python 2.7 : 面向对象高级编程
2016-12-28 17:56
751 查看
转载于:http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/001386820058291028118ddeefc4de7860a8e48b9942e9b000
数据封装、继承和多态只是面向对象程序设计中最基础的3个概念。在Python中,面向对象还有很多高级特性,允许我们写出非常强大的功能。
我们会讨论多重继承、定制类、元类等概念。
正常情况下,当我们定义了一个class,创建了一个class的实例后,我们可以给该实例绑定任何属性和方法,这就是动态语言的灵活性。先定义class:
然后,尝试给实例绑定一个属性:
还可以尝试给实例绑定一个方法:
但是,给一个实例绑定的方法,对另一个实例是不起作用的:
为了给所有实例都绑定方法,可以给class绑定方法:
给class绑定方法后,所有实例均可调用:
通常情况下,上面的
但是,如果我们想要限制class的属性怎么办?比如,只允许对Student实例添加
为了达到限制的目的,Python允许在定义class的时候,定义一个特殊的
然后,我们试试:
由于
使用
除非在子类中也定义
在绑定属性时,如果我们直接把属性暴露出去,虽然写起来很简单,但是,没办法检查参数,导致可以把成绩随便改:
这显然不合逻辑。为了限制score的范围,可以通过一个
现在,对任意的Student实例进行操作,就不能随心所欲地设置score了:
但是,上面的调用方法又略显复杂,没有直接用属性这么直接简单。
有没有既能检查参数,又可以用类似属性这样简单的方式来访问类的变量呢?对于追求完美的Python程序员来说,这是必须要做到的!
还记得装饰器(decorator)可以给函数动态加上功能吗?对于类的方法,装饰器一样起作用。Python内置的
注意到这个神奇的
还可以定义只读属性,只定义getter方法,不定义setter方法就是一个只读属性:
上面的
继承是面向对象编程的一个重要的方式,因为通过继承,子类就可以扩展父类的功能。
回忆一下
Dog - 狗狗;
Bat - 蝙蝠;
Parrot - 鹦鹉;
Ostrich - 鸵鸟。
如果按照哺乳动物和鸟类归类,我们可以设计出这样的类的层次:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/03/c18fa0acaf819c7adcbfc045b9289e06)
但是如果按照“能跑”和“能飞”来归类,我们就应该设计出这样的类的层次:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/03/650d9a41fa02235e5a9f3a69a19e4281)
如果要把上面的两种分类都包含进来,我们就得设计更多的层次:
哺乳类:能跑的哺乳类,能飞的哺乳类;
鸟类:能跑的鸟类,能飞的鸟类。
这么一来,类的层次就复杂了:
![](https://oscdn.geek-share.com/Uploads/Images/Content/201909/03/83d257566dc5fd5cec489f0b1136f010)
如果要再增加“宠物类”和“非宠物类”,这么搞下去,类的数量会呈指数增长,很明显这样设计是不行的。
正确的做法是采用多重继承。首先,主要的类层次仍按照哺乳类和鸟类设计:
现在,我们要给动物再加上
对于需要
对于需要
通过多重继承,一个子类就可以同时获得多个父类的所有功能。
在设计类的继承关系时,通常,主线都是单一继承下来的,例如,
为了更好地看出继承关系,我们把
Mixin的目的就是给一个类增加多个功能,这样,在设计类的时候,我们优先考虑通过多重继承来组合多个Mixin的功能,而不是设计多层次的复杂的继承关系。
Python自带的很多库也使用了Mixin。举个例子,Python自带了
比如,编写一个多进程模式的TCP服务,定义如下:
编写一个多线程模式的UDP服务,定义如下:
如果你打算搞一个更先进的协程模型,可以编写一个
这样一来,我们不需要复杂而庞大的继承链,只要选择组合不同的类的功能,就可以快速构造出所需的子类。
由于Python允许使用多重继承,因此,Mixin就是一种常见的设计。
只允许单一继承的语言(如Java)不能使用Mixin的设计。
看到类似
除此之外,Python的class中还有许多这样有特殊用途的函数,可以帮助我们定制类。
我们先定义一个
打印出一堆
怎么才能打印得好看呢?只需要定义好
这样打印出来的实例,不但好看,而且容易看出实例内部重要的数据。
但是细心的朋友会发现直接敲变量不用
这是因为直接显示变量调用的不是
解决办法是再定义一个
如果一个类想被用于
我们以斐波那契数列为例,写一个Fib类,可以作用于for循环:
现在,试试把Fib实例作用于for循环:
Fib实例虽然能作用于for循环,看起来和list有点像,但是,把它当成list来使用还是不行,比如,取第5个元素:
要表现得像list那样按照下标取出元素,需要实现
现在,就可以按下标访问数列的任意一项了:
但是list有个神奇的切片方法:
对于Fib却报错。原因是
现在试试Fib的切片:
但是没有对step参数作处理:
也没有对负数作处理,所以,要正确实现一个
此外,如果把对象看成
与之对应的是
总之,通过上面的方法,我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别,这完全归功于动态语言的“鸭子类型”,不需要强制继承某个接口。
正常情况下,当我们调用类的方法或属性时,如果不存在,就会报错。比如定义
调用
错误信息很清楚地告诉我们,没有找到
要避免这个错误,除了可以加上一个
当调用不存在的属性时,比如
返回函数也是完全可以的:
只是调用方式要变为:
注意,只有在没有找到属性的情况下,才调用
此外,注意到任意调用如
这实际上可以把一个类的所有属性和方法调用全部动态化处理了,不需要任何特殊手段。
这种完全动态调用的特性有什么实际作用呢?作用就是,可以针对完全动态的情况作调用。
举个例子:
现在很多网站都搞REST API,比如新浪微博、豆瓣啥的,调用API的URL类似:
如果要写SDK,给每个URL对应的API都写一个方法,那得累死,而且,API一旦改动,SDK也要改。
利用完全动态的
试试:
这样,无论API怎么变,SDK都可以根据URL实现完全动态的调用,而且,不随API的增加而改变!
还有些REST API会把参数放到URL中,比如GitHub的API:
调用时,需要把
就可以非常方便地调用API了。有兴趣的童鞋可以试试写出来。
一个对象实例可以有自己的属性和方法,当我们调用实例方法时,我们用
任何类,只需要定义一个
调用方式如下:
如果你把对象看成函数,那么函数本身其实也可以在运行期动态创建出来,因为类的实例都是运行期创建出来的,这么一来,我们就模糊了对象和函数的界限。
那么,怎么判断一个变量是对象还是函数呢?其实,更多的时候,我们需要判断一个对象是否能被调用,能被调用的对象就是一个
通过
Python的class允许定义许多定制方法,可以让我们非常方便地生成特定的类。
本节介绍的是最常用的几个定制方法,还有很多可定制的方法,请参考Python的官方文档。
动态语言和静态语言最大的不同,就是函数和类的定义,不是编译时定义的,而是运行时动态创建的。
比方说我们要定义一个
当Python解释器载入
我们说class的定义是运行时动态创建的,而创建class的方法就是使用
要创建一个class对象,
class的名称;
继承的父类集合,注意Python支持多重继承,如果只有一个父类,别忘了tuple的单元素写法;
class的方法名称与函数绑定,这里我们把函数
通过
正常情况下,我们都用
除了使用
metaclass,直译为元类,简单的解释就是:
当我们定义了类以后,就可以根据这个类创建出实例,所以:先定义类,然后创建实例。
但是如果我们想创建出类呢?那就必须根据metaclass创建出类,所以:先定义metaclass,然后创建类。
连接起来就是:先定义metaclass,就可以创建类,最后创建实例。
所以,metaclass允许你创建类或者修改类。换句话说,你可以把类看成是metaclass创建出来的“实例”。
metaclass是Python面向对象里最难理解,也是最难使用的魔术代码。正常情况下,你不会碰到需要使用metaclass的情况,所以,以下内容看不懂也没关系,因为基本上你不会用到。
我们先看一个简单的例子,这个metaclass可以给我们自定义的MyList增加一个
定义
当我们写下
当前准备创建的类的对象;
类的名字;
类继承的父类集合;
类的方法集合。
测试一下
而普通的
动态修改有什么意义?直接在
但是,总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子。
ORM全称“Object Relational Mapping”,即对象-关系映射,就是把关系数据库的一行映射为一个对象,也就是一个类对应一个表,这样,写代码更简单,不用直接操作SQL语句。
要编写一个ORM框架,所有的类都只能动态定义,因为只有使用者才能根据表的结构定义出对应的类来。
让我们来尝试编写一个ORM框架。
编写底层模块的第一步,就是先把调用接口写出来。比如,使用者如果使用这个ORM框架,想定义一个
其中,父类
现在,我们就按上面的接口来实现该ORM。
首先来定义
在
下一步,就是编写最复杂的
以及基类
当用户定义一个
在
排除掉对
在当前类(比如
把表名保存到
在
我们实现了
编写代码试试:
输出如下:
可以看到,
不到100行代码,我们就通过metaclass实现了一个精简的ORM框架,完整的代码从这里下载:
https://github.com/michaelliao/learn-python/blob/master/metaclass/simple_orm.py
最后解释一下类属性和实例属性。直接在class中定义的是类属性:
实例属性必须通过实例来绑定,比如
因此,在编写程序的时候,千万不要把实例属性和类属性使用相同的名字。
在我们编写的ORM中,
面向对象高级编程
数据封装、继承和多态只是面向对象程序设计中最基础的3个概念。在Python中,面向对象还有很多高级特性,允许我们写出非常强大的功能。我们会讨论多重继承、定制类、元类等概念。
使用__slots__
正常情况下,当我们定义了一个class,创建了一个class的实例后,我们可以给该实例绑定任何属性和方法,这就是动态语言的灵活性。先定义class:>>> class Student(object): ... pass ...
然后,尝试给实例绑定一个属性:
>>> s = Student() >>> s.name = 'Michael' # 动态给实例绑定一个属性 >>> print s.name Michael
还可以尝试给实例绑定一个方法:
>>> def set_age(self, age): # 定义一个函数作为实例方法 ... self.age = age ... >>> from types import MethodType >>> s.set_age = MethodType(set_age, s, Student) # 给实例绑定一个方法 >>> s.set_age(25) # 调用实例方法 >>> s.age # 测试结果 25
但是,给一个实例绑定的方法,对另一个实例是不起作用的:
>>> s2 = Student() # 创建新的实例 >>> s2.set_age(25) # 尝试调用方法 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'Student' object has no attribute 'set_age'
为了给所有实例都绑定方法,可以给class绑定方法:
>>> def set_score(self, score): ... self.score = score ... >>> Student.set_score = MethodType(set_score, None, Student)
给class绑定方法后,所有实例均可调用:
>>> s.set_score(100) >>> s.score 100 >>> s2.set_score(99) >>> s2.score 99
通常情况下,上面的
set_score方法可以直接定义在class中,但动态绑定允许我们在程序运行的过程中动态给class加上功能,这在静态语言中很难实现。
使用__slots__
但是,如果我们想要限制class的属性怎么办?比如,只允许对Student实例添加name和
age属性。
为了达到限制的目的,Python允许在定义class的时候,定义一个特殊的
__slots__变量,来限制该class能添加的属性:
>>> class Student(object): ... __slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称 ...
然后,我们试试:
>>> s = Student() # 创建新的实例 >>> s.name = 'Michael' # 绑定属性'name' >>> s.age = 25 # 绑定属性'age' >>> s.score = 99 # 绑定属性'score' Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'Student' object has no attribute 'score'
由于
'score'没有被放到
__slots__中,所以不能绑定
score属性,试图绑定
score将得到AttributeError的错误。
使用
__slots__要注意,
__slots__定义的属性仅对当前类起作用,对继承的子类是不起作用的:
>>> class GraduateStudent(Student): ... pass ... >>> g = GraduateStudent() >>> g.score = 9999
除非在子类中也定义
__slots__,这样,子类允许定义的属性就是自身的
__slots__加上父类的
__slots__。
使用@property
在绑定属性时,如果我们直接把属性暴露出去,虽然写起来很简单,但是,没办法检查参数,导致可以把成绩随便改:s = Student() s.score = 9999
这显然不合逻辑。为了限制score的范围,可以通过一个
set_score()方法来设置成绩,再通过一个
get_score()来获取成绩,这样,在
set_score()方法里,就可以检查参数:
class Student(object): def get_score(self): return self._score def set_score(self, value): if not isinstance(value, int): raise ValueError('score must be an integer!') if value < 0 or value > 100: raise ValueError('score must between 0 ~ 100!') self._score = value
现在,对任意的Student实例进行操作,就不能随心所欲地设置score了:
>>> s = Student() >>> s.set_score(60) # ok! >>> s.get_score() 60 >>> s.set_score(9999) Traceback (most recent call last): ... ValueError: score must between 0 ~ 100!
但是,上面的调用方法又略显复杂,没有直接用属性这么直接简单。
有没有既能检查参数,又可以用类似属性这样简单的方式来访问类的变量呢?对于追求完美的Python程序员来说,这是必须要做到的!
还记得装饰器(decorator)可以给函数动态加上功能吗?对于类的方法,装饰器一样起作用。Python内置的
@property装饰器就是负责把一个方法变成属性调用的:
class Student(object): @property def score(self): return self._score @score.setter def score(self, value): if not isinstance(value, int): raise ValueError('score must be an integer!') if value < 0 or value > 100: raise ValueError('score must between 0 ~ 100!') self._score = value
@property的实现比较复杂,我们先考察如何使用。把一个getter方法变成属性,只需要加上
@property就可以了,此时,
@property本身又创建了另一个装饰器
@score.setter,负责把一个setter方法变成属性赋值,于是,我们就拥有一个可控的属性操作:
>>> s = Student() >>> s.score = 60 # OK,实际转化为s.set_score(60) >>> s.score # OK,实际转化为s.get_score() 60 >>> s.score = 9999 Traceback (most recent call last): ... ValueError: score must between 0 ~ 100!
注意到这个神奇的
@property,我们在对实例属性操作的时候,就知道该属性很可能不是直接暴露的,而是通过getter和setter方法来实现的。
还可以定义只读属性,只定义getter方法,不定义setter方法就是一个只读属性:
class Student(object): @property def birth(self): return self._birth @birth.setter def birth(self, value): self._birth = value @property def age(self): return 2014 - self._birth
上面的
birth是可读写属性,而
age就是一个只读属性,因为
age可以根据
birth和当前时间计算出来。
小结
@property广泛应用在类的定义中,可以让调用者写出简短的代码,同时保证对参数进行必要的检查,这样,程序运行时就减少了出错的可能性。
多重继承
继承是面向对象编程的一个重要的方式,因为通过继承,子类就可以扩展父类的功能。回忆一下
Animal类层次的设计,假设我们要实现以下4种动物:
Dog - 狗狗;
Bat - 蝙蝠;
Parrot - 鹦鹉;
Ostrich - 鸵鸟。
如果按照哺乳动物和鸟类归类,我们可以设计出这样的类的层次:
但是如果按照“能跑”和“能飞”来归类,我们就应该设计出这样的类的层次:
如果要把上面的两种分类都包含进来,我们就得设计更多的层次:
哺乳类:能跑的哺乳类,能飞的哺乳类;
鸟类:能跑的鸟类,能飞的鸟类。
这么一来,类的层次就复杂了:
如果要再增加“宠物类”和“非宠物类”,这么搞下去,类的数量会呈指数增长,很明显这样设计是不行的。
正确的做法是采用多重继承。首先,主要的类层次仍按照哺乳类和鸟类设计:
class Animal(object): pass # 大类: class Mammal(Animal): pass class Bird(Animal): pass # 各种动物: class Dog(Mammal): pass class Bat(Mammal): pass class Parrot(Bird): pass class Ostrich(Bird): pass
现在,我们要给动物再加上
Runnable和
Flyable的功能,只需要先定义好
Runnable和
Flyable的类:
class Runnable(object): def run(self): print('Running...') class Flyable(object): def fly(self): print('Flying...')
对于需要
Runnable功能的动物,就多继承一个
Runnable,例如
Dog:
class Dog(Mammal, Runnable): pass
对于需要
Flyable功能的动物,就多继承一个
Flyable,例如
Bat:
class Bat(Mammal, Flyable): pass
通过多重继承,一个子类就可以同时获得多个父类的所有功能。
Mixin
在设计类的继承关系时,通常,主线都是单一继承下来的,例如,Ostrich继承自
Bird。但是,如果需要“混入”额外的功能,通过多重继承就可以实现,比如,让
Ostrich除了继承自
Bird外,再同时继承
Runnable。这种设计通常称之为Mixin。
为了更好地看出继承关系,我们把
Runnable和
Flyable改为
RunnableMixin和
FlyableMixin。类似的,你还可以定义出肉食动物
CarnivorousMixin和植食动物
HerbivoresMixin,让某个动物同时拥有好几个Mixin:
class Dog(Mammal, RunnableMixin, CarnivorousMixin): pass
Mixin的目的就是给一个类增加多个功能,这样,在设计类的时候,我们优先考虑通过多重继承来组合多个Mixin的功能,而不是设计多层次的复杂的继承关系。
Python自带的很多库也使用了Mixin。举个例子,Python自带了
TCPServer和
UDPServer这两类网络服务,而要同时服务多个用户就必须使用多进程或多线程模型,这两种模型由
ForkingMixin和
ThreadingMixin提供。通过组合,我们就可以创造出合适的服务来。
比如,编写一个多进程模式的TCP服务,定义如下:
class MyTCPServer(TCPServer, ForkingMixin): pass
编写一个多线程模式的UDP服务,定义如下:
class MyUDPServer(UDPServer, ThreadingMixin): pass
如果你打算搞一个更先进的协程模型,可以编写一个
CoroutineMixin:
class MyTCPServer(TCPServer, CoroutineMixin): pass
这样一来,我们不需要复杂而庞大的继承链,只要选择组合不同的类的功能,就可以快速构造出所需的子类。
小结
由于Python允许使用多重继承,因此,Mixin就是一种常见的设计。只允许单一继承的语言(如Java)不能使用Mixin的设计。
定制类
看到类似__slots__这种形如
__xxx__的变量或者函数名就要注意,这些在Python中是有特殊用途的。
__slots__我们已经知道怎么用了,
__len__()方法我们也知道是为了能让class作用于
len()函数。
除此之外,Python的class中还有许多这样有特殊用途的函数,可以帮助我们定制类。
__str__
我们先定义一个Student类,打印一个实例:
>>> class Student(object): ... def __init__(self, name): ... self.name = name ... >>> print Student('Michael') <__main__.Student object at 0x109afb190>
打印出一堆
<__main__.Student object at 0x109afb190>,不好看。
怎么才能打印得好看呢?只需要定义好
__str__()方法,返回一个好看的字符串就可以了:
>>> class Student(object): ... def __init__(self, name): ... self.name = name ... def __str__(self): ... return 'Student object (name: %s)' % self.name ... >>> print Student('Michael') Student object (name: Michael)
这样打印出来的实例,不但好看,而且容易看出实例内部重要的数据。
但是细心的朋友会发现直接敲变量不用
>>> s = Student('Michael') >>> s <__main__.Student object at 0x109afb310>
这是因为直接显示变量调用的不是
__str__(),而是
__repr__(),两者的区别是
__str__()返回用户看到的字符串,而
__repr__()返回程序开发者看到的字符串,也就是说,
__repr__()是为调试服务的。
解决办法是再定义一个
__repr__()。但是通常
__str__()和
__repr__()代码都是一样的,所以,有个偷懒的写法:
class Student(object): def __init__(self, name): self.name = name def __str__(self): return 'Student object (name=%s)' % self.name __repr__ = __str__
__iter__
如果一个类想被用于for ... in循环,类似list或tuple那样,就必须实现一个
__iter__()方法,该方法返回一个迭代对象,然后,Python的for循环就会不断调用该迭代对象的
next()方法拿到循环的下一个值,直到遇到StopIteration错误时退出循环。
我们以斐波那契数列为例,写一个Fib类,可以作用于for循环:
class Fib(object): def __init__(self): self.a, self.b = 0, 1 # 初始化两个计数器a,b def __iter__(self): return self # 实例本身就是迭代对象,故返回自己 def next(self): self.a, self.b = self.b, self.a + self.b # 计算下一个值 if self.a > 100000: # 退出循环的条件 raise StopIteration(); return self.a # 返回下一个值
现在,试试把Fib实例作用于for循环:
>>> for n in Fib(): ... print n ... 1 1 2 3 5 ... 46368 75025
__getitem__
Fib实例虽然能作用于for循环,看起来和list有点像,但是,把它当成list来使用还是不行,比如,取第5个元素:>>> Fib()[5] Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'Fib' object does not support indexing
要表现得像list那样按照下标取出元素,需要实现
__getitem__()方法:
class Fib(object): def __getitem__(self, n): a, b = 1, 1 for x in range(n): a, b = b, a + b return a
现在,就可以按下标访问数列的任意一项了:
>>> f = Fib() >>> f[0] 1 >>> f[1] 1 >>> f[2] 2 >>> f[3] 3 >>> f[10] 89 >>> f[100] 573147844013817084101
但是list有个神奇的切片方法:
>>> range(100)[5:10] [5, 6, 7, 8, 9]
对于Fib却报错。原因是
__getitem__()传入的参数可能是一个int,也可能是一个切片对象
slice,所以要做判断:
class Fib(object): def __getitem__(self, n): if isinstance(n, int): a, b = 1, 1 for x in range(n): a, b = b, a + b return a if isinstance(n, slice): start = n.start stop = n.stop a, b = 1, 1 L = [] for x in range(stop): if x >= start: L.append(a) a, b = b, a + b return L
现在试试Fib的切片:
>>> f = Fib() >>> f[0:5] [1, 1, 2, 3, 5] >>> f[:10] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
但是没有对step参数作处理:
>>> f[:10:2] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
也没有对负数作处理,所以,要正确实现一个
__getitem__()还是有很多工作要做的。
此外,如果把对象看成
dict,
__getitem__()的参数也可能是一个可以作key的object,例如
str。
与之对应的是
__setitem__()方法,把对象视作list或dict来对集合赋值。最后,还有一个
__delitem__()方法,用于删除某个元素。
总之,通过上面的方法,我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别,这完全归功于动态语言的“鸭子类型”,不需要强制继承某个接口。
__getattr__
正常情况下,当我们调用类的方法或属性时,如果不存在,就会报错。比如定义Student类:
class Student(object): def __init__(self): self.name = 'Michael'
调用
name属性,没问题,但是,调用不存在的
score属性,就有问题了:
>>> s = Student() >>> print s.name Michael >>> print s.score Traceback (most recent call last): ... AttributeError: 'Student' object has no attribute 'score'
错误信息很清楚地告诉我们,没有找到
score这个attribute。
要避免这个错误,除了可以加上一个
score属性外,Python还有另一个机制,那就是写一个
__getattr__()方法,动态返回一个属性。修改如下:
class Student(object): def __init__(self): self.name = 'Michael'
def __getattr__(self, attr):
if attr=='score':
return 99
当调用不存在的属性时,比如
score,Python解释器会试图调用
__getattr__(self, 'score')来尝试获得属性,这样,我们就有机会返回
score的值:
>>> s = Student() >>> s.name 'Michael' >>> s.score 99
返回函数也是完全可以的:
class Student(object): def __getattr__(self, attr): if attr=='age': return lambda: 25
只是调用方式要变为:
>>> s.age() 25
注意,只有在没有找到属性的情况下,才调用
__getattr__,已有的属性,比如
name,不会在
__getattr__中查找。
此外,注意到任意调用如
s.abc都会返回
None,这是因为我们定义的
__getattr__默认返回就是
None。要让class只响应特定的几个属性,我们就要按照约定,抛出
AttributeError的错误:
class Student(object): def __getattr__(self, attr): if attr=='age': return lambda: 25raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr)
这实际上可以把一个类的所有属性和方法调用全部动态化处理了,不需要任何特殊手段。
这种完全动态调用的特性有什么实际作用呢?作用就是,可以针对完全动态的情况作调用。
举个例子:
现在很多网站都搞REST API,比如新浪微博、豆瓣啥的,调用API的URL类似:
http://api.server/user/friends http://api.server/user/timeline/list
如果要写SDK,给每个URL对应的API都写一个方法,那得累死,而且,API一旦改动,SDK也要改。
利用完全动态的
__getattr__,我们可以写出一个链式调用:
class Chain(object): def __init__(self, path=''): self._path = path def __getattr__(self, path): return Chain('%s/%s' % (self._path, path)) def __str__(self): return self._path
试试:
>>> Chain().status.user.timeline.list '/status/user/timeline/list'
这样,无论API怎么变,SDK都可以根据URL实现完全动态的调用,而且,不随API的增加而改变!
还有些REST API会把参数放到URL中,比如GitHub的API:
GET /users/:user/repos
调用时,需要把
:user替换为实际用户名。如果我们能写出这样的链式调用:
Chain().users('michael').repos
就可以非常方便地调用API了。有兴趣的童鞋可以试试写出来。
__call__
一个对象实例可以有自己的属性和方法,当我们调用实例方法时,我们用instance.method()来调用。能不能直接在实例本身上调用呢?类似
instance()?在Python中,答案是肯定的。
任何类,只需要定义一个
__call__()方法,就可以直接对实例进行调用。请看示例:
class Student(object): def __init__(self, name): self.name = name def __call__(self): print('My name is %s.' % self.name)
调用方式如下:
>>> s = Student('Michael') >>> s() My name is Michael.
__call__()还可以定义参数。对实例进行直接调用就好比对一个函数进行调用一样,所以你完全可以把对象看成函数,把函数看成对象,因为这两者之间本来就没啥根本的区别。
如果你把对象看成函数,那么函数本身其实也可以在运行期动态创建出来,因为类的实例都是运行期创建出来的,这么一来,我们就模糊了对象和函数的界限。
那么,怎么判断一个变量是对象还是函数呢?其实,更多的时候,我们需要判断一个对象是否能被调用,能被调用的对象就是一个
Callable对象,比如函数和我们上面定义的带有
__call()__的类实例:
>>> callable(Student()) True >>> callable(max) True >>> callable([1, 2, 3]) False >>> callable(None) False >>> callable('string') False
通过
callable()函数,我们就可以判断一个对象是否是“可调用”对象。
小结
Python的class允许定义许多定制方法,可以让我们非常方便地生成特定的类。本节介绍的是最常用的几个定制方法,还有很多可定制的方法,请参考Python的官方文档。
使用元类
type()
动态语言和静态语言最大的不同,就是函数和类的定义,不是编译时定义的,而是运行时动态创建的。比方说我们要定义一个
Hello的class,就写一个
hello.py模块:
class Hello(object): def hello(self, name='world'): print('Hello, %s.' % name)
当Python解释器载入
hello模块时,就会依次执行该模块的所有语句,执行结果就是动态创建出一个
Hello的class对象,测试如下:
>>> from hello import Hello >>> h = Hello() >>> h.hello() Hello, world. >>> print(type(Hello)) <type 'type'> >>> print(type(h)) <class 'hello.Hello'>
type()函数可以查看一个类型或变量的类型,
Hello是一个class,它的类型就是
type,而
h是一个实例,它的类型就是class
Hello。
我们说class的定义是运行时动态创建的,而创建class的方法就是使用
type()函数。
type()函数既可以返回一个对象的类型,又可以创建出新的类型,比如,我们可以通过
type()函数创建出
Hello类,而无需通过
classHello(object)...的定义:
>>> def fn(self, name='world'): # 先定义函数
... print('Hello, %s.' % name)
...
>>> Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class
>>> h = Hello()
>>> h.hello()Hello, world.
>>> print(type(Hello))
<type 'type'>
>>> print(type(h))
<class '__main__.Hello'>
要创建一个class对象,
type()函数依次传入3个参数:
class的名称;
继承的父类集合,注意Python支持多重继承,如果只有一个父类,别忘了tuple的单元素写法;
class的方法名称与函数绑定,这里我们把函数
fn绑定到方法名
hello上。
通过
type()函数创建的类和直接写class是完全一样的,因为Python解释器遇到class定义时,仅仅是扫描一下class定义的语法,然后调用
type()函数创建出class。
正常情况下,我们都用
class Xxx...来定义类,但是,
type()函数也允许我们动态创建出类来,也就是说,动态语言本身支持运行期动态创建类,这和静态语言有非常大的不同,要在静态语言运行期创建类,必须构造源代码字符串再调用编译器,或者借助一些工具生成字节码实现,本质上都是动态编译,会非常复杂。
metaclass
除了使用type()动态创建类以外,要控制类的创建行为,还可以使用metaclass。
metaclass,直译为元类,简单的解释就是:
当我们定义了类以后,就可以根据这个类创建出实例,所以:先定义类,然后创建实例。
但是如果我们想创建出类呢?那就必须根据metaclass创建出类,所以:先定义metaclass,然后创建类。
连接起来就是:先定义metaclass,就可以创建类,最后创建实例。
所以,metaclass允许你创建类或者修改类。换句话说,你可以把类看成是metaclass创建出来的“实例”。
metaclass是Python面向对象里最难理解,也是最难使用的魔术代码。正常情况下,你不会碰到需要使用metaclass的情况,所以,以下内容看不懂也没关系,因为基本上你不会用到。
我们先看一个简单的例子,这个metaclass可以给我们自定义的MyList增加一个
add方法:
定义
ListMetaclass,按照默认习惯,metaclass的类名总是以Metaclass结尾,以便清楚地表示这是一个metaclass:
# metaclass是创建类,所以必须从`type`类型派生: class ListMetaclass(type): def __new__(cls, name, bases, attrs): attrs['add'] = lambda self, value: self.append(value) return type.__new__(cls, name, bases, attrs) class MyList(list): __metaclass__ = ListMetaclass # 指示使用ListMetaclass来定制类
当我们写下
__metaclass__ = ListMetaclass语句时,魔术就生效了,它指示Python解释器在创建
MyList时,要通过
ListMetaclass.__new__()来创建,在此,我们可以修改类的定义,比如,加上新的方法,然后,返回修改后的定义。
__new__()方法接收到的参数依次是:
当前准备创建的类的对象;
类的名字;
类继承的父类集合;
类的方法集合。
测试一下
MyList是否可以调用
add()方法:
>>> L = MyList() >>> L.add(1) >>> L [1]
而普通的
list没有
add()方法:
>>> l = list() >>> l.add(1) Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'list' object has no attribute 'add'
动态修改有什么意义?直接在
MyList定义中写上
add()方法不是更简单吗?正常情况下,确实应该直接写,通过metaclass修改纯属变态。
但是,总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子。
ORM全称“Object Relational Mapping”,即对象-关系映射,就是把关系数据库的一行映射为一个对象,也就是一个类对应一个表,这样,写代码更简单,不用直接操作SQL语句。
要编写一个ORM框架,所有的类都只能动态定义,因为只有使用者才能根据表的结构定义出对应的类来。
让我们来尝试编写一个ORM框架。
编写底层模块的第一步,就是先把调用接口写出来。比如,使用者如果使用这个ORM框架,想定义一个
User类来操作对应的数据库表
User,我们期待他写出这样的代码:
class User(Model): # 定义类的属性到列的映射: id = IntegerField('id') name = StringField('username') email = StringField('email') password = StringField('password') # 创建一个实例: u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd') # 保存到数据库: u.save()
其中,父类
Model和属性类型
StringField、
IntegerField是由ORM框架提供的,剩下的魔术方法比如
save()全部由metaclass自动完成。虽然metaclass的编写会比较复杂,但ORM的使用者用起来却异常简单。
现在,我们就按上面的接口来实现该ORM。
首先来定义
Field类,它负责保存数据库表的字段名和字段类型:
class Field(object): def __init__(self, name, column_type): self.name = name self.column_type = column_type def __str__(self): return '<%s:%s>' % (self.__class__.__name__, self.name)
在
Field的基础上,进一步定义各种类型的
Field,比如
StringField,
IntegerField等等:
class StringField(Field): def __init__(self, name): super(StringField, self).__init__(name, 'varchar(100)') class IntegerField(Field): def __init__(self, name): super(IntegerField, self).__init__(name, 'bigint')
下一步,就是编写最复杂的
ModelMetaclass了:
class ModelMetaclass(type): def __new__(cls, name, bases, attrs): if name=='Model': return type.__new__(cls, name, bases, attrs) mappings = dict() for k, v in attrs.iteritems(): if isinstance(v, Field): print('Found mapping: %s==>%s' % (k, v)) mappings[k] = v for k in mappings.iterkeys(): attrs.pop(k) attrs['__table__'] = name # 假设表名和类名一致 attrs['__mappings__'] = mappings # 保存属性和列的映射关系 return type.__new__(cls, name, bases, attrs)
以及基类
Model:
class Model(dict): __metaclass__ = ModelMetaclass def __init__(self, **kw): super(Model, self).__init__(**kw) def __getattr__(self, key): try: return self[key] except KeyError: raise AttributeError(r"'Model' object has no attribute '%s'" % key) def __setattr__(self, key, value): self[key] = value def save(self): fields = [] params = [] args = [] for k, v in self.__mappings__.iteritems(): fields.append(v.name) params.append('?') args.append(getattr(self, k, None)) sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params)) print('SQL: %s' % sql) print('ARGS: %s' % str(args))
当用户定义一个
class User(Model)时,Python解释器首先在当前类
User的定义中查找
__metaclass__,如果没有找到,就继续在父类
Model中查找
__metaclass__,找到了,就使用
Model中定义的
__metaclass__的
ModelMetaclass来创建
User类,也就是说,metaclass可以隐式地继承到子类,但子类自己却感觉不到。
在
ModelMetaclass中,一共做了几件事情:
排除掉对
Model类的修改;
在当前类(比如
User)中查找定义的类的所有属性,如果找到一个Field属性,就把它保存到一个
__mappings__的dict中,同时从类属性中删除该Field属性,否则,容易造成运行时错误;
把表名保存到
__table__中,这里简化为表名默认为类名。
在
Model类中,就可以定义各种操作数据库的方法,比如
save(),
delete(),
find(),
update等等。
我们实现了
save()方法,把一个实例保存到数据库中。因为有表名,属性到字段的映射和属性值的集合,就可以构造出
INSERT语句。
编写代码试试:
u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd') u.save()
输出如下:
Found model: User Found mapping: email ==> <StringField:email> Found mapping: password ==> <StringField:password> Found mapping: id ==> <IntegerField:uid> Found mapping: name ==> <StringField:username> SQL: insert into User (password,email,username,uid) values (?,?,?,?) ARGS: ['my-pwd', 'test@orm.org', 'Michael', 12345]
可以看到,
save()方法已经打印出了可执行的SQL语句,以及参数列表,只需要真正连接到数据库,执行该SQL语句,就可以完成真正的功能。
不到100行代码,我们就通过metaclass实现了一个精简的ORM框架,完整的代码从这里下载:
https://github.com/michaelliao/learn-python/blob/master/metaclass/simple_orm.py
最后解释一下类属性和实例属性。直接在class中定义的是类属性:
class Student(object): name = 'Student'
实例属性必须通过实例来绑定,比如
self.name = 'xxx'。来测试一下:
>>> # 创建实例s: >>> s = Student() >>> # 打印name属性,因为实例并没有name属性,所以会继续查找class的name属性: >>> print(s.name) Student >>> # 这和调用Student.name是一样的: >>> print(Student.name) Student >>> # 给实例绑定name属性: >>> s.name = 'Michael' >>> # 由于实例属性优先级比类属性高,因此,它会屏蔽掉类的name属性: >>> print(s.name) Michael >>> # 但是类属性并未消失,用Student.name仍然可以访问: >>> print(Student.name) Student >>> # 如果删除实例的name属性: >>> del s.name >>> # 再次调用s.name,由于实例的name属性没有找到,类的name属性就显示出来了: >>> print(s.name) Student
因此,在编写程序的时候,千万不要把实例属性和类属性使用相同的名字。
在我们编写的ORM中,
ModelMetaclass会删除掉User类的所有类属性,目的就是避免造成混淆。
相关文章推荐
- python2.7学习笔记(10) ——面向对象高级编程
- python 面向对象高级编程
- python面向对象高级编程
- python面向对象高级编程
- Python面向对象高级编程——学习笔记
- Python3 基础:面向对象高级编程(上)
- 廖雪峰Python教程 学习笔记11 面向对象高级编程
- python 面向对象高级编程
- 【Python】学习笔记——-8.2、面向对象高级编程:2.使用@property
- Python学习--11 面向对象高级编程
- Python 面向对象高级编程――使用@property
- Python 面向对象高级编程――使用__slots__
- 【Python】[面向对象高级编程] 使用__slots__,使用@property
- 【Python】学习笔记——-8.3、面向对象高级编程:3.多重继承
- Python 面向对象高级编程――使用枚举和元类
- python学习笔记(七) - 面向对象高级编程
- Python学习----面向对象高级编程
- 【Python】学习笔记——-8.4、面向对象高级编程:4.定制类
- Python 面向对象高级编程――定制类
- Python3 基础:面向对象高级编程(中)