【python学习笔记】第3天

继续今天的python学习

昨天学到了类当做装饰器，今天上来学了一个新的概念：元类，什么是元类呢？

在python中，一切皆对象，类也不例外

class Test:
    print("我是对象...")
    def __init__(self):
        self.num = 0

运行结果：
 

我是对象...

可以看出来，在类创建的时候就会打印这样一句话。（看，他都说他是对象了）

在一个类中，我们不仅可以给类的实例对象添加属性，我们还可以直接给类添加属性

Test.number = 0
print(Test.number)

运行结果：

0

那么我们就又要思考一个问题，类是也是对象，那究竟是谁创建的类呢？

我们之前用到过 type() 函数，利用它可以测出我们输入对象的类型，然而它还有一个功能就是创建一个类

'''
type创建类的用法：
type(类名,(父类的元组),{类的属性和方法})
'''

Test = type("Test",(),{}) # 利用type创建一个类

class Test2:
    pass

print(type(Test))
print(type(Test2))

运行结果：

<class 'type'>
<class 'type'>

可以看出来用type创建的类和class是一样的类型，我们把这样可以创建类的类叫做元类。

那么既然有了元类，我们如何在创建类的时候就定义一些方法和属性呢？

class Dog:
    def __init__(self):
        self.name = "WangWang"

def eat(self):
    print("%s 正在吃..."%self.name)

Test = type("Test",(Dog,),{"eat":eat,"age":5}) # 利用type创建一个类

t = Test()
t.eat()
print("%s 的年龄："%t.name + str(t.age))
print(Test.age) # 在这里的age属于类属性，可以直接通过类名来调用

运行结果：

WangWang 正在吃...
WangWang 的年龄：5
5

那么我们又想思考一个问题，既然是type创建的class，那么是谁创建的type。。。

我们用代码来测试一下

print(type.__class__)
print(Test.__class__)

运行结果：

<class 'type'>
<class 'type'>

噢，原来是type创建的type~

那么我们还有没有其他的方法去创建一个类呢？答案是肯定的，这次我们接触到了__metaclass__属性

def upper_attr(class_name,class_parents,class_attribute):
    # 把非“__”开头的属性的key全部变为大写字母
    the_dict = dict() #创建一个新的属性字典
    for name, value in class_attribute.items():
        if not name.startswith('_'):
            the_dict[name.upper()] = value
        else:
            the_dict[name] = value
    return type(class_name, class_parents, the_dict)

class Myclass(metaclass=upper_attr):
    low = "low"
    high = "high"
    __the_name = "WangWang"
    def show():
        print(Myclass.__the_name)

print(Myclass.LOW)
print(Myclass.HIGH)
Myclass.SHOW()

运行结果：

low
high
WangWang

可以看到，我们用自己的方式创建了类，这就是利用了metaclass属性，这是在python3当中的用法，如果是在python2当中我们就不是在Myclass后面的括号里使用，而是在类中添加属性 __metaclass__ = upper_attr 即可

有兴趣的朋友可以试试，在上面的if语句中如果把一个下划线换成两个下划线，会出现什么样的问题呢？

接下来学习了python当中的 Garbage Collection——简称GC，是python的垃圾回收机制那么python是如何进行垃圾回收的呢？

顾名思义就是python会自动把我们用不到的数据给干掉啦`

首先接触到了两个概念就是小整数对象池和大整数对象池，前者指的是在[-5,257)范围内的整数是python自己创建好地址的，也就是只要我们引用这范围之内的整数，地址都是相同的，而在这个范围之外的整数在大整数对象池当中，每次创建都会有自己独立的地址。对于字符串类型在python中也规定了特殊的地址，相同的字符串共用一个地址。

python的垃圾回收有两种，第一种是引用计数。

python对象每一次被引用的时候计数会+1，当引用计数变为0的时候python解释器会把这个垃圾清理掉，但有时候引用计数并不能让python完全的清理掉垃圾

import gc
class test:
    pass
def reference():
    while True:
        a1 = test()
        a2 = test()
        a1.ref = a2
        a2.ref = a1
gc.disable()
reference()

上面这几行代码在循环中出现了循环引用的问题（引用计数无法变为0），所以python就引入了另外一个垃圾清理的办法，成为python的分代回收，这个机制的原理是将数据串成一条链（generation zero），python会在一定的时间在这条链上检查循环引用的现象，有循环引用的数据的引用计数会-1，下一次检测时如果这些数据的引用计数为0，则会被python干掉。由于产生了循环引用，所以python生成的数据和释放的数据就产生了一个差值，当这个差值达到一定的数目的时候python会将（generation zero）这条链上的引用计数不为0的数据转移到（generation one）这条链上。

上面的例子导入gc模块把垃圾清理机制关闭后程序占用的内存空间飙升，内存不够用者谨慎运行。。。

gc模块中还提供了一些方法

gc.collect() # 手动进行清理垃圾
gc.get_count() # 获取当前的清理计数
gc.get_threshold() # 查看清理计数的阈值
gc.set_threshold(700,10,10) # 设置清理计数的阈值

注意：不要轻易的修改__del__方法，会影响python的垃圾回收机制