python面试第二部分_「Python 面试」第二次更新

阅读本文大约需要 8 分钟。

7.说一下 Python 中的装饰器

原理：利用闭包，将目标函数外面再套一层函数，使得目标函数具有一个新的功能，并且不改变目标函数原有功能。

实现方式：

闭包

def decorate(func):

def wrapper():

print('新功能')

func()

return wrapper

def func():

print('原有功能')

f = decorate(func)

f()

# 结果为：

新功能

原有功能

@ 语法糖

def decorate01(func):

def wrapper():

print('新功能')

func()

return wrapper

@decorate01

def func01():

print("原有功能")

func01()

# 结果为：

新功能

原有功能

​

8.说一说类属性、实例属性、私有属性和保护属性

类属性相当于全部变量，所有由类创建出来的实例，都可以使用，而实例属性相当于局部变量，只能由该实例自己使用，当类属性与实例属性命名一样时，在调用该同名属性时，会屏蔽掉类属性，调用实例属性，这点跟 LEGB 很像。

当通过实例对象来修改类属性时，其实修改的并不是类属性，而是新建了一个跟类属性名一样的实例属性。

Python 中将以两个下划线__开头，但不以两个下划线结尾的变量，认作为私有属性，Python 通过 name manage算法，将该私有属性的引用更改为_classname_reference，用户试图调用该私有属性时，会因为对象引用不一样而找不到该属性，故而实现了「属性私有化」。

在获取实例属性时，一般采用定义一个实例方法的方式获取属性，避免直接对实例属性进行操作，起到一个保护属性的作用。

9.为什么说 Python 是动态语言，鸭子类型是指什么

Python 相当于其他静态语言，可以在代码运行过程中，改变变量的属性。

鸭子类型指的是 Python 不用定义变量类型，只要该变量像是什么类型，那么就认为它就是什么类型，我们更多关注的是它的行为，而不是它的类型。

10.元类是什么

实例都是由类创建出来，而类则是由元类创建出来。他们之间的关系相当于「奶奶-妈妈-孙子」。

示例：

class Myclass():

pass

new = type('NewClass', (Myclass,), {'name': 'new'})

print(new)

print(new.__mro__) # 查看该类的继承情况

# 结果为

(, , )

具体点的内容可以参考这篇问答：什么是元类

11.@staticmethod 和 @classmethod 的区别

@staticmethod 是为类添加一个静态方法

@classmethod 是为类添加一个类方法

12.如何动态添加属性

由于 Python 的特性使得程序在运行过程中，我们可以为某个对象添加属性、方法。

示例：

class Myclass:

pass

m = Myclass()

# 为实例动态添加一个属性

m.name = 'new_atribute'

def func(self):

return 'new_function'

# 为实例动态添加一个方法

m.func = func

print(m.name)

print(m.__dict__) # 返回 m 的所有属性,方法

# 结果为

new_atribute

new_function

{'func': , 'name': 'new_atribute'}

# 另外一种动态添加方法

import types

def func01(self):

print('new_function01')

# 实例 m 添加一个属性 func，而这个属性指向func()函数，故当调用 m.func 时，也就相当于调用了 func() 函数，间接实现了为 m 添加方法 func()。

m.func = types.MethodType(func, m)

print(m.func())

# 结果为 new_function01

13.对于迭代器和生成器你知道哪些，它们分别应用于什么场景

先介绍什么是可迭代的Iterable：任何可用于for循环的都是可迭代的。也可以使用collection模块下的isinstance(obj, Iterable)来检验该对象是否可迭代。

示例：

from collections import Iterable

print(isinstance('abc',Iterable))

print(isinstance(123,Iterable))

# 结果为 True，False

迭代器

任何可以使用next()函数的都是迭代器，也可使用iter()函数将可迭代对象变为迭代器。

示例：

from collections import Iterator

itr = iter('abc')

print(type(itr))

print(isinstance(itr, Iterator))

# 结果为 Iterator，True

生成器

任何函数中含有yield关键字的都是生成器，列表生成式中的[]改为()也是一个生成器。

实现方式

示例：

g = [i for i in range(10)]

print(type(g))

# 结果为 list

g1 = (i for i in range(10))

print(type(g1))

# 结果为 generator

def func():

for i in range(10):

yield i

f = func()

print(f)

# 结果为

生成器怎么取值，什么时候结束

生成器可以通过next(f)、f.__next__()和f.send()三种方式来取值

示例：

def func01():

for i in range(10):

yield i

f = func()

print(next(f))

print(f.__next__())

print(f.send('hahah'))

# 结果为

0

1

2

其中f.send()可以向生成器传值，但是其第一次传入的值默认为None。如果想要取出send('hahah')里传入的值，则需要在生成器中添加接收的变量。

示例：

def func():

for i in range(10):

# yield i

temp = yield i

print(temp)

f = func()

print(next(f))

print(f.__next__())

print(f.send('hahah'))

# 结果为

0

None

1

hahah

2

生成器里的值被取完之后，或者中间遇到 return关键字，就会退出，这三种方法有一个共同点：当生成器取完之后会抛出StopIteration的错误。

而使用for循环来取出生成器里的值就不会抛出错误，这也是最被推荐的。

应用场景

在生成一个包含很多数(百万级别)的列表时，但是又只用得到其中很小一部分的数时，使用列表生成式会极大的浪费内存，且不一定能够生成，因为受机器内存限制。

而使用生成器则不然，生成器只是在你需要的时候，才会申请一块内存，可以边取边用，极大的降低了内存消耗。

生成器用的最多的地方在于「协程」。由于基于 C 解释器下的 Python 中含有一个 GIL 锁，使得 Pyhon 的多线程是一个假性多线程，这也是为什么很多人说 Python 性能慢的原因。

未写完，下次更新补上。