Python 的魔法方法
据说，Python 的对象天生拥有一些神奇的方法，它们是面向对象的 Python 的一切...
它们是可以给你的类增加魔力的特殊方法...
如果你的对象实现了这些方法中的某一个，那么这个方法就会在特殊的情况下被 Python 所调用，而这一切都是自动发生的...
类有一个名为__init__(self[, param1, param2...])的魔法方法，该方法在类实例化时会自动调用。
【例子】
In [1]:
class Ball:
def __init__(self, name):
self.name = name
def kick(self):
print("我叫%s,该死的，谁踢我..." % self.name)
a = Ball("球A")
b = Ball("球B")
c = Ball("球C")
a.kick()
# 我叫球A,该死的，谁踢我...
b.kick()
# 我叫球B,该死的，谁踢我...
我叫球A,该死的，谁踢我... 我叫球B,该死的，谁踢我...
公有和私有
在 Python 中定义私有变量只需要在变量名或函数名前加上“__”两个下划线，那么这个函数或变量就会为私有的了。
【例子】类的私有属性实例
In [2]:
class JustCounter:
__secretCount = 0 # 私有变量
publicCount = 0 # 公开变量
def count(self):
self.__secretCount += 1
self.publicCount += 1
print(self.__secretCount)
counter = JustCounter()
counter.count() # 1
counter.count() # 2
print(counter.publicCount) # 2
# Python的私有为伪私有
print(counter._JustCounter__secretCount) # 2
print(counter.__secretCount)
# AttributeError: 'JustCounter' object has no attribute '__secretCount'
1 2 2 2
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [2], in <cell line: 18>()
16 # Python的私有为伪私有
17 print(counter._JustCounter__secretCount) # 2
---> 18 print(counter.__secretCount)
AttributeError: 'JustCounter' object has no attribute '__secretCount'
【例子】类的私有方法实例
In [3]:
class Site:
def __init__(self, name, url):
self.name = name # public
self.__url = url # private
def who(self):
print('name : ', self.name)
print('url : ', self.__url)
def __foo(self): # 私有方法
print('这是私有方法')
def foo(self): # 公共方法
print('这是公共方法')
self.__foo()
x = Site('老马的程序人生', 'https://blog.csdn.net/LSGO_MYP')
x.who()
# name : 老马的程序人生
# url : https://blog.csdn.net/LSGO_MYP
x.foo()
# 这是公共方法
# 这是私有方法
x.__foo()
# AttributeError: 'Site' object has no attribute '__foo'
name : 老马的程序人生 url : https://blog.csdn.net/LSGO_MYP 这是公共方法 这是私有方法
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [3], in <cell line: 27>()
23 x.foo()
24 # 这是公共方法
25 # 这是私有方法
---> 27 x.__foo()
AttributeError: 'Site' object has no attribute '__foo'
继承
Python 同样支持类的继承，派生类的定义如下所示：
class DerivedClassName(BaseClassName):
statement-1
.
.
.
statement-N
BaseClassName（基类名）必须与派生类定义在一个作用域内。除了类，还可以用表达式，基类定义在另一个模块中时这一点非常有用：
class DerivedClassName(modname.BaseClassName):
statement-1
.
.
.
statement-N
【例子】如果子类中定义与父类同名的方法或属性，则会自动覆盖父类对应的方法或属性。
In [4]:
# 类定义
class people:
# 定义基本属性
name = ''
age = 0
# 定义私有属性,私有属性在类外部无法直接进行访问
__weight = 0
# 定义构造方法
def __init__(self, n, a, w):
self.name = n
self.age = a
self.__weight = w
def speak(self):
print("%s 说: 我 %d 岁。" % (self.name, self.age))
# 单继承示例
class student(people):
grade = ''
def __init__(self, n, a, w, g):
# 调用父类的构函
people.__init__(self, n, a, w)
self.grade = g
# 覆写父类的方法
def speak(self):
print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade))
s = student('小马的程序人生', 10, 60, 3)
s.speak()
# 小马的程序人生 说: 我 10 岁了，我在读 3 年级
小马的程序人生 说: 我 10 岁了，我在读 3 年级
注意：如果上面的程序去掉：people.__init__(self, n, a, w)，则输出：说: 我 0 岁了，我在读 3 年级，因为子类的构造方法把父类的构造方法覆盖了。
【例子】
In [5]:
import random
class Fish:
def __init__(self):
self.x = random.randint(0, 10)
self.y = random.randint(0, 10)
def move(self):
self.x -= 1
print("我的位置", self.x, self.y)
class GoldFish(Fish): # 金鱼
pass
class Carp(Fish): # 鲤鱼
pass
class Salmon(Fish): # 三文鱼
pass
class Shark(Fish): # 鲨鱼
def __init__(self):
self.hungry = True
def eat(self):
if self.hungry:
print("吃货的梦想就是天天有得吃！")
self.hungry = False
else:
print("太撑了，吃不下了！")
self.hungry = True
g = GoldFish()
g.move() # 我的位置 9 4
s = Shark()
s.eat() # 吃货的梦想就是天天有得吃！
s.move()
# AttributeError: 'Shark' object has no attribute 'x'
我的位置 5 4 吃货的梦想就是天天有得吃！
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [5], in <cell line: 42>()
40 s = Shark()
41 s.eat() # 吃货的梦想就是天天有得吃！
---> 42 s.move()
Input In [5], in Fish.move(self)
8 def move(self):
----> 9 self.x -= 1
10 print("我的位置", self.x, self.y)
AttributeError: 'Shark' object has no attribute 'x'
解决该问题可用以下两种方式：
- 调用未绑定的父类方法
Fish.__init__(self)
In [6]:
class Shark(Fish): # 鲨鱼
def __init__(self):
Fish.__init__(self)
self.hungry = True
def eat(self):
if self.hungry:
print("吃货的梦想就是天天有得吃！")
self.hungry = False
else:
print("太撑了，吃不下了！")
self.hungry = True
- 使用super函数
super().__init__()
In [7]:
class Shark(Fish): # 鲨鱼
def __init__(self):
super().__init__()
self.hungry = True
def eat(self):
if self.hungry:
print("吃货的梦想就是天天有得吃！")
self.hungry = False
else:
print("太撑了，吃不下了！")
self.hungry = True
Python 虽然支持多继承的形式，但我们一般不使用多继承，因为容易引起混乱。
class DerivedClassName(Base1, Base2, Base3):
statement-1
.
.
.
statement-N
需要注意圆括号中父类的顺序，若是父类中有相同的方法名，而在子类使用时未指定，Python 从左至右搜索，即方法在子类中未找到时，从左到右查找父类中是否包含方法。
【例子】
In [8]:
# 类定义
class People:
# 定义基本属性
name = ''
age = 0
# 定义私有属性,私有属性在类外部无法直接进行访问
__weight = 0
# 定义构造方法
def __init__(self, n, a, w):
self.name = n
self.age = a
self.__weight = w
def speak(self):
print("%s 说: 我 %d 岁。" % (self.name, self.age))
# 单继承示例
class Student(People):
grade = ''
def __init__(self, n, a, w, g):
# 调用父类的构函
People.__init__(self, n, a, w)
self.grade = g
# 覆写父类的方法
def speak(self):
print("%s 说: 我 %d 岁了，我在读 %d 年级" % (self.name, self.age, self.grade))
# 另一个类，多重继承之前的准备
class Speaker:
topic = ''
name = ''
def __init__(self, n, t):
self.name = n
self.topic = t
def speak(self):
print("我叫 %s，我是一个演说家，我演讲的主题是 %s" % (self.name, self.topic))
# 多重继承
class Sample01(Speaker, Student):
a = ''
def __init__(self, n, a, w, g, t):
Student.__init__(self, n, a, w, g)
Speaker.__init__(self, n, t)
# 方法名同，默认调用的是在括号中排前地父类的方法
test = Sample01("Tim", 25, 80, 4, "Python")
test.speak()
# 我叫 Tim，我是一个演说家，我演讲的主题是 Python
class Sample02(Student, Speaker):
a = ''
def __init__(self, n, a, w, g, t):
Student.__init__(self, n, a, w, g)
Speaker.__init__(self, n, t)
# 方法名同，默认调用的是在括号中排前地父类的方法
test = Sample02("Tim", 25, 80, 4, "Python")
test.speak()
# Tim 说: 我 25 岁了，我在读 4 年级
我叫 Tim，我是一个演说家，我演讲的主题是 Python Tim 说: 我 25 岁了，我在读 4 年级
组合
【例子】
In [9]:
class Turtle:
def __init__(self, x):
self.num = x
class Fish:
def __init__(self, x):
self.num = x
class Pool:
def __init__(self, x, y):
self.turtle = Turtle(x)
self.fish = Fish(y)
def print_num(self):
print("水池里面有乌龟%s只，小鱼%s条" % (self.turtle.num, self.fish.num))
p = Pool(2, 3)
p.print_num()
# 水池里面有乌龟2只，小鱼3条
水池里面有乌龟2只，小鱼3条
类、类对象和实例对象
类对象：创建一个类，其实也是一个对象也在内存开辟了一块空间，称为类对象，类对象只有一个。
class A(object):
pass
实例对象：就是通过实例化类创建的对象，称为实例对象，实例对象可以有多个。
【例子】
In [10]:
class A(object):
pass
# 实例化对象 a、b、c都属于实例对象。
a = A()
b = A()
c = A()
类属性：类里面方法外面定义的变量称为类属性。类属性所属于类对象并且多个实例对象之间共享同一个类属性，说白了就是类属性所有的通过该类实例化的对象都能共享。
【例子】
In [11]:
class A():
a = 0 #类属性
def __init__(self, xx):
A.a = xx #使用类属性可以通过 （类名.类属性）调用。
实例属性：实例属性和具体的某个实例对象有关系，并且一个实例对象和另外一个实例对象是不共享属性的，说白了实例属性只能在自己的对象里面使用，其他的对象不能直接使用，因为self是谁调用，它的值就属于该对象。
【例子】
In [12]:
# 创建类对象
class Test(object):
class_attr = 100 # 类属性
def __init__(self):
self.sl_attr = 100 # 实例属性
def func(self):
print('类对象.类属性的值:', Test.class_attr) # 调用类属性
print('self.类属性的值', self.class_attr) # 相当于把类属性 变成实例属性
print('self.实例属性的值', self.sl_attr) # 调用实例属性
a = Test()
a.func()
# 类对象.类属性的值: 100
# self.类属性的值 100
# self.实例属性的值 100
b = Test()
b.func()
# 类对象.类属性的值: 100
# self.类属性的值 100
# self.实例属性的值 100
a.class_attr = 200
a.sl_attr = 200
a.func()
# 类对象.类属性的值: 100
# self.类属性的值 200
# self.实例属性的值 200
b.func()
# 类对象.类属性的值: 100
# self.类属性的值 100
# self.实例属性的值 100
Test.class_attr = 300
a.func()
# 类对象.类属性的值: 300
# self.类属性的值 200
# self.实例属性的值 200
b.func()
# 类对象.类属性的值: 300
# self.类属性的值 300
# self.实例属性的值 100
类对象.类属性的值: 100 self.类属性的值 100 self.实例属性的值 100 类对象.类属性的值: 100 self.类属性的值 100 self.实例属性的值 100 类对象.类属性的值: 100 self.类属性的值 200 self.实例属性的值 200 类对象.类属性的值: 100 self.类属性的值 100 self.实例属性的值 100 类对象.类属性的值: 300 self.类属性的值 200 self.实例属性的值 200 类对象.类属性的值: 300 self.类属性的值 300 self.实例属性的值 100
注意：属性与方法名相同，属性会覆盖方法。
【例子】
In [13]:
class A:
def x(self):
print('x_man')
aa = A()
aa.x() # x_man
aa.x = 1
print(aa.x) # 1
aa.x()
# TypeError: 'int' object is not callable
x_man 1
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
Input In [13], in <cell line: 10>()
8 aa.x = 1
9 print(aa.x) # 1
---> 10 aa.x()
TypeError: 'int' object is not callable
什么是绑定？
Python 严格要求方法需要有实例才能被调用，这种限制其实就是 Python 所谓的绑定概念。
Python 对象的数据属性通常存储在名为.__ dict__的字典中，我们可以直接访问__dict__，或利用 Python 的内置函数vars()获取.__ dict__。
【例子】
In [14]:
class CC:
def setXY(self, x, y):
self.x = x
self.y = y
def printXY(self):
print(self.x, self.y)
dd = CC()
print(dd.__dict__)
# {}
print(vars(dd))
# {}
print(CC.__dict__)
# {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000C3473DA048>, 'printXY': <function CC.printXY at 0x000000C3473C4F28>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
dd.setXY(4, 5)
print(dd.__dict__)
# {'x': 4, 'y': 5}
print(vars(CC))
# {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000632CA9B048>, 'printXY': <function CC.printXY at 0x000000632CA83048>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
print(CC.__dict__)
# {'__module__': '__main__', 'setXY': <function CC.setXY at 0x000000632CA9B048>, 'printXY': <function CC.printXY at 0x000000632CA83048>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
{}
{}
{'__module__': '__main__', 'setXY': <function CC.setXY at 0x000002ADDA8239D0>, 'printXY': <function CC.printXY at 0x000002ADDA83E3A0>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
{'x': 4, 'y': 5}
{'__module__': '__main__', 'setXY': <function CC.setXY at 0x000002ADDA8239D0>, 'printXY': <function CC.printXY at 0x000002ADDA83E3A0>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
{'__module__': '__main__', 'setXY': <function CC.setXY at 0x000002ADDA8239D0>, 'printXY': <function CC.printXY at 0x000002ADDA83E3A0>, '__dict__': <attribute '__dict__' of 'CC' objects>, '__weakref__': <attribute '__weakref__' of 'CC' objects>, '__doc__': None}
一些相关的内置函数（BIF）
issubclass(class, classinfo)方法用于判断参数 class 是否是类型参数 classinfo 的子类。- 一个类被认为是其自身的子类。
classinfo可以是类对象的元组，只要class是其中任何一个候选类的子类，则返回True。
【例子】
In [15]:
class A:
pass
class B(A):
pass
print(issubclass(B, A)) # True
print(issubclass(B, B)) # True
print(issubclass(A, B)) # False
print(issubclass(B, object)) # True
True True False True
isinstance(object, classinfo)方法用于判断一个对象是否是一个已知的类型，类似type()。type()不会认为子类是一种父类类型，不考虑继承关系。isinstance()会认为子类是一种父类类型，考虑继承关系。- 如果第一个参数不是对象，则永远返回
False。 - 如果第二个参数不是类或者由类对象组成的元组，会抛出一个
TypeError异常。
【例子】
In [16]:
a = 2
print(isinstance(a, int)) # True
print(isinstance(a, str)) # False
print(isinstance(a, (str, int, list))) # True
class A:
pass
class B(A):
pass
print(isinstance(A(), A)) # True
print(type(A()) == A) # True
print(isinstance(B(), A)) # True
print(type(B()) == A) # False
True False True True True True False
hasattr(object, name)用于判断对象是否包含对应的属性。
【例子】
In [17]:
class Coordinate:
x = 10
y = -5
z = 0
point1 = Coordinate()
print(hasattr(point1, 'x')) # True
print(hasattr(point1, 'y')) # True
print(hasattr(point1, 'z')) # True
print(hasattr(point1, 'no')) # False
True True True False
getattr(object, name[, default])用于返回一个对象属性值。
【例子】
In [18]:
class A(object):
bar = 1
a = A()
print(getattr(a, 'bar')) # 1
print(getattr(a, 'bar2', 3)) # 3
print(getattr(a, 'bar2'))
# AttributeError: 'A' object has no attribute 'bar2'
1 3
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [18], in <cell line: 8>()
6 print(getattr(a, 'bar')) # 1
7 print(getattr(a, 'bar2', 3)) # 3
----> 8 print(getattr(a, 'bar2'))
AttributeError: 'A' object has no attribute 'bar2'
【例子】这个例子很酷！
In [19]:
class A(object):
def set(self, a, b):
x = a
a = b
b = x
print(a, b)
a = A()
c = getattr(a, 'set')
c(a='1', b='2') # 2 1
2 1
setattr(object, name, value)对应函数getattr()，用于设置属性值，该属性不一定是存在的。
【例子】
In [20]:
class A(object):
bar = 1
a = A()
print(getattr(a, 'bar')) # 1
setattr(a, 'bar', 5)
print(a.bar) # 5
setattr(a, "age", 28)
print(a.age) # 28
1 5 28
delattr(object, name)用于删除属性。
【例子】
In [21]:
class Coordinate:
x = 10
y = -5
z = 0
point1 = Coordinate()
print('x = ', point1.x) # x = 10
print('y = ', point1.y) # y = -5
print('z = ', point1.z) # z = 0
delattr(Coordinate, 'z')
print('--删除 z 属性后--') # --删除 z 属性后--
print('x = ', point1.x) # x = 10
print('y = ', point1.y) # y = -5
# 触发错误
print('z = ', point1.z)
# AttributeError: 'Coordinate' object has no attribute 'z'
x = 10 y = -5 z = 0 --删除 z 属性后-- x = 10 y = -5
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [21], in <cell line: 20>()
17 print('y = ', point1.y) # y = -5
19 # 触发错误
---> 20 print('z = ', point1.z)
AttributeError: 'Coordinate' object has no attribute 'z'
class property([fget[, fset[, fdel[, doc]]]])用于在新式类中返回属性值。fget-- 获取属性值的函数fset-- 设置属性值的函数fdel-- 删除属性值函数doc-- 属性描述信息
【例子】
In [22]:
class C(object):
def __init__(self):
self.__x = None
def getx(self):
return self.__x
def setx(self, value):
self.__x = value
def delx(self):
del self.__x
x = property(getx, setx, delx, "I'm the 'x' property.")
cc = C()
cc.x = 2
print(cc.x) # 2
del cc.x
print(cc.x)
# AttributeError: 'C' object has no attribute '_C__x'
2
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
Input In [22], in <cell line: 22>()
19 print(cc.x) # 2
21 del cc.x
---> 22 print(cc.x)
Input In [22], in C.getx(self)
5 def getx(self):
----> 6 return self.__x
AttributeError: 'C' object has no attribute '_C__x'
魔法方法
魔法方法总是被双下划线包围，例如__init__。
魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。
魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。
魔法方法的第一个参数应为cls（类方法） 或者self（实例方法）。
cls：代表一个类的名称self：代表一个实例对象的名称
基本的魔法方法
__init__(self[, ...])构造器，当一个实例被创建的时候调用的初始化方法
【例子】
In [23]:
class Rectangle:
def __init__(self, x, y):
self.x = x
self.y = y
def getPeri(self):
return (self.x + self.y) * 2
def getArea(self):
return self.x * self.y
rect = Rectangle(4, 5)
print(rect.getPeri()) # 18
print(rect.getArea()) # 20
18 20
__new__(cls[, ...])在一个对象实例化的时候所调用的第一个方法，在调用__init__初始化前，先调用__new__。__new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直接传递给__init__。__new__对当前类进行了实例化，并将实例返回，传给__init__的self。但是，执行了__new__，并不一定会进入__init__，只有__new__返回了，当前类cls的实例，当前类的__init__才会进入。
【例子】
In [24]:
class A(object):
def __init__(self, value):
print("into A __init__")
self.value = value
def __new__(cls, *args, **kwargs):
print("into A __new__")
print(cls)
return object.__new__(cls)
class B(A):
def __init__(self, value):
print("into B __init__")
self.value = value
def __new__(cls, *args, **kwargs):
print("into B __new__")
print(cls)
return super().__new__(cls, *args, **kwargs)
b = B(10)
# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.B'>
# into B __init__
class A(object):
def __init__(self, value):
print("into A __init__")
self.value = value
def __new__(cls, *args, **kwargs):
print("into A __new__")
print(cls)
return object.__new__(cls)
class B(A):
def __init__(self, value):
print("into B __init__")
self.value = value
def __new__(cls, *args, **kwargs):
print("into B __new__")
print(cls)
return super().__new__(A, *args, **kwargs) # 改动了cls变为A
b = B(10)
# 结果：
# into B __new__
# <class '__main__.B'>
# into A __new__
# <class '__main__.A'>
into B __new__ <class '__main__.B'> into A __new__ <class '__main__.B'> into B __init__ into B __new__ <class '__main__.B'> into A __new__ <class '__main__.A'>
- 若
__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行，将没有__init__被调用。
【例子】利用__new__实现单例模式。
In [25]:
class Earth:
pass
a = Earth()
print(id(a)) # 260728291456
b = Earth()
print(id(b)) # 260728291624
class Earth:
__instance = None # 定义一个类属性做判断
def __new__(cls):
if cls.__instance is None:
cls.__instance = object.__new__(cls)
return cls.__instance
else:
return cls.__instance
a = Earth()
print(id(a)) # 512320401648
b = Earth()
print(id(b)) # 512320401648
2945708263696 2945708264992 2945708263792 2945708263792
__new__方法主要是当你继承一些不可变的 class 时（比如int, str, tuple）， 提供给你一个自定义这些类的实例化过程的途径。
【例子】
In [26]:
class CapStr(str):
def __new__(cls, string):
string = string.upper()
return str.__new__(cls, string)
a = CapStr("i love lsgogroup")
print(a) # I LOVE LSGOGROUP
I LOVE LSGOGROUP
__del__(self)析构器，当一个对象将要被系统回收之时调用的方法。
Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此 Python 就会回收该对象。
大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象 a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。
【例子】
In [27]:
class C(object):
def __init__(self):
print('into C __init__')
def __del__(self):
print('into C __del__')
c1 = C()
# into C __init__
c2 = c1
c3 = c2
del c3
del c2
del c1
# into C __del__
into C __init__ into C __del__
-
__str__(self):- 当你打印一个对象的时候，触发
__str__ - 当你使用
%s格式化的时候，触发__str__ str强转数据类型的时候，触发__str__
- 当你打印一个对象的时候，触发
-
__repr__(self)：repr是str的备胎- 有
__str__的时候执行__str__,没有实现__str__的时候，执行__repr__ repr(obj)内置函数对应的结果是__repr__的返回值- 当你使用
%r格式化的时候 触发__repr__
【例子】
In [28]:
class Cat:
"""定义一个猫类"""
def __init__(self, new_name, new_age):
"""在创建完对象之后 会自动调用, 它完成对象的初始化的功能"""
self.name = new_name
self.age = new_age
def __str__(self):
"""返回一个对象的描述信息"""
return "名字是:%s , 年龄是:%d" % (self.name, self.age)
def __repr__(self):
"""返回一个对象的描述信息"""
return "Cat:(%s,%d)" % (self.name, self.age)
def eat(self):
print("%s在吃鱼...." % self.name)
def drink(self):
print("%s在喝可乐..." % self.name)
def introduce(self):
print("名字是:%s, 年龄是:%d" % (self.name, self.age))
# 创建了一个对象
tom = Cat("汤姆", 30)
print(tom) # 名字是:汤姆 , 年龄是:30
print(str(tom)) # 名字是:汤姆 , 年龄是:30
print(repr(tom)) # Cat:(汤姆,30)
tom.eat() # 汤姆在吃鱼....
tom.introduce() # 名字是:汤姆, 年龄是:30
名字是:汤姆 , 年龄是:30 名字是:汤姆 , 年龄是:30 Cat:(汤姆,30) 汤姆在吃鱼.... 名字是:汤姆, 年龄是:30
__str__(self) 的返回结果可读性强。也就是说，__str__ 的意义是得到便于人们阅读的信息，就像下面的 '2019-10-11' 一样。
__repr__(self) 的返回结果应更准确。怎么说，__repr__ 存在的目的在于调试，便于开发者使用。
【例子】
In [29]:
import datetime
today = datetime.date.today()
print(str(today)) # 2019-10-11
print(repr(today)) # datetime.date(2019, 10, 11)
print('%s' %today) # 2019-10-11
print('%r' %today) # datetime.date(2019, 10, 11)
2022-06-23 datetime.date(2022, 6, 23) 2022-06-23 datetime.date(2022, 6, 23)
算术运算符
类型工厂函数，指的是“不通过类而是通过函数来创建对象”。
【例子】
In [30]:
class C:
pass
print(type(len)) # <class 'builtin_function_or_method'>
print(type(dir)) # <class 'builtin_function_or_method'>
print(type(int)) # <class 'type'>
print(type(list)) # <class 'type'>
print(type(tuple)) # <class 'type'>
print(type(C)) # <class 'type'>
print(int('123')) # 123
# 这个例子中list工厂函数把一个元祖对象加工成了一个列表对象。
print(list((1, 2, 3))) # [1, 2, 3]
<class 'builtin_function_or_method'> <class 'builtin_function_or_method'> <class 'type'> <class 'type'> <class 'type'> <class 'type'> 123 [1, 2, 3]
__add__(self, other)定义加法的行为：+__sub__(self, other)定义减法的行为：-
【例子】
In [31]:
class MyClass:
def __init__(self, height, weight):
self.height = height
self.weight = weight
# 两个对象的长相加，宽不变.返回一个新的类
def __add__(self, others):
return MyClass(self.height + others.height, self.weight + others.weight)
# 两个对象的宽相减，长不变.返回一个新的类
def __sub__(self, others):
return MyClass(self.height - others.height, self.weight - others.weight)
# 说一下自己的参数
def intro(self):
print("高为", self.height, " 重为", self.weight)
def main():
a = MyClass(height=10, weight=5)
a.intro()
b = MyClass(height=20, weight=10)
b.intro()
c = b - a
c.intro()
d = a + b
d.intro()
if __name__ == '__main__':
main()
# 高为 10 重为 5
# 高为 20 重为 10
# 高为 10 重为 5
# 高为 30 重为 15
高为 10 重为 5 高为 20 重为 10 高为 10 重为 5 高为 30 重为 15
__mul__(self, other)定义乘法的行为：*__truediv__(self, other)定义真除法的行为：/__floordiv__(self, other)定义整数除法的行为：//__mod__(self, other)定义取模算法的行为：%__divmod__(self, other)定义当被divmod()调用时的行为divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。
【例子】
In [32]:
print(divmod(7, 2)) # (3, 1) print(divmod(8, 2)) # (4, 0)
(3, 1) (4, 0)
__pow__(self, other[, module])定义当被power()调用或**运算时的行为__lshift__(self, other)定义按位左移位的行为：<<__rshift__(self, other)定义按位右移位的行为：>>__and__(self, other)定义按位与操作的行为：&__xor__(self, other)定义按位异或操作的行为：^__or__(self, other)定义按位或操作的行为：|
反算术运算符
反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。
__radd__(self, other)定义加法的行为：+__rsub__(self, other)定义减法的行为：-__rmul__(self, other)定义乘法的行为：*__rtruediv__(self, other)定义真除法的行为：/__rfloordiv__(self, other)定义整数除法的行为：//__rmod__(self, other)定义取模算法的行为：%__rdivmod__(self, other)定义当被 divmod() 调用时的行为__rpow__(self, other[, module])定义当被 power() 调用或**运算时的行为__rlshift__(self, other)定义按位左移位的行为：<<__rrshift__(self, other)定义按位右移位的行为：>>__rand__(self, other)定义按位与操作的行为：&__rxor__(self, other)定义按位异或操作的行为：^__ror__(self, other)定义按位或操作的行为：|
a + b
这里加数是a，被加数是b，因此是a主动，反运算就是如果a对象的__add__()方法没有实现或者不支持相应的操作，那么 Python 就会调用b的__radd__()方法。
【例子】
In [33]:
class Nint(int):
def __radd__(self, other):
return int.__sub__(other, self) # 注意 self 在后面
a = Nint(5)
b = Nint(3)
print(a + b) # 8
print(1 + b) # -2
8 -2
增量赋值运算符
__iadd__(self, other)定义赋值加法的行为：+=__isub__(self, other)定义赋值减法的行为：-=__imul__(self, other)定义赋值乘法的行为：*=__itruediv__(self, other)定义赋值真除法的行为：/=__ifloordiv__(self, other)定义赋值整数除法的行为：//=__imod__(self, other)定义赋值取模算法的行为：%=__ipow__(self, other[, modulo])定义赋值幂运算的行为：**=__ilshift__(self, other)定义赋值按位左移位的行为：<<=__irshift__(self, other)定义赋值按位右移位的行为：>>=__iand__(self, other)定义赋值按位与操作的行为：&=__ixor__(self, other)定义赋值按位异或操作的行为：^=__ior__(self, other)定义赋值按位或操作的行为：|=
一元运算符
__neg__(self)定义正号的行为：+x__pos__(self)定义负号的行为：-x__abs__(self)定义当被abs()调用时的行为__invert__(self)定义按位求反的行为：~x
属性访问
__getattr__(self, name): 定义当用户试图获取一个不存在的属性时的行为。__getattribute__(self, name)：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用__getattr__）。__setattr__(self, name, value)：定义当一个属性被设置时的行为。__delattr__(self, name)：定义当一个属性被删除时的行为。
【例子】
In [34]:
class C:
def __getattribute__(self, item):
print('__getattribute__')
return super().__getattribute__(item)
def __getattr__(self, item):
print('__getattr__')
def __setattr__(self, key, value):
print('__setattr__')
super().__setattr__(key, value)
def __delattr__(self, item):
print('__delattr__')
super().__delattr__(item)
c = C()
c.x
# __getattribute__
# __getattr__
c.x = 1
# __setattr__
del c.x
# __delattr__
__getattribute__ __getattr__ __setattr__ __delattr__
描述符
描述符就是将某种特殊类型的类的实例指派给另一个类的属性。
__get__(self, instance, owner)用于访问属性，它返回属性的值。__set__(self, instance, value)将在属性分配操作中调用，不返回任何内容。__del__(self, instance)控制删除操作，不返回任何内容。
【例子】
In [35]:
class MyDecriptor:
def __get__(self, instance, owner):
print('__get__', self, instance, owner)
def __set__(self, instance, value):
print('__set__', self, instance, value)
def __delete__(self, instance):
print('__delete__', self, instance)
class Test:
x = MyDecriptor()
t = Test()
t.x
# __get__ <__main__.MyDecriptor object at 0x000000CEAAEB6B00> <__main__.Test object at 0x000000CEABDC0898> <class '__main__.Test'>
t.x = 'x-man'
# __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-man
del t.x
# __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>
__get__ <__main__.MyDecriptor object at 0x000002ADD9DB4E20> <__main__.Test object at 0x000002ADD9DB4BE0> <class '__main__.Test'> __set__ <__main__.MyDecriptor object at 0x000002ADD9DB4E20> <__main__.Test object at 0x000002ADD9DB4BE0> x-man __delete__ <__main__.MyDecriptor object at 0x000002ADD9DB4E20> <__main__.Test object at 0x000002ADD9DB4BE0>
定制序列
协议（Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。
容器类型的协议
- 如果说你希望定制的容器是不可变的话，你只需要定义
__len__()和__getitem__()方法。 - 如果你希望定制的容器是可变的话，除了
__len__()和__getitem__()方法，你还需要定义__setitem__()和__delitem__()两个方法。
【例子】编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数。
In [36]:
class CountList:
def __init__(self, *args):
self.values = [x for x in args]
self.count = {}.fromkeys(range(len(self.values)), 0)
def __len__(self):
return len(self.values)
def __getitem__(self, item):
self.count[item] += 1
return self.values[item]
c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1]) # 3
print(c2[2]) # 6
print(c1[1] + c2[1]) # 7
print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
print(c2.count)
# {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}
3
6
7
{0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
{0: 0, 1: 1, 2: 1, 3: 0, 4: 0}
__len__(self)定义当被len()调用时的行为（返回容器中元素的个数）。__getitem__(self, key)定义获取容器中元素的行为，相当于self[key]。__setitem__(self, key, value)定义设置容器中指定元素的行为，相当于self[key] = value。__delitem__(self, key)定义删除容器中指定元素的行为，相当于del self[key]。
【例子】编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。
In [37]:
class CountList:
def __init__(self, *args):
self.values = [x for x in args]
self.count = {}.fromkeys(range(len(self.values)), 0)
def __len__(self):
return len(self.values)
def __getitem__(self, item):
self.count[item] += 1
return self.values[item]
def __setitem__(self, key, value):
self.values[key] = value
def __delitem__(self, key):
del self.values[key]
for i in range(0, len(self.values)):
if i >= key:
self.count[i] = self.count[i + 1]
self.count.pop(len(self.values))
c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1]) # 3
print(c2[2]) # 6
c2[2] = 12
print(c1[1] + c2[2]) # 15
print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
print(c2.count)
# {0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
del c1[1]
print(c1.count)
# {0: 0, 1: 0, 2: 0, 3: 0}
3
6
15
{0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
{0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
{0: 0, 1: 0, 2: 0, 3: 0}
迭代器
- 迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
- 迭代器只能往前不会后退。
- 字符串，列表或元组对象都可用于创建迭代器：
【例子】
In [38]:
string = 'lsgogroup'
for c in string:
print(c)
'''
l
s
g
o
g
r
o
u
p
'''
for c in iter(string):
print(c)
l s g o g r o u p l s g o g r o u p
【例子】
In [39]:
links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}
for each in links:
print('%s -> %s' % (each, links[each]))
'''
B -> 百度
A -> 阿里
T -> 腾讯
'''
for each in iter(links):
print('%s -> %s' % (each, links[each]))
B -> 百度 A -> 阿里 T -> 腾讯 B -> 百度 A -> 阿里 T -> 腾讯
- 迭代器有两个基本的方法：
iter()和next()。 iter(object)函数用来生成迭代器。next(iterator[, default])返回迭代器的下一个项目。iterator-- 可迭代对象default-- 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发StopIteration异常。
【例子】
In [40]:
links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}
it = iter(links)
while True:
try:
each = next(it)
except StopIteration:
break
print(each)
# B
# A
# T
it = iter(links)
print(next(it)) # B
print(next(it)) # A
print(next(it)) # T
print(next(it)) # StopIteration
B A T B A T
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
Input In [40], in <cell line: 19>()
17 print(next(it)) # A
18 print(next(it)) # T
---> 19 print(next(it))
StopIteration:
把一个类作为一个迭代器使用需要在类中实现两个魔法方法 __iter__() 与 __next__() 。
__iter__(self)定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了__next__()方法并通过StopIteration异常标识迭代的完成。__next__()返回下一个迭代器对象。StopIteration异常用于标识迭代的完成，防止出现无限循环的情况，在__next__()方法中我们可以设置在完成指定循环次数后触发StopIteration异常来结束迭代。
【例子】
In [41]:
class Fibs:
def __init__(self, n=10):
self.a = 0
self.b = 1
self.n = n
def __iter__(self):
return self
def __next__(self):
self.a, self.b = self.b, self.a + self.b
if self.a > self.n:
raise StopIteration
return self.a
fibs = Fibs(100)
for each in fibs:
print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89
1 1 2 3 5 8 13 21 34 55 89
4.10 生成器
- 在 Python 中，使用了
yield的函数被称为生成器（generator）。 - 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
- 在调用生成器运行的过程中，每次遇到
yield时函数会暂停并保存当前所有的运行信息，返回yield的值, 并在下一次执行next()方法时从当前位置继续运行。 - 调用一个生成器函数，返回的是一个迭代器对象。
【例子】
In [42]:
def myGen():
print('生成器执行！')
yield 1
yield 2
myG = myGen()
for each in myG:
print(each)
'''
生成器执行！
1
2
'''
myG = myGen()
print(next(myG))
# 生成器执行！
# 1
print(next(myG)) # 2
print(next(myG)) # StopIteration
生成器执行！ 1 2 生成器执行！ 1 2
---------------------------------------------------------------------------
StopIteration Traceback (most recent call last)
Input In [42], in <cell line: 22>()
18 # 生成器执行！
19 # 1
21 print(next(myG)) # 2
---> 22 print(next(myG))
StopIteration:
【例子】用生成器实现斐波那契数列。
In [43]:
def libs(n):
a = 0
b = 1
while True:
a, b = b, a + b
if a > n:
return
yield a
for each in libs(100):
print(each, end=' ')
# 1 1 2 3 5 8 13 21 34 55 89
1 1 2 3 5 8 13 21 34 55 89
5554
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
