python教程答案十九章_流畅python学习笔记：第十九章：动态属性和特性-CSDN博客

首先来看一个json文件的读取。书中给出了一个json样例。该json文件有700多K，数据量充足，适合本章的例子。文件的具体内容可以在http://www.oreilly.com/pub/sc/osconfeed上查看。首先先下载数据生成json文件。

def load():

url='http://www.oreilly.com/pub/sc/osconfeed'

JSON="osconfeed.json"

if not os.path.exists(JSON):

remote=urlopen(url)

with open(JSON,'wb') as local:

local.write(remote.read())

with open(JSON) as fp:

return json.load(fp)

我们要访问json数据里面的例子，该如何访问呢，一般情况是

print feed['Schedule']['speakers'][-1]['name'] 但是这种句法有个缺点，就是很冗长。能不能按照feed.Schedule.speakers[-1].name这种比较简洁的方式来访问呢。要实现这种访问。需要对数据做下重新处理。这里要用到__getattr__方法：代码如下：

class FrozenJSON:

def __init__(self,mapping):

self.__data=dict(mapping) (1)

def __getattr__(self,name):

if hasattr(self.__data,name):

return getattr(self.__data,name) (2)

else:

return FrozenJSON.build(self.__data[name]) (3)

@classmethod

def build(cls,obj):

if isinstance(obj,dict): (4)

return cls(obj)

elif isinstance(obj,list): (5)

return [cls.build(item) for item in obj]

else: (6)

return obj

(1)构造一个字典，这样做确保传入的是字典

(2)确保没有此属性的时候调用__getattr__

(3)如果name是__data的属性，则返回那个属性。

(4)如果判定是字典，则返回该字典对象

(5)如果是列表，则将列表的每个元素递归的传给build方法，构建一个列表

(6)如果既不是列表也不是字典，则直接返回元素

这样实现我们就能按照前面的预期来访问元素了：raw_feed.Schedule.speakers[-1].name

使用__new__方法来创建对象

首先来介绍下__new__方法。我们通常都将__init__称为构造函数。其实在python中真正的构造函数应该是__new__。我们没有具体的去实现__new__方法。是因为从object类继承的实现已经足够了。来看一个例子：

class A(object):

def __init__(self):

print '__init__'

def __new__(cls, *args, **kwargs):

print '__new__'

print cls

return object.__new__(cls, *args, **kwargs)

if __name__=="__main__":

a=A()

E:\python2.7.11\python.exe E:/py_prj/fluent_python/chapter19.py

__new__

__init__

从结果可以看到首先是进入__new__，然后来生成一个对象的实例并返回。最后才是执行__init__。从这个例子可以看出在构造一个对象实例的时候，首先是进入__new__生成对象实例，然后再调用__init__方法进行初始赋值。那么我们用__new__方法来改造前面的FrozenJSON类。在前面的FrozenJSON实现中，build函数其实是不停的在递归各个字典对象，在递归过程中生成FronzenJSON实例进行处理。也就是第四步中的return cls(obj)。这里我们可以__new__来改造。

class FrozenJSON1(object):

def __new__(cls, args):

if isinstance(args,dict):

return object.__new__(cls)

elif isinstance(args,list):

return [cls(item) for item in arg]

else:

return args

def __init__(self,mapping):

self.__data=dict(mapping)

def __getattr__(self,name):

if hasattr(self.__data,name):

return getattr(self.__data,name)

else:

return FrozenJSON(self.__data[name])

上面代码部分中的__new__就是实现了build方法。在__getattr__中没有找到对应name属性时候，return FrozenJSON(self.__data[name])新建一个FrozenJSON对象进行往下递归

使用特性验证属性：

首先来看一个电商应用

class LineItem(object):

def __init__(self,description,weight,price):

self.description=description

self.weight=weight

self.price=price

def subtotal(self):

return self.weight*self.price

if __name__=="__main__":

raisins=LineItem('Golden raisins',10,6.95)

print raisins.subtotal()

目前这个实现都是正常的，客户输入要的货物数量，和单价。在这里计算出总价。但是如果客户一个不小心，把货物数量设置成了负数，后果会怎样？

if __name__=="__main__":

raisins=LineItem('Golden raisins',10,6.95)

print raisins.subtotal()

raisins.weight=-20

print raisins.subtotal()

E:\python2.7.11\python.exe E:/py_prj/fluent_python/chapter19.py

69.5

-139.0

这个时候变成了给顾客钱。是不是很囧。一般来说这种情况下都会想到将变量设置为私有变量。然后则设置值的时候进行保护。

class LineItem(object):

def __init__(self,description,weight,price):

self.description=description

self.__weight=weight

self.__price=price

def set_value(self,new_value):

if new_value <=0:

raise ValueError('value must be > 0')

else:

self.__weight=new_value

def subtotal(self):

return self.__weight*self.__price

if __name__=="__main__":

raisins=LineItem('Golden raisins',10,6.95)

print raisins.subtotal()

raisins.set_value(0)

数量和价格都被设置成了私有变量。要想设置值必须通过set_value的方式。而在set_value的时候设置了保护，当设置的值小于等于0的时候，弹出异常。

Traceback (most recent call last):

File "E:/py_prj/fluent_python/chapter19.py", line 76, in

raisins.set_value(0)

File "E:/py_prj/fluent_python/chapter19.py", line 68, in set_value

raise ValueError('value must be > 0')

ValueError: value must be > 0

对于这种情况，我们还有另外一种方法。那就是将属性变成一种特性。采用property方法。代码如下：

class LineItem(object):

def __init__(self,description,weight,price):

self.description=description

self.weight=weight

self.price=price

def subtotal(self):

return self.weight*self.price

@property

def weight(self):

return self.__weight

@weight.setter

def weight(self,value):

if value <=0:

raise ValueError('value must be > 0')

else:

self.__weight=value

if __name__=="__main__":

raisins=LineItem('Golden raisins',10,6.95)

print raisins.subtotal()

raisins.weight=0

通过@property将weight变成一个特性，@weight.setter来进行赋值。虽然内置的property经常用作装饰器，但它其实是个类。代码可以改写成下面的样子：

class LineItem(object):

def __init__(self,description,weight,price):

self.description=description

self.weight=weight

self.price=price

def subtotal(self):

return self.weight*self.price

def get_weight(self):

return self.__weight

def set_weight(self,value):

if value <= 0:

raise ValueError('value must be > 0')

else:

self.__weight=value

weight=property(get_weight,set_weight)

至于用哪种方法更好，这个属于见仁见智的看法。我个人觉得用装饰器的方式看起来更简洁一些。因为可以很明白的看出赋值和读值，而不用按照惯例在方法名的前面加上get和set

接下来看下属性和特性的差别：

class Class(object):

data='the class data attr'

@property

def prop(self):

return 'the prop value'

if __name__=="__main__":

obj=Class()

print vars(obj) (1)

print obj.data (2)

obj.data='bar'

print vars(obj) (3)

print obj.data (4)

print Class.data (5)

(1) vars函数返回的是obj的__dict__函数，没有实例属性

(2) 读取obj.data实际上读取的是Class.data的值

(3) 为obj.data赋值后，创建一个实例属性。

(4) 读取obj.data，获取的是实例属性的值。实例属性会覆盖类属性data

(5) 类属性还是以前的样子，并没有被覆盖

下面来看下特性的例子

if __name__=="__main__":

obj=Class()

print Class.prop (1)

print obj.prop (2)

obj.__dict__['prop']='foo' (3)

print vars(obj)

print obj.prop (4)

Class.prop='baz'

print obj.prop (5)

E:\python2.7.11\python.exe E:/py_prj/fluent_python/chapter19.py

the prop value

{'prop': 'foo'}

the prop value

foo

(1) 直接从Class中读取prop特性。获取的是特性本身

(2) 读取obj.prop

(3) 通过__dict__方法来给实例增加一个属性

(4) 此时实例有2个实例属性，data和prop, 但是在调用prop的时候仍然是读取特性的方法，而不是实例属性。表明特性没有被实例属性覆盖

(5) 当类的prop特性被覆盖后，销毁该特性对象。再次读取obj.prop的时候，Class.prop不再是特性了，因此不会覆盖obj.prop。

总结：从这里可以看出，当读取实例属性的时候会覆盖类的属性。而在读取实例特性的时候，特性不会被实例属性覆盖，而依然是读取类的特性。除非类特性被销毁。