__getattr__和__getattribute__魔法函数
- __getattr__是当类调用一个不存在的属性时才会调用getattr魔法函数,他传入的值item就是调用的不存在的值。
- getattribute__则是无条件的优先执行,所以如果不是特殊情况最好不要用__getattribute。
class User(object):
def __init__(self, name, info):
self.name = name
self.info = info
def __getattr__(self, item):
return self.info[item]
ls = User("李四",{"gender":"male"})
print(ls.gender)
属性描述符
属性描述符介绍
属性描述符是一个强大的通用协议。它是properties, methods, static methods, class methods 和super()的调用原理。
属性描述符协议
属性描述符是实现了特定协议的类,只要实现了__get__,__set__和__delete__三个方法中的任意一个,这个类就是描述符,它能实现对多个属性运用相同存取逻辑的一种方式,通俗来说就是:创建一个实例,作为另一个类的类属性。
注意
- 定义一个IntField类为描述符类
- 创建IntField类的实例,作为另一个User类的属性
class IntField(object):
def __set__(self, instance, value):
print("__set__")
def __get__(self, instance, owner):
print("__get__")
def __delete__(self, instance):
print("__delete__")
class User(object):
age = IntField()
ls = User()
ls.age
ls.age = 30
del ls.age
使用属性类型创建描述符
除了使用类当作一个属性描述符,我们之前学习的 property(),就是可以轻松地为任意属性创建可用的描述符。创建 property() 的语法是 property(fget=None, fset=None, fdel=None, doc=None)
描述符查找顺序
- 当为数据描述符时, get__优先级高于__dict
- 当为非数据描述符时,dict__优先级高于__get
元类
类介绍
元类实际上就是创建类的类
实现如下:
- 定义创建类的函数create_class
- 如果给create_class传的参数为user,则创建User类
type()创建元类 - 第一个参数:name表示类名称,字符串类型
- 第二个参数:bases表示继承对象(父类),元组类型,单元素使用逗号
- 第三个参数:attr表示属性,这里可以填写类属性、类方式、静态方法,采用字典格式,key为属性名,value为属性值
def __init__(self, name):
self.name = name
print("i am __init__")
User = type("User", (), {"age":18 , "__init__":__init__})
obj = User("amy")
print(obj.name)
metaclass属性
如果一个类中定义了__metalass__ = xxx,Python就会用元类的方式来创建类,就可以控制类的创建行为
比如,以下代码,再不改变类属性的抒写情况下,将属性名规定为大写访问。
class MyClass(object):
name = "ls"
mc = MyClass()
print(mc.name)
Python迭代器
迭代器指的是迭代取值的工具,迭代是指一个重复的过程,每一次重复都是基于上一次结果而来
迭代提供了一种通用的不依赖索引的迭代取值方式
可迭代对象
可以用for循环遍历的对象都是可迭代对象。
- str,list,tuple,dict,set等都是可迭代对象。
- generator,包括生成器和带yield的生成器函数。
判断是否可迭代
除了看内置是否含有__iter__方法来判断该对象是否是一个可迭代的对象之外,我们还可以使用 isinstance() 判断一个对象是否是 Iterable 对象
- isinstance()–>用来判断对象是否是相应类型,与type()类似。
from collections import Iterable,Iterator
print(isinstance('abc',Iterable)) # True
print(isinstance([1,2,3,4],Iterable)) # True
print(isinstance(123,Iterable)) # False
迭代器对象
- 有内置的__next__()方法的对象,执行该方法可以不依赖索引取值
- 有内置的__next__()方法的对象,执行该方法可以不依赖索引取值
需要注意的是,可迭代对象不一定是迭代器
iter()
可以被next()函数调用并不断返回下一个值的对象称为迭代器:Iterator。
那我们可以通过iter()方法将可迭代的对象,转为迭代器。
li = [1,2,3,4]
lis = iter(li)
print(type(lis)) # <class 'list_iterator'>
注意:
- 迭代器不可以通过下标取值,而是使用__next__()或者next()。但是只要超出范围则直接报错StopIteration。
print(lis[0]) # 报错 not subscriptable
print(lis.__next__())
print(lis.__next__())
print(lis.__next__())
print(lis.__next__())
print(next(lis))
print(next(lis))
print(next(lis))
print(next(lis))
- next()只能顺延调用,不能往前。
可迭代对象与迭代器区别
- 可用于for循环的都是可迭代类型
- 作用于next()都是迭代器类型
- list、dict、str等都是可迭代的但不是迭代器,因为next()函数无法调用它们。可以通过iter()函数将它们转为迭代器
- python的for循环本质就是通过不断调用next()函数实现的
生成器
生成器定义
在Python中,一边循环一边计算的机制,称为生成器:generator。
为什么要有生成器
表所有数据都在内存中,如果有海量数据的话会非常消耗内存。
比如说:我们仅仅需要访问前面几个元素,但后面绝大多元素占用的内存就会浪费了。
那么生成器就是在循环的过程中根据算法不断推算出后续的元素,这样就不用创建整个完整的列表,从而节省大量的空间。
总而言之,就是当我们想要使用庞大数据,又想让它占用的空间少,那就使用生成器。
如何创建生成器
生成器表达式
生成器表达式来源于迭代和列表解析的组合,生成器和列表解析类似,但是它使用()而不是[]。
g = (x for x in range(5))
print(g) # generator object
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
# 超出报错
print(next(g))
for i in g:
print(i)
生成器函数
当一个函数中包含y ield关键字,那么这个函数就不再是一个普通的函数,而是一个generator。调用函数就是创建了一个生成器对象。其工作原理就是通过重复调用next()或者__next__()方法,直到捕获一个异常。
比如:
实现斐波那契数列,除第一个和第二个数外,任何一个数都可以由前两个相加得到:
1,1,2,3,5,8,13,21,34…
···
def createNums():
print("-----func start-----")
a,b = 0,1
for i in range(5):
# print(b)
print("–1--")
yield b
print("–2--")
a,b = b,a+b
print("–3--")
print("-----func end-----")
g = createNums()
print(next(g))
print(next(g))
print(next(g))
print(next(g))
print(next(g))
···
注意:
- yield返回一个值,并且记住这个返回值的位置,下次遇到next()调用时,代码从yield的下一条语句开始执行。与return的差别是,return也是返回一个值,但是直接结束函数。
迭代器与生成器
- 生成器能做到迭代器能做的所有事
- 而且因为生成器自动创建了iter()和next()方法,生成器显得简洁,而且高效。
读取大文件
文件300G,文件比较特殊,一行 分隔符 {|}
···
def readlines(f,newline):
buf = “”
while True:
while newline in buf:
pos = buf.index(newline)
yield buf[:pos]
buf = buf[pos + len(newline):]
chunk = f.read(4096*10)
if not chunk:
yield buf
break
buf += chunk
with open(‘demo.txt’) as f:
for line in readlines(f,"{|}"):
print(line)
···