python入门系列：面向对象

类和对象的创建

类

经典类 没有继承 object的类

新式类 继承了 object的类

class Money: # 2.x中默认是经典类，3.x中是新式类
pass

class Money(object): # 兼容的一种写法
pass

Money既是类的name属性名，又是一个引用该类的变量

print(Money.name) # Money
xxx = Money
print(xxx.name) # Money
对象

one = Money()
print(one) # <main.Money object at 0x000001555E9534A8>
print(one.class) # <class 'main.Money'>
属性相关

对象属性

class Person:
pass
p = Person()

给 p对象增加属性, 所有的属性是以字典的形式组织的

p.age = 18
print(p.age) # 18
print(p.dict) # {'age': 18}
print(p.sex) # AttributeError: 'Person' object has no attribute 'sex'

删除p对象的属性

del p.age
print(p.age) # AttributeError: 'Person' object has no attribute 'age'
类属性

class Money:
num = 666
count = 1
type = "rmb"

print(Money.num) # 666

对象查找属性，先到对象自身去找，若未找到，根据 class找到对应的类，然后去类中查找

one = Money()
print(one.count) # 1

不能通过对象去 修改/删除 对应类的属性

one.num = 555 # 实际上是给 one 对象增加了一个属性
print(Money.num) # 666
print(one.num) # 555

类属性会被各个对象共享

two = Money()
print(one.num, two.num) # 666 666
Money.num = 555
print(one.num, two.num) # 555 555
限制对象的属性添加

类中的 slots属性定义了对象可以添加的所有属性

class Person:
slots = ["age"] # 只允许添加一个 age属性

p1 = Person()
p1.age = 1
p1.num = 2 # AttributeError: 'Person' object has no attribute 'num'
私有化属性

Python没有真正的私有化支持，只能用给变量添加下划线来实现伪私有;通过名字重整机制
属性的访问范围：类的内部-->子类内部-->模块内的其他位置-->其他模块
公有属性 x 的访问范围

类的内部
子类内部
模块内的其他位置
子类内部
受保护属性 _x 的访问范围

类的内部
子类内部
模块内的其他位置（但不推荐）
子类内部（from ... import xxx 不可以访问，要指明all变量）
私有属性 __x 的访问范围

类的内部
子类内部
模块内的其他位置
子类内部（同_x）
保护数据案例

class Person:
def init(self):
self.__age = 18

def set_age(self, age): # 错误数据的过滤
if isinstance(age, int) and 0 < age < 150:
self.__age = age
else:
print("Wrong age value")

def get_age():
return self.__age

p = Person()
print(p.get_age()) # 18
p.set_age(22)
print(p.get_age()) # 22
只读属性

1. 属性私有化 + 属性化 get()方法

class Person(object):
def init(self):
self.__age = 18

可以以使用属性的方式来使用方法

@property
def age(self):
return self.__age
p = Person()
print(p.age) # 18
p.age = 666 # Attribute Error: can't set attribute

2. 通过底层的一些函数

class Person:

通过 属性 = 值 的方式来给一个对象增加属性时，底层都会调用这个方法，构成键值对，存储在 dict字典中

可以考虑重写底层的这个函数，达到只读属性的目的

def setattr(self, key, value):
if key == "age" and key in dict:
print("read only attribute")
else:
self.dict[key] = value
方法相关

方法的划分

实例方法
类方法
静态方法
class Person:
def instance_fun(self): # self: 调用对象的本身，调用时不用写，解释器会传参
print("instance method", self)

@classmethod
def class_fun(cls): # cls: 类本身
print("class method", cls)

@staticmethod
def static_fun():
print("static method")
所有的方法都存储在类中，实例中不存储方法
类方法和静态方法无法访问实例属性
方法的私有化

和变量的私有化思想差不多
class Person:
__age = 18

def __run(self): # 只能在该类中被调用
print("running...")
元类

创建类对象的类（类也是一个对象）
a, s = 8, "123"
print(a.class, s.class) # <class 'int'> <class 'str'>
print(int.class, str.class) # <class 'type'> <class 'type'>
type是元类。

通过type元类来创建类，动态创建。也可以用metaclass来指明元类，进行类的创建。
检测类对象中是否有 metaclass属性
检测父类中是否有 metaclass属性
检测模块中是否有 metaclass属性
通过内置的type来创建类
def run(self):
print("run...")

Dog = type("Dog", (), {"count": 0, "run": run})
print(Dog) #
d = Dog()
print(d.count) # 0
print(d.run()) # run...
更加详细的内容，在进高级部分的元类编程讲解

内置的特殊属性

内置的特殊方法（魔法函数）

这里只做一个了解，高级部分会详细地讲解魔法函数。可以理解为在类中实现了这些特殊的函数，类产生的对象可以具有神奇的语法效果。

信息格式化操作

calss Person:
def init(self, n, a):
self.name = n
self.age = a

面向用户

def str(self):
return "name: %s, age: %d" % (self.name, self.age)

面向开发人员

def repr(self):

todo

一般默认给出对象的类型及地址信息等

打印或进行格式转换时，先调用 str()函数，若未实现，再调用 repr()函数

p = Person("Rity", 18)
print(p) # name: Rity, age: 18
res = str(p)
print(res) # name: Rity, age: 18
print(repr(p)) # <main.Person object at 0x000001A869BEB470>
调用操作

使得一个对象可以像函数一样被调用

class PenFactory:
def init(self, type):
self.type = type

def call(self, color):
print("get a new %s, its color is %s" % (self.type, color))

pencil = PenFactory("pencil")
pen = PenFactory("pen")

一下两种使用方式会调用 call()函数

pencil("red") # get a new pencil, ites color is red
pencil("blue") # get a new pencil, ites color is blue
pen("black") # get a new pen, ites color is black
索引操作

class Person:
def init(self):
self.cache = {}

def setitem(self, key, value):
self.cache[key] = value

def getitem(self, key):
return self.cache[key]

def delitem(self, key):
del self.cache[key]

p = Person()
p["name"] = "MetaTian"
...
比较操作

使得自己定义的类可以按照一定的规则进行比较

import functoolsbr/>@functools.total_ordering
class A:
def init(self, age, height):
self.age = age
self.height = height

def eq(self, other): # ==
return self.age == other.age

def lt(self, ohter): # <
return self.age < other.age

a1, a2 = A(18, 170), A(19, 178)

因为逻辑具有相反性，当使用 > 时，首先会查找 gt()函数，若未定义，将参数交换后调用 lt()方法

由 == 和 < 可以组合出其他的所有比价逻辑，使用装饰器可以自动生成其他逻辑对应的函数，简化代码

print(a1 < a2) # True
print(a2 > a1) # True
print(a1 >= a2) # False
描述器

描述器是一个对象，用来描述其他对象属性的操作；作用是对属性的操作做验证和过滤。
前面只读属性案例中就是用到了描述器。
在对象的内部增加一个描述器，可以接管对象属性的增删改查操作。
class Age:
def get(self, instance, owner): # instance是拥有 age 属性的对象
pass

def set(self, instance, value):
instance.v = value # 将变量的值绑定在 Person 的实例中

def delete(self, instance):
pass

class Person:
age = Age()

age实例是 p1和 p2两个对象所共享的，所以 Age 对象及实例不应该具有属性，只单纯地提供方法即可

p1 = Person()
p1.age = 19 # 调用 set()
print(p1.age) # 调用 get()
p2 = Person()
p2.age = 20
print(p2.age) # 20
资料描述器和非资料描述器

也可以称为数据描述器和非数据描述器
资料描述器：实现了get() 和 set()
非资料描述器：仅仅实现了get()
实例属性和描述器重名时，操作的优先级关系： 资料描述器 > 实例属性 > 非资料描述器
生命周期

用来表示一个对象从创建到释放的过程
class Person:
__count = 0

def init(self):
Person.__count += 1

def del(self):
Person.__count -= 1

@classmethod
def log(cls):
print("we have %d people" % cls.__count)

p1 = Person()
Person.log() # we have 1 people
p2 = Person()
Person.log() # we have 2 people
内存管理机制

引言

万物皆对象，不存在基本数据类型
在 [-5, 正无穷) 范围内相等的整数和短小的字符串，Python会进行缓存，不会创建多个对象
n1 = 1
n2 = 1
print(id(n1), id(n2)) # 1708655056 1708655056
容器对象：存储的对象，仅仅是其他对象的引用(列表)
内存回收

引用计数
一个对象会记录着自身被引用的个数
每增加一个引用，引用数+1，减少一个引用，引用数-1
引用数为0的时候，会被当做垃圾进行回收
会出现两个对象循环引用的问题
垃圾回收
从经历过引用计数机制但仍然未被释放的对象中，进行内存释放
新增的对象个数 - 消亡对象的个数达到一定阈值时才进行垃圾检测
分代回收
分代回收是垃圾回收的高效解决方案，不需频繁地进行垃圾检测
存活时间越久的对象，越不可能在后面的过程中变成垃圾
设立0, 1, 2三代对象集合，对其中的对象进行不同频率的检测
第一次检测存活下来的，从0代纳入1代，0代检测一定次数后开始检测1代，以此类推
深拷贝和浅拷贝

浅拷贝

a = [1, 2, 3]
b = a
print(id(a), id(b)) # 2229855665608 2229855665608
深拷贝

import copy
a = [1, 2, 3]
c = copy.deepcopy(a)
print(id(a), id(c)) # 2229855665608 2229861709896
copy和deepcopy的区别

import copy
a = [1, 2, 3]
b = [4, 5, 6]
c = [a, b]
d = copy.deepcopy(c)
e = copy.copy(c)

使用copy拷贝可变类型时，进行单层次的深拷贝，若拷贝的是不可变类型，则进行浅拷贝。

面向对象三大特性

封装

继承

非私有的属性和方法可以被继承，继承不是拷贝了资源，而是具有了资源的访问权，资源的存储位置在父类中，实现资源重用。
Python中可以使用多继承。

所有的类都继承了 object 类

所有的类对象都由 type 实例化出来

class A:
pass

class B:
pass

class C(A, B): # C 类继承了 A和 B类
pass

print(C.bases) # (<class 'main.A'>, <class 'main.B'>)
print(int.base) # <class 'object'>
print(bool.base) # <class 'int'>
几种继承的形式

资源查找顺序
单继承链：C-->B-->A
无重叠多继承链：按照单继承链深度优先查找(C-->B-->A-->D-->E)
有重叠多继承链：广度优先查找(C-->B-->D-->A)
资源覆盖
在优先级较高的类中重新定义了同名的属性和方法，再次调用时，会调用到优先级较高类中的资源，并不是相关的资源在内存上被覆盖了，而是调用优先级出现了变化
self 和 cls

谁调用方法，self 和 cls 就是谁

带着参数去找方法

class A:
def show(self):
print(self)

@classmethod
def tell(cls):
print(cls)

class B(A):
pass
B.tell() # <class 'main.B'>
B().show() # <main.B object at 0x027674D0>
资源的累加
class A:
def init(self):
self.x = 2
class B(A):
pass
class C(A):
def init(self):
self.y = 1
class D(A):
def init(self):
self.y = 1

class E(A):
def init(self):
super().init() # 会调用 A的构造函数，参数可以省略

A.init(self) //和上面等价，要传参

self.y = 1

b = B()
print(b.x) # 2, 调用了父类的构造函数，b 调用，x就是 b的
c = C()
print(c.y) # 1, C有了构造函数，就调用 C的，A的构造函数不会被调用
print(c.x) # 报错，没有这个属性
e = E()
print(e.x, e.y) # 2, 1
多态

Python是动态类型的语言，不需要严格意义上的多态
def test(obj):
obj.func()

只要传入的参数有 func()这个方法，就可以传入进行执行，不用进行类型检测。

不需要按照其他静态语言那样沿着继承链进行方法调用形成多态

类的设计原则

单一职责原则：一个类只负责一项职责
开放封闭原则：对外扩展开放，对内修改关闭
里式替换原则：子类所继承下来的属性和方法都需能够合理地使用
接口分离原则：功能一致的方法应该重新组成新的接口/类，进行细分
依赖倒置原则：高层模块不应该直接依赖低层模块，核心是面向接口编程
喜欢python + qun：839383765 可以获取Python各类免费最新入门学习资料！

转载于:https://blog.51cto.com/14186420/2349771