python设计函数四则运算计算器_python之一等函数的设计模式

#coding=utf-8

#“策略”模式：定义一系列算法，把它们一一封装起来，并且使它们可以相互替换。本模式使得算法可以独立于使用它的客户而变化。

#电商领域有个功能明显可以使用“策略”模式，即根据客户的属性或订单中的商品计算折扣。

# 假如一个网店制定了下述折扣规则。• 有1000 或以上积分的顾客，每个订单享5% 折扣。• 同一订单中，单个商品的数量达到20 个或以上，享10% 折扣。• 订单中的不同商品达到10 个或以上，享7% 折扣。简单起见，我们假定一个订单一次只能享用一个折扣。

#“策略”模式其中涉及下列内容:上下文:把一些计算委托给实现不同算法的可互换组件，它提供服务。在这个电商示例中，上下文是Order，它会根据不同的算法计算促销折扣。策略:实现不同算法的组件共同的接口。在这个示例中，名为Promotion 的抽象类扮演这个角色。具体策略:“策略”的具体子类。fidelityPromo、BulkPromo 和LargeOrderPromo 是这里实现的三个具体策略。

'''

#实例化订单之前，系统会以某种方式选择一种促销折扣策略，然后把它传给Order 构造方法。实现Order 类，支持插入式折扣策略

from abc import ABC, abstractmethod

from collections import namedtuple

Customer = namedtuple('Customer', 'name fidelity')

class LineItem:

    def __init__(self, product, quantity, price):

        self.product = product

        self.quantity = quantity

        self.price = price

    def total(self):

        return self.price * self.quantity

class Order: # 上下文

    def __init__(self, customer, cart, promotion=None):

        self.customer = customer

        self.cart = list(cart)

        self.promotion = promotion

    def total(self):

        if not hasattr(self, '__total'):

            self.__total = sum(item.total() for item in self.cart)

        return self.__total

    def due(self):

        if self.promotion is None:

            discount = 0

        else:

            discount = self.promotion.discount(self)

        return self.total() - discount

    def __repr__(self):

        fmt = ''

        return fmt.format(self.total(), self.due())

class Promotion(ABC): # 策略：抽象基类

    @abstractmethod

    def discount(self, order):

        """返回折扣金额(正值)"""

class FidelityPromo(Promotion): # 第一个具体策略

    """为积分为1000或以上的顾客提供5%折扣"""

    def discount(self, order):

        return order.total() * .05 if order.customer.fidelity >= 1000 else 0

class BulkItemPromo(Promotion): # 第二个具体策略

    """单个商品为20个或以上时提供10%折扣"""

    def discount(self, order):

        discount = 0

        for item in order.cart:

            if item.quantity >= 20:

                discount += item.total() * .1

        return discount

class LargeOrderPromo(Promotion): # 第三个具体策略

    """订单中的不同商品达到10个或以上时提供7%折扣"""

    def discount(self, order):

        distinct_items = {item.product for item in order.cart}

        if len(distinct_items) >= 10:

            return order.total() * .07

        return 0

#注意，把Promotion 定义为抽象基类(Abstract Base Class，ABC)，这么做是为了使用@abstractmethod 装饰器，从而明确表明所用的模式。

#声明抽象基类最简单的方式是子类化abc.ABC。。从Python 3.0 到Python 3.3，必须在class 语句中使用metaclass= 关键字(例如，class Promotion(metaclass=ABCMeta)

#doctest，在某个实现了上述规则的模块中演示和验证相关操作。使用不同促销折扣的Order 类示例

joe = Customer('John Doe', 0) #两个顾客：joe 的积分是0，ann 的积分是1100。

ann = Customer('Ann Smith', 1100)

cart = [

    LineItem('banana', 4, .5), #有三个商品的购物车。

    LineItem('apple', 10, 1.5),

    LineItem('watermellon', 5, 5.0)]

print(Order(joe, cart, FidelityPromo())) #fidelityPromo 没给joe 提供折扣。

print(Order(ann, cart, FidelityPromo())) #ann 得到了5% 折扣，因为她的积分超过1000。

banana_cart = [

    LineItem('banana', 30, .5), #banana_cart 中有30 把香蕉和10 个苹果。

    LineItem('apple', 10, 1.5)]

print(Order(joe, banana_cart, BulkItemPromo())) #BulkItemPromo 为joe 购买的香蕉优惠了1.50 美元。

long_order = [LineItem(str(item_code), 1, 1.0) for item_code in range(10)] #long_order 中有10 个不同的商品，每个商品的价格为1.00 美元。

print(Order(joe, long_order, LargeOrderPromo())) #LargerOrderPromo 为joe 的整个订单提供了7% 折扣。

print(Order(joe, cart, LargeOrderPromo())) #

'''

#每个具体策略都是一个类，而且都只定义了一个方法，即discount。此外，策略实例没有状态(没有实例属性)。你可能会说，它们看起来像是普通的函数——的确如此。重构，把具体策略换成了简单的函数，而且去掉了Promo抽象类。

#Order 类和使用函数实现的折扣策略

from collections import namedtuple

Customer = namedtuple('Customer', 'name fidelity')

class LineItem:

    def __init__(self, product, quantity, price):

        self.product = product

        self.quantity = quantity

        self.price = price

    def total(self):

        return self.price * self.quantity

class Order: # 上下文

    def __init__(self, customer, cart, promotion=None):

        self.customer = customer

        self.cart = list(cart)

        self.promotion = promotion

    def total(self):

        if not hasattr(self, '__total'):

            self.__total = sum(item.total() for item in self.cart)

        return self.__total

    def due(self):

        if self.promotion is None:

            discount = 0

        else:

            discount = self.promotion(self) #计算折扣只需调用self.promotion() 函数。

        return self.total() - discount

    def __repr__(self):

        fmt = '{:.2f} due: {:.2f}>'

        return fmt.format(self.total(), self.due())

#没有抽象类。

def fidelity_promo(order): #各个策略都是函数。

    """为积分为1000或以上的顾客提供5%折扣"""

    return order.total() * .05 if order.customer.fidelity >= 1000 else 0

def bulk_item_promo(order):

    """单个商品为20个或以上时提供10%折扣"""

    discount = 0

    for item in order.cart:

        if item.quantity >= 20:

            discount += item.total() * .1

    return discount

def large_order_promo(order):

    """订单中的不同商品达到10个或以上时提供7%折扣"""

    distinct_items = {item.product for item in order.cart}

    if len(distinct_items) >= 10:

        return order.total() * .07

    return 0

#使用函数实现的促销折扣的Order 类示例

joe = Customer('John Doe', 0) #测试固件。

ann = Customer('Ann Smith', 1100)

cart = [

    LineItem('banana', 4, .5),

    LineItem('apple', 10, 1.5),

    LineItem('watermellon', 5, 5.0)

    ]

print(Order(joe, cart, fidelity_promo)) #为了把折扣策略应用到Order 实例上，只需把促销函数作为参数传入。

print(Order(ann, cart, fidelity_promo)) #

banana_cart = [

    LineItem('banana', 30, .5),

    LineItem('apple', 10, 1.5)

    ]

print(Order(joe, banana_cart, bulk_item_promo)) #这个测试和下一个测试使用不同的促销函数。

long_order = [LineItem(str(item_code), 1, 1.0) for item_code in range(10)]

print(Order(joe, long_order, large_order_promo)) #

print(Order(joe, cart, large_order_promo)) #

#没必要在新建订单时实例化新的促销对象，函数拿来即用。值得注意的是，“策略对象通常是很好的享元(flyweight)。”“享元是可共享的对象，可以同时在多个上下文中使用。”在复杂的情况下，需要具体策略维护内部状态时，可能需要把“策略”和“享元”模式结合起来。具体策略一般没有内部状态，只是处理上下文中的数据。此时，一定要使用普通的函数，别去编写只有一个方法的类，再去实现另一个类声明的单函数接口。函数比用户定义的类的实例轻量，而且无需使用“享元”模式，因为各个策略函数在Python 编译模块时只会创建一次。普通的函数也是“可共享的对象，可以同时在多个上下文中使用”。

#选择最佳策略：简单的方式,我们继续添加3 个测试。best_promo 函数计算所有折扣，并返回额度最大的

#best_promo 迭代一个函数列表，并找出折扣额度最大的

promos = [fidelity_promo, bulk_item_promo, large_order_promo] #promos 列出以函数实现的各个策略。

def best_promo(order): #与其他几个*_promo 函数一样，best_promo 函数的参数是一个Order 实例。

    """选择可用的最佳折扣

    """

    return max(promo(order) for promo in promos) #使用生成器表达式把order 传给promos 列表中的各个函数，返回折扣额度最大的那个函数。

print(Order(joe, long_order, best_promo)) #best_promo 为顾客joe 选择larger_order_promo。

print(Order(joe, banana_cart, best_promo)) #订购大量香蕉时，joe 使用bulk_item_promo 提供的折扣。

print(Order(ann, cart, best_promo)) #在一个简单的购物车中，best_promo 为忠实顾客ann 提供fidelity_promo 优惠的折扣。

#promos 是函数列表。习惯函数是一等对象后，自然而然就会构建那种数据结构存储函数。但是若想添加新的促销策略，要定义相应的函数，还要记得把它添加到promos 列表中；否则，当新促销函数显式地作为参数传给Order 时，它是可用的，但是best_promo 不会考虑它。

#找出模块中的全部策略,在Python 中，模块也是一等对象，而且标准库提供了几个处理模块的函数。globals()返回一个字典，表示当前的全局符号表。这个符号表始终针对当前模块(对函数或方法来说，是指定义它们的模块，而不是调用它们的模块)。使用globals 函数帮助best_promo 自动找到其他可用的*_promo 函数，过程有点曲折。

#内省模块的全局命名空间，构建promos 列表

promos = [globals()[name] for name in globals() if name.endswith('_promo') and name != 'best_promo']#迭代globals() 返回字典中的各个name。 #只选择以_promo 结尾的名称。#过滤掉best_promo 自身，防止无限递归。

def best_promo(order):

    """选择可用的最佳折扣

    """

    return max(promo(order) for promo in promos) #best_promo 内部的代码没有变化。

#收集所有可用促销的另一种方法是，在一个单独的模块中保存所有策略函数，把best_promo 排除在外。最大的变化是内省名为promotions 的独立模块，构建策略函数列表。注意，导入promotions 模块，以及提供高阶内省函数的inspect 模块(简单起见，这里没有给出导入语句，因为导入语句一般放在文件顶部)。内省单独的promotions 模块，构建promos 列表

import inspect

promos = [func for name, func in inspect.getmembers(promotions, inspect.isfunction)]

def best_promo(order):

    """选择可用的最佳折扣

    """

    return max(promo(order) for promo in promos)

#inspect.getmembers 函数用于获取对象(这里是promotions 模块)的属性，第二个参数是可选的判断条件(一个布尔值函数)。我们使用的是inspect.isfunction，只获取模块中的函数。

#唯一重要的是，promotions 模块只能包含计算订单折扣的函数。当然，这是对代码的隐性假设。如果有人在promotions 模块中使用不同的签名定义函数，那么best_promo 函数尝试将其应用到订单上时会出错。可以添加更为严格的测试，审查传给实例的参数，进一步过滤函数。目的不是提供完善的方案，而是强调模块内省的一种用途。动态收集促销折扣函数更为显式的一种方案是使用简单的装饰器。

#“命令”模式,“命令”设计模式也可以通过把函数作为参数传递而简化。“命令”模式的目的是解耦调用操作的对象(调用者)和提供实现的对象(接收者)。调用者是图形应用程序中的菜单项，而接收者是被编辑的文档或应用程序自身。这个模式的做法是，在二者之间放一个Command 对象，让它实现只有一个方法(execute)的接口，调用接收者中的方法执行所需的操作。这样，调用者无需了解接收者的接口，而且不同的接收者可以适应不同的Command 子类。调用者有一个具体的命令，通过调用execute 方法执行。MacroCommand 可能保存一系列命令，它的execute()方法会在各个命令上调用相同的方法。“命令模式是回调机制的面向对象替代品。

#我们可以不为调用者提供一个Command 实例，而是给它一个函数。此时，调用者不用调用command.execute()，直接调用command() 即可。MacroCommand 可以实现成定义了__call__方法的类。这样，MacroCommand 的实例就是可调用对象，各自维护着一个函数列表，供以后调用

#MacroCommand 的各个实例都在内部存储着命令列表

class MacroCommand:

    """一个执行一组命令的命令"""

    def __init__(self, commands):

        self.commands = list(commands) # 使用commands 参数构建一个列表，这样能确保参数是可迭代对象，还能在各个MacroCommand 实例中保存各个命令引用的副本。

    def __call__(self):

        for command in self.commands: # 调用MacroCommand 实例时，self.commands 中的各个命令依序执行。

            command()

#复杂的“命令”模式(如支持撤销操作)可能需要更多，而不仅是简单的回调函数。Python 提供的几个替代品。• MacroCommand 那样的可调用实例，可以保存任何所需的状态，而且除了__call__ 之外还可以提供其他方法。• 可以使用闭包在调用之间保存函数的内部状态。

#把实现单方法接口的类的实例替换成可调用对象。毕竟，每个Python 可调用对象都实现了单方法接口，这个方法就是__call__。