛出AttributeError的错误: class Student(object): def __getattr__(self, attr): if attr == 'age': return lambda: 25 raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr) # 这实际上可以把一个类的所有属性和方法调用全部动态化处理了,不需要任何特殊手段。 # 这种完全动态调用的特性有什么实际作用呢?作用就是,可以针对完全动态的情况作调用。 # 如果要写SDK,给每个URL对应的API都写一个方法,那得累死,而且,API一旦改动,SDK也要改。 # 利用完全动态的__getattr__,我们可以写出一个链式调用: class Chain(object): def __init__(self, path=''): self._path = path def __getattr__(self, path): return Chain('%s/%s' % (self._path, path)) def __str__(self): return self._path __repr__ = __str__ print(Chain().status.user.timeline.list) # __call__ # 一个对象实例可以有自己的属性和方法,当我们调用实例方法时,我们用instance.method()来调用。能不能直接在实例本身上调用呢?在Python中,答案是肯定的。 # 任何类,只需要定义一个__call__()方法,就可以直接对实例进行调用。请看示例: class Student(object): def __init__(self, name): self.name = name def __call__(self): print('My name is %s.' % self.name) s = Student('Michael') s() # self参数不要传入 # __call__()还可以定义参数。对实例进行直接调用就好比对一个函数进行调用一样,所以你完全可以把对象看成函数,把函数看成对象,因为这两者之间本来就没啥根本的区别。 # 如果你把对象看成函数,那么函数本身其实也可以在运行期动态创建出来,因为类的实例都是运行期创建出来的,这么一来,我们就模糊了对象和函数的界限。 # 那么,怎么判断一个变量是对象还是函数呢?其实,更多的时候,我们需要判断一个对象是否能被调用,能被调用的对象就是一个Callable对象,比如函数和我们上面定义的带有__call__()的类实例: callable(Student('aaa')) callable(max) callable([1, 2, 3]) callable(None) callable('str') # 通过callable()函数,我们就可以判断一个对象是否是“可调用”对象。 # Python的class允许定义许多定制方法,可以让我们非常方便地生成特定的类。 # ========================================================================= # 使用枚举类 # 当我们需要定义常量时,一个办法是用大写变量通过整数来定义,例如月份: # JAN = 1 # FEB = 2 # MAR = 3 # ... # NOV = 11 # DEC = 12 # 好处是简单,缺点是类型是int,并且仍然是变量。 # 更好的方法是为这样的枚举类型定义一个class类型,然后,每个常量都是class的一个唯一实例。Python提供了Enum类来实现这个功能: from enum import Enum Month = Enum('Month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec')) # 这样我们就获得了Month类型的枚举类,可以直接使用Month.Jan来引用一个常量,或者枚举它的所有成员: for name, member in Month.__members__.items(): print(name, '=>', member, ',', member.value) # value属性则是自动赋给成员的int常量,默认从1开始计数。 # 如果需要更精确地控制枚举类型,可以从Enum派生出自定义类: from enum import Enum, unique @unique class Weekday(Enum): Sun = 0 # Sun的value被设定为0 Mon = 1 Tue = 2 Wed = 3 Thu = 4 Fri = 5 Sat = 6 day1 = Weekday.Mon # @unique装饰器可以帮助我们检查保证没有重复值。 # 访问这些枚举类型可以有若干种方法: print(day1) print(Weekday.Tue) print(Weekday['Tue']) print(Weekday.Tue.value) print(day1 == Weekday.Mon) print(day1 == Weekday.Tue) print(Weekday(1)) print(day1 == Weekday(1)) # Weekday(7) for name, member in Weekday.__members__.items(): print(name, '=>', member) # 可见,既可以用成员名称引用枚举常量,又可以直接根据value的值获得枚举常量。 # ==================================================================== # 使用元类 # type() # 动态语言和静态语言最大的不同,就是函数和类的定义,不是编译时定义的,而是运行时动态创建的。 # 比方说我们要定义一个Hello的class,就写一个hello.py模块: class Hello(object): def hello(self, name='world'): print('Hello, %s.' % name) # 当Python解释器载入hello模块时,就会依次执行该模块的所有语句,执行结果就是动态创建出一个Hello的class对象,测试如下: h = Hello() h.hello() print(type(Hello)) print(type(h)) # type()函数可以查看一个类型或变量的类型,Hello是一个class,它的类型就是type,而h是一个实例,它的类型就是class Hello。 # 我们说class的定义是运行时动态创建的,而创建class的方法就是使用type()函数。 # 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,比如,我们可以通过type()函数创建出Hello类,而无需通过class Hello(object)...的定义: def fn(self, name='world'): # 先定义函数 print('Hello, %s.' % name) Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class h = Hello() h.hello() print(type(Hello)) print(type(h)) # 要创建一个class对象,type()函数依次传入3个参数: # # class的名称; # 继承的父类集合,注意Python支持多重继承,如果只有一个父类,别忘了tuple的单元素写法; # class的方法名称与函数绑定,这里我们把函数fn绑定到方法名hello上。 # 通过type()函数创建的类和直接写class是完全一样的,因为Python解释器遇到class定义时,仅仅是扫描一下class定义的语法,然后调用type()函数创建出class。 # # 正常情况下,我们都用class Xxx...来定义类,但是,type()函数也允许我们动态创建出类来,也就是说,动态语言本身支持运行期动态创建类,这和静态语言有非常大的不同, # 要在静态语言运行期创建类,必须构造源代码字符串再调用编译器,或者借助一些工具生成字节码实现,本质上都是动态编译,会非常复杂。 # metaclass # 除了使用type()动态创建类以外,要控制类的创建行为,还可以使用metaclass。 # # metaclass,直译为元类,简单的解释就是: # # 当我们定义了类以后,就可以根据这个类创建出实例,所以:先定义类,然后创建实例。 # # 但是如果我们想创建出类呢?那就必须根据metaclass创建出类,所以:先定义metaclass,然后创建类。 # # 连接起来就是:先定义metaclass,就可以创建类,最后创建实例。 # # 所以,metaclass允许你创建类或者修改类。换句话说,你可以把类看成是metaclass创建出来的“实例”。 # # metaclass是Python面向对象里最难理解,也是最难使用的魔术代码。正常情况下,你不会碰到需要使用metaclass的情况,所以,以下内容看不懂也没关系,因为基本上你不会用到。 # 我们先看一个简单的例子,这个metaclass可以给我们自定义的MyList增加一个add方法: # 定义ListMetaclass,按照默认习惯,metaclass的类名总是以Metaclass结尾,以便清楚地表示这是一个metaclass: # metaclass是类的模板,所以必须从`type`类型派生: class ListMetaclass(type): def __new__(cls, name, bases, attrs): attrs['add'] = lambda self, value: self.append(value) return type.__new__(cls, name, bases, attrs) # 有了ListMetaclass,我们在定义类的时候还要指示使用ListMetaclass来定制类,传入关键字参数metaclass: class MyList(list, metaclass=ListMetaclass): pass # 当我们传入关键字参数metaclass时,魔术就生效了,它指示Python解释器在创建MyList时,要通过ListMetaclass.__new__()来创建,在此,我们可以修改类的定义,比如,加上新的方法,然后,返回修改后的定义。 # # __new__()方法接收到的参数依次是: # # 1当前准备创建的类的对象; # # 2类的名字; # # 3类继承的父类集合; # # 4类的方法集合。 # # 测试一下MyList是否可以调用add()方法: L = MyList() L.add(1) print(L) # 而普通的list没有add()方法: # 动态修改有什么意义?直接在MyList定义中写上add()方法不是更简单吗?正常情况下,确实应该直接写,通过metaclass修改纯属变态。 # # 但是,总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子。 # # ORM全称“Object Relational Mapping”,即对象-关系映射,就是把关系数据库的一行映射为一个对象,也就是一个类对应一个表,这样,写代码更简单,不用直接操作SQL语句。 # # 要编写一个ORM框架,所有的类都只能动态定义,因为只有使用者才能根据表的结构定义出对应的类来。
Python3:面向对象高级编程
最新推荐文章于 2023-03-23 17:55:20 发布