<dl id="3wz6h"></dl><li id="3wz6h"></li>

      1. <dl id="3wz6h"></dl>

      2. <dl id="3wz6h"><ins id="3wz6h"></ins></dl>

            <dl id="3wz6h"></dl>

            <dl id="3wz6h"><ins id="3wz6h"></ins></dl>
            1. 
              
              <output id="3wz6h"><ins id="3wz6h"><nobr id="3wz6h"></nobr></ins></output>

              <li id="3wz6h"><ins id="3wz6h"></ins></li>
              
              

            2. <output id="3wz6h"><ins id="3wz6h"><nobr id="3wz6h"></nobr></ins></output>
              首頁»Python»改善 Python 程序的 91 個建議(三)

              改善 Python 程序的 91 個建議(三)

              來源:馭風者 發布時間:2017-05-17 閱讀次數:

              第 4 章 庫

              建議 41:使用 argparse 處理命令行參數

              Python 標準庫中有幾種關于處理命令行的方案:getopt、optparse、argparse。

              現階段最好用的參數處理是argparse:

              import argparse
              parse = argparse.ArgumentParser()
              parse.add_argument('-o', '--output')
              parse.add_argument('-v', dest='verbose', action='store_true')
              args = parser.parse_args()
              

              關于命令行參數,我記得有個第三方庫超好用,好久貼個教程出來。

              建議 42:使用 pandas 處理大型 CSV 文件

              CSV 作為一種逗號分隔型值的純文本格式文件,常用于數據庫數據的導入導出,數據分析中記錄的存儲。Python 中的 csv 模塊提供了對 CSV 的支持。

              列出一些常用的 API:

              reader(csvfile[, dialect='excel'][, fmtparam])  # 讀取一個 csv 文件,返回一個 reader 對象
              csv.writer(csvfile, dialect='excel', **fmtparams) # 寫入 csv 文件
              csv.DictWriter(csvfile, fieldnames, restval='', extrasaction='raise', dialect='excel')
              

              當然,處理 CSV 還有更好的選擇,那就是大名鼎鼎的 Pandas,它提供兩種基本的數據結構:Series 和 DataFrame。這里有個 Pandas 的教程,值得一看。

              建議 43:一般情況下使用 ElementTree 解析 XML

              給一個較好的學習教程,下面直接看例子吧:

              count = 0
              for event, elem in ET.iterparse('test.xml'):
                  if event == 'end':
                      if elem.tag == 'userid':
                          count += 1
                  elem.clear()
              print(count)
              

              建議 44:理解模塊 pickle 優劣

              pickle 是較為通用的序列化模塊,其中兩個主要的函數dump()和load()分別用來進行對象的序列化和反序列化:

              • pickle.dump(obj, file[, protocol])

              • load(file)

              In [1]: import pickle
              In [2]: data = {'name': 'Python', 'type': 'Language', 'version': '3.5.2'}
              In [3]: with open('pickle.dat', 'wb') as fp:
                 ...:     pickle.dump(data, fp)
                 ...:     
              In [4]: with open('pickle.dat', 'rb') as fp:
                 ...:     out = pickle.load(fp)
                 ...:     print(out)
                 ...:     
              {'version': '3.5.2', 'name': 'Python', 'type': 'Language'}
              

              它還有個C語言的實現 cPickle,性能較好。但 pickle 限制較多:比如不能保證原子性操作,存在安全問題,跨語言兼容性不好等。

              建議 45:序列化的另一個不錯的選擇 JSON

              這個應該不用多做介紹了吧,書中講得比較淺,又來放鏈接(逃...

              建議 46:使用 traceback 獲取棧信息

              當發生異常,開發人員往往需要看到現場信息,trackback 模塊可以滿足這個需求,先列幾個常用的:

              traceback.print_exc()   # 打印錯誤類型、值和具體的trace信息
              traceback.print_exception(type, value, traceback[, limit[, file]])  # 前三個參數的值可以從sys.exc_info()
              raceback.print_exc([limit[, file]])         # 同上,不需要傳入那么多參數
              traceback.format_exc([limit])               # 同 print_exc(),返回的是字符串
              traceback.extract_stack([file, [, limit]])  # 從當前棧中提取 trace 信息
              

              traceback 模塊獲取異常相關的數據是通過sys.exc_info()得到的,該函數返回異常類型type、異常value、調用和堆棧信息traceback組成的元組。

              同時 inspect 模塊也提供了獲取 traceback 對象的接口。

              建議 47:使用 logging 記錄日志信息

              僅僅將信息輸出到控制臺是遠遠不夠的,更為常見的是使用日志保存程序運行過程中的相關信息,如運行時間、描述信息以及錯誤或者異常發生時候的特定上下文信息。Python 提供 logging 模塊提供了日志功能,將日志分為 5 個級別:

              Level使用情形DEBUG詳細的信息,在追蹤問題的時候使用INFO正常的信息WARNING一些不可預見的問題發生,或者將要發生,如磁盤空間低等,但不影響程序的運行ERROR由于某些嚴重的問題,程序中的一些功能受到影響CRITICAL嚴重的錯誤,或者程序本身不能夠繼續運行

              之前完成過一個個人博客,總算對日志消息有了一定的了解。總的來說,日志消息是給程序員看的,在開發中,我們需要看到程序運行時的方方面面的情況,這時候給日志分級就派上用場,其實日志消息是由我們來決定它屬于哪一種類型。

              logging.basicConfig([**kwargs]) 提供對日志系統的基本配置:

              格式描述filename指定 FileHandler 的文件名,而不是默認的 StreamHandlerfilemode打開文件的模式,同 open 函數中的同名參數,默認為 'a'format輸出格式字符串datefmt日期格式level設置根 logger 的日志級別stream指定 StreamHandler。這個參數若與 filename 沖突,忽略 stream

              下面結合 traceback 和 logging 來記錄程序運行過程中的異常:

              import traceback
              import sys
              import logging
              gList = ["a", "b", "c", "d", "e", "f", "g"]
              logging.basicConfig( # 配置日志的輸出方式及格式
                  level = logging.DEBUG,
                  filename = "log.txt",
                  filemode = "w",
                  format = "%(asctime)s %(filename)s[line:%(lineno)d] %(levelname)s % (message)s",
              )
              
              def f():
                  gList[5]
                  logging.info("[INFO]:calling method g() in f()")    # 記錄正常的信息
                  return g()
              
              def g():
                  logging.info("[INFO]:calling method h() in g()")
                  return h()
              
              def h():
                  logging.info("[INFO]:Delete element in gList in h()")
                  del gList[2]
                  logging.info("[INFO]:calling method i() in h()")
                  return i()
              
              def i():
                  logging.info("[INFO]:Append element i to gList in i()")
                  gList.append("i")
                  print(gList[7])
              
              if __name__ == "__main__":
                  logging.debug("Information during calling f():")
                  try:
                      f()
                  except IndexError as ex:
                      print("Sorry, Exception occured, you accessed an element out of range")
                      # traceback.print_exc()
                      ty, tv, tb = sys.exc_info()
                      logging.error("[ERROR]: Sorry, Exception occured, you accessed an element out of range")    # 記錄異常錯誤消息
                      logging.critical("object info:%s" % ex)
                      logging.critical("Error Type:{0}, Error Information:{1}".format(ty, tv))    # 記錄異常的類型和對應的值
                      logging.critical("".join(traceback.format_tb(tb)))    # 記錄具體的 trace 信息
                      sys.exit(1)
              

              logging 模塊讓我們可以很方便地控制日志信息,如loggging.disable()傳入一個日志級別會禁用該級別或比級別更低的日志消息,默認是全部禁用。大致我們常用的日志記錄就這些了。

              建議 48:使用 threading 模塊編寫多線程程序

              之前學習廖老師的 Python3 教程的時候,關于線程有句話記得特別清楚:

              多線程的并發在Python中就是一個美麗的夢。

              由于 GIL 的存在,讓 Python 多線程編程在多核處理器中無法發揮優勢,但在一些使用場景下使用多線程仍然比較好,如等待外部資源返回,或建立反應靈活的用戶界面,或多用戶程序等。

              Python3 提供了兩個模塊:_thread和threading。_thread提供了底層的多線程支持,使用比較復雜,下面我們重點說說threading。

              Python 多線程支持用兩種方式來創建線程:一種通過繼承 Thread 類,重寫它的run()方法;另一種是創建一個 threading.Thread 對象,在它的初始化函數__init__()中將可調用對象作為參數傳入。

              threading模塊中不僅有 Lock 指令鎖,RLock 可重入指令鎖,還支持條件變量 Condition、信號量 Semaphore、BoundedSemaphore 以及 Event 事件等。

              下面有一個比較經典的例子來理解多線程:

              import threading
              from time import ctime,sleep
              
              def music(func):
                  for i in range(2):
                      print("I was listening to %s. %s" % (func,ctime()))
                      sleep(1)    # 程序休眠 1 秒
              
              def move(func):
                  for i in range(2):
                      print("I was at the %s! %s" % (func,ctime()))
                      sleep(5)
              
              threads = []
              t1 = threading.Thread(target=music,args=('愛情買賣',))
              threads.append(t1)
              t2 = threading.Thread(target=move,args=('阿凡達',))
              threads.append(t2)
              
              if __name__ == '__main__':
                  for t in threads:
                      t.setDaemon(True)   # 聲明線程為守護線程
                      t.start()
                  #3
                  print("all over %s" % ctime())
              

              以下是運行結果:

              I was listening to 愛情買賣. Tue Apr  4 17:57:02 2017
              I was at the 阿凡達! Tue Apr  4 17:57:02 2017
              all over Tue Apr  4 17:57:02 2017
              

              分析:threading 模塊支持線程守護,我們可以通過setDaemon()來設置線程的daemon屬性,當其屬性為True時,表明主線程的退出可以不用等待子線程完成,反之,daemon屬性為False時所有的非守護線程結束后主線程才會結束,那運行結果為:

              I was listening to 愛情買賣. Tue Apr  4 18:05:26 2017
              I was at the 阿凡達! Tue Apr  4 18:05:26 2017
              all over Tue Apr  4 18:05:26 2017
              I was listening to 愛情買賣. Tue Apr  4 18:05:27 2017
              I was at the 阿凡達! Tue Apr  4 18:05:31 2017
              

              繼續修改代碼,當我們在#3處加入t.join(),此方法能夠阻塞當前上下文環境,直到調用該方法的線程終止或到達指定的 timeout,此時在運行程序:

              I was listening to 愛情買賣. Tue Apr  4 18:08:15 2017
              I was at the 阿凡達! Tue Apr  4 18:08:15 2017
              I was listening to 愛情買賣. Tue Apr  4 18:08:16 2017
              I was at the 阿凡達! Tue Apr  4 18:08:20 2017
              all over Tue Apr  4 18:08:25 2017
              

              當我們把music函數的休眠時間改為 4 秒,再次運行程序:

              I was listening to 愛情買賣. Tue Apr  4 18:11:16 2017
              I was at the 阿凡達! Tue Apr  4 18:11:16 2017
              I was listening to 愛情買賣. Tue Apr  4 18:11:20 2017
              I was at the 阿凡達! Tue Apr  4 18:11:21 2017
              all over Tue Apr  4 18:11:26 2017
              

              此時我們就可以發現多線程的威力了,music雖然增加了 3 秒,然而總的運行時間仍然為 10 秒。

              建議 49:使用 Queue 使多線程編程更加安全

              線程間的同步和互斥,線程間數據的共享等這些都是涉及線程安全要考慮的問題。縱然 Python 中提供了眾多的同步和互斥機制,如 mutex、condition、event 等,但同步和互斥本身就不是一個容易的話題,稍有不慎就會陷入死鎖狀態或者威脅線程安全。

              如何保證線程安全呢?我們先來看看 Python 中的 Queue 模塊:

              • Queue.Queue(maxsize):先進先出,maxsize 為隊列大小,其值為非正數的時候為無限循環隊列

              • Queue.LifoQueue(maxsize):后進先出,相當于棧

              • Queue.PriorityQueue(maxsize):優先級隊列

              以上隊列所支持的方法:

              • Queue.qsize():返回近似的隊列大小。當該值 > 0 的時候并不保證并發執行的時候 get() 方法不被阻塞,同樣,對于 put() 方法有效。

              • Queue.empty():隊列為空的時候返回 True,否則返回 False

              • Queue.full():當設定了隊列大小的情況下,如果隊列滿則返回 True,否則返回 False

              • Queue.put(item[, block[, timeout]]):往隊列中添加元素 item,block 設置為 False 的時候,如果隊列滿則拋出 Full 異常。如果 block 設置為 True,timeout 為 None 的時候則會一直等待直到有空位置,否則會根據 timeout 的設定超時后拋出 Full 異常

              • Queue.put_nowait(item):等于 put(item, False).block 設置為 False 的時候,如果隊列空則拋出 Empty 異常。如果 block 設置為 True、timeout 為 None 的時候則會一直等到有元素可用,否則會根據 timeout 的設定超時后拋出 Empty 異常

              • Queue.get([block[, timeout]]):從隊列中刪除元素并返回該元素的值

              • Queue.get_nowait():等價于 get(False)

              • Queue.task_done():發送信號表明入列任務已經完成,經常在消費者線程中用到

              • Queue.join():阻塞直至隊列中所有的元素處理完畢

              首先 Queue 中的隊列和 collections.deque 所表示的隊列并不一樣,前者用于不同線程之間的通信,內部實現了線程的鎖機制,后者是數據結構上的概念,支持 in 方法。

              Queue 模塊實現了多個生產者多個消費者的隊列,當多線程之間需要信息安全的交換的時候特別有用,因此這個模塊實現了所需要的鎖原語,為 Python 多線程編程提供了有力的支持,它是線程安全的。

              先來看一個簡單的例子:

              import os
              import Queue
              import threading
              import urllib2
              
              class DownloadThread(threading.Thead):
              
                  def __init__(self, queue):
                      threading.Thread.__init__(self)
                      self.queue = queue
              
                  def run(self):
                      while True:
                          url = self.queue.get()
                          print('{0} begin download {1}...'.format(self.name, url))
                          self.download_file(url)
                          self.queque.task_done()
                          print('{0} download completed!!!'.format(self.name))
              
                  def download_file(self, url):
                      urlhandler = urllib2.urlopen(url)
                      fname = os.path.basename(url) + '.html'
                      with open(fname, 'wb') as f:
                          while True:
                              chunk = urlhandler.read(1024)
                              if not chunk: break
                              f.write(chunk)
              
              if __name__ == '__main__':
                  urls = ['http://wiki.python.org/moin/WebProgramming',
                          'https://www.createspace.com/3611970',
                          'http://wiki.python.org/moin/Documentation'
                  ]
                  queue = Queue.Queue()
                  for i range(5):
                      t = DownloadThread(queue)
                      t.setDaemon(True)
                      t.start()
                  for url in urls:
                      queue.put(url)
                  queue.join()
              

              第 5 章 設計模式

              建議 50:利用模塊實現單例模式

              滿足單例模式的 3 個需求:

              • 只能有一個實例

              • 必須自行創建這個實例

              • 必須自行向整個系統提供這個實例

              下面我們使用 Python 實現一個帶鎖的單例:

              class Singleton(object):
              
                  objs = {}
                  objs_locker = threading.Lock()
              
                  def __new__(cls, *args, **kw):
                      if cls in cls.objs:
                          return cls.objs(cls)
                      cls.objs_locker.acquire()
                      try:
                          if cls in cls.objs:
                              return cls.objs(cls)
                          cls.objs[cls] = object.__new__(cls)
                      finally:
                          cls.objs_locker.release()
              

              當然這種方案也存在問題:

              • 如果 Singleton 的子類重載了__new__(),會覆蓋或干擾 Singleton 類中__new__()的執行

              • 如果子類有__init__(),那么每次實例化該 Singleton 的時候,__init__()都會被調用,這顯然是不應該的

              雖然以上問題都有解決方案,但讓單例的實現不夠 Pythonic。我們可以重新審視 Python 的語法元素,發現模塊采用的其實是天然的單例的實現方式:

              • 所有的變量都會綁定到模塊

              • 模塊只初始化一次

              • import 機制是線程安全的,保證了在并發狀態下模塊也只是一個實例

              # World.py
              import Sun
              
              def run():
                  while True:
                      Sun.rise()
                      Sun.set()
              
              # main.py
              import World
              World.run()
              

              感覺這是最炫酷的單例模式。

              建議 51:用 mixin 模式讓程序更加靈活

              模板方法模式就是在一個方法中定義一個算法的骨架,并將一些實現步驟延遲到子類中。模板方法可以使子類在不改變算法結構的情況下,重新定義算法中的某些步驟。

              來看一個例子:

              class People(object):
                  def make_tea(self):
                      teapot = self.get_teapot()
                      teapot.put_in_tea()
                      teapot.put_in_water()
                      return teapot
              

              顯然get_teapot()方法并不需要預先定義,也就是說我們的基類不需要預先申明抽象方法,子類只需要繼承 People 類并實現get_teapot(),這給調試代碼帶來了便利。但我們又想到如果一個子類 StreetPeople 描述的是正走在街上的人,那這個類將不會實現get_teapot(),一調用make_tea()就會產生找不到get_teapot()的 AttributeError,所以此時程序員應該立馬想到,隨著需求的增多,越來越多的 People 子類會選擇不喝茶而喝咖啡,或者是抽雪茄之類的,按照以上的思路,我們的代碼只會變得越發難以維護。

              所以我們希望能夠動態生成不同的實例:

              class UseSimpleTeapot(object):
                  def get_teapot(self):
                      return SimpleTeapot()
              
              class UseKungfuTeapot(object):
                  def get_teapot(self):
                      return KungfuTeapot()
              
              class OfficePeople(People, UseSimpleTeapot): pass
              
              class HomePeople(People, UseSimpleTeapot): pass
              
              class Boss(People, UseKungfuTeapot): pass
              
              def simple_tea_people():
                  people = People()
                  people.__base__ += (UseSimpleTeapot,)
                  return people
              
              def coffee_people():
                  people = People()
                  people.__base__ += (UseCoffeepot,)
              
              def tea_and_coffee_people():
                  people = People()
                  people.__base__ += (UseSimpleTeapot, UserCoffeepot,)
                  return people
              
              def boss():
                  people = People()
                  people.__base__ += (KungfuTeapot, UseCoffeepot, )
                  return people
              

              以上代碼的原理在于每個類都有一個__bases__屬性,它是一個元組,用來存放所有的基類,作為動態語言,Python 中的基類可以在運行中可以動態改變。所以當我們向其中增加新的基類時,這個類就擁有了新的方法,這就是混入mixin。

              利用這個技術我們可以在不修改代碼的情況下就可以完成需求:

              import mixins   # 把員工需求定義在 Mixin 中放在 mixins 模塊
              
              def staff():
                  people = People()
                  bases = []
                  for i in config.checked():
                      bases.append(getattr(maxins, i))
                  people.__base__ += tuple(bases)
                  return people
              

              建議 52:用發布訂閱模式實現松耦合

              發布訂閱模式是一種編程模式,消息的發送者不會發送其消息給特定的接收者,而是將發布的消息分為不同的類別直接發布,并不關注訂閱者是誰。而訂閱者可以對一個或多個類別感興趣,且只接收感興趣的消息,并且不關注是哪個發布者發布的消息。要實現這個模式,就需要一個中間代理人 Broker,它維護著發布者和訂閱者的關系,訂閱者把感興趣的主題告訴它,而發布者的信息也通過它路由到各個訂閱者處。

              from collections import defaultdict
              route_table = defaultdict(list)
              def sub(topic, callback):
                  if callback in route_table[topic]:
                      return
                  route_table[topic].append(callback)
              
              def pub(topic, *args, **kw):
                  for func in route_table[topic]:
                      func(*args, **kw)
              

              將以上代碼放在 Broker.py 的模塊,省去了各種參數檢測、優先處理、取消訂閱的需求,只向我們展示發布訂閱模式的基礎實現:

              import Broker
              def greeting(name):
                  print('Hello, {}'.format(name))
              Broker.sub('greet', greeting)
              Broker.pub('greet', 'LaiYonghao')
              

              注意學習 blinker 和 python-message 兩個模塊

              建議 53:用狀態模式美化代碼

              所謂狀態模式,就是當一個對象的內在狀態改變時允許改變其行為,但這個對象看起來像是改變了其類。

              def workday():
                  print('work hard')
              
              def weekend():
                  print('play harder')
              
              class People(object): pass
              people = People()
              while True:
                  for i in range(1, 8):
                      if i == 6:
                          people.day = weekend
                      if i == 1:
                          people.day = workday
                      people.day()
              

              但上述例子還有缺陷:

              • 查詢對象的當前狀態很麻煩

              • 狀態切換時需要對原狀態做一些清掃工作,而對新狀態做初始化工作,因每個狀態需要做的事情不同,全部寫在切換狀態的代碼中必然重復

              這時候我們可以使用 Python-state 來解決。

              改寫之前的例子:

              from state import curr, switch, stateful, State, behavior
              @stateful
              class People(object):
                  class Workday(State):
                      default = True
                      @behavior   # 相當于staticmethod
                      def day(self):  # 這里的self并不是Python的關鍵字,而是有助于我們理解狀態類的宿主是People的實例
                          print('work hard')
                  class Weekend(State):
                      @behavior
                      def day(self):
                          print('play harder')
              people = People()
              while True:
                  for i in range(1, 8):
                      if i == 6:
                          switch(people, People.Weekend)
                      if i == 1:
                          switch(people, People.Workday)
                      people.day()
              

              @statefule裝飾器重載了被修飾的類的__getattr__()從而使得 People 的實例能夠調用當前狀態類的方法,同時被修飾的類的實例是帶有狀態的,能夠使用curr()查詢當前狀態,也可以使用switch()進行狀態切換,默認的狀態是通過類定義的 default 屬性標識,default = True的類成為默認狀態。

              狀態類 Workday 和 Weekend 繼承自 State 類,從其派生的子類可以使用__begin__和__end___狀態轉換協議,自定義進入和離開當前狀態時對宿主的初始化和清理工作。

              下面是一個真實業務的例子:

              @stateful
              class User(object):
                  class NeedSignin(State):
                      default = True
                      @behavior
                      def signin(self, user, pwd):
                          ...
                          switch(self, Player.Signin)
                  class Signin(State):
                      @behavior
                      def move(self, dst): ...
                      @behavior
                      def atk(self, other): ...
              

              第 6 章 內部機制

              建議 54:理解 built-in objects

              Python 中一切皆對象,在新式類中,object 是所有內建類型的基類,用戶自定義的類可以繼承自 object 也可繼承自內建類型。

              In [1]: class TestNewClass:
                 ...:     __metaclass__ = type
                 ...:     
              
              In [2]: type(TestNewClass)
              Out[2]: type
              
              In [3]: TestNewClass.__bases__
              Out[3]: (object,)
              
              In [4]: a = TestNewClass()
              
              In [5]: type(a)
              Out[5]: __main__.TestNewClass
              
              In [6]: a.__class__
              Out[6]: __main__.TestNewClass
              

              新式類支持 property 和描述符特性,作為新式類的祖先,Object 類還定義了一些特殊方法:__new__()、__init__()、__delattr__()、__getattribute__()、__setattr__()、__hash__()、__repr__()、__str__()等。

              建議 55:__init__()不是構造方法

              class A(object):
                  def __new__(cls, *args, **kw):
                      print(cls)
                      print(args)
                      print(kw)
                      print('----------')
                      instance = object.__new__(cls, *args, **kw)
                      print(instance)
                  def __init__(self, a, b):
                      print('init gets called')
                      print('self is {}'.format(self))
                      self.a, self.b = a, b
              a1 = A(1, 2)
              print(a1.a)
              print(a1.b)
              

              運行結果:

              <class '__main__.A'>
              (1, 2)
              {}
              ----------
              Traceback (most recent call last):
                File "test.py", line 19, in <module>
                  a1 = A(1, 2)
                File "test.py", line 13, in __new__
                  instance = object.__new__(cls, *args, **kw)
              TypeError: object() takes no parameters
              

              從結果中我們可以看出,程序輸出了__new__()調用所產生的輸出,并拋出了異常。于是我們知道,原來__new__()才是真正創建實例,是類的構造方法,而__init__()是在類的對象創建好之后進行變量的初始化。上面程序拋出異常是因為在__new__()中沒有顯式返回對象,a1此時為None,當去訪問實例屬性時就拋出了異常。

              根據官方文檔,我們可以總結以下幾點:

              • object.__new__(cls[, args...]):其中 cls 代表類,args 為參數列表,為靜態方法

              • object.__init__(self[, args...]):其中 self 代表實例對象,args 為參數列表,為實例方法

              • 控制實例創建的時候可使用 __new__() ,而控制實例初始化的時候使用 __init__()

              • __new__()需要返回類的對象,當返回類的對象時將會自動調用__init__()進行初始化,沒有對象返回,則__init__()不會被調用。__init__() 方法不需要顯示返回,默認為 None,否則會在運行時拋出 TypeError

              • 但當子類繼承自不可變類型,如 str、int、unicode 或者 tuple 的時候,往往需要覆蓋__new__()

              • 覆蓋 __new__() 和 __init__() 的時候這兩個方法的參數必須保持一致,如果不一致將導致異常

              下面我們來總結需要覆蓋__new__()的幾種特殊情況:

              • 當類繼承不可變類型且默認的 __new__() 方法不能滿足需求的時候

              • 用來實現工廠模式或者單例模式或者進行元類編程,使用__new__()來控制對象創建

              • 作為用來初始化的 __init__() 方法在多繼承的情況下,子類的 __init__()方法如果不顯式調用父類的 __init__() 方法,則父類的 __init__() 方法不會被調用;通過super(子類, self).__init__()顯式調用父類的初始化方法;對于多繼承的情況,我們可以通過迭代子類的 __bases__ 屬性中的內容來逐一調用父類的初始化方法

              分別來看例子加深理解:

              # 創建一個集合能夠將任何以空格隔開的字符串變為集合中的元素
              class UserSet(frozenset):
                  def __new__(cls, *args):
                      if args and isinstance(args[0], str):
                          args = (args[0].split(), ) + args[1:]
                      return super(UserSet, cls).__new__(cls, *args)
              
              # 一個工廠類根據傳入的參量決定創建出哪一種產品類的實例
              class Shape(object):
                  def __init__(object):
                      pass
                  def draw(self):
                      pass
              
              class Triangle(Shape):
                  def __init__(self):
                      print("I am a triangle")
                  def draw(self):
                      print("I am drawing triangle")
              
              class Rectangle(Shape):
                  def __init__(self):
                      print("I am a rectangle")
                  def draw(self):
                      print("I am drawing triangle")
              
              class Trapezoid(Shape):
                  def __init__(self):
                      print("I am a trapezoid")
                  def draw(self):
                      print("I am drawing triangle")
              
              class Diamond(Shape):
                  def __init__(self):
                      print("I am a diamond")
                  def draw(self):
                      print("I am drawing triangle")
              
              class ShapeFactory(object):
                  shapes = {'triangle': Triangle, 'rectangle': Rectangle, 'trapzoid': Trapezoid, 'diamond': Diamond}
                  def __new__(cls, name):
                      if name in ShapeFactory.shapes.keys():
                          print('creating a new shape {}'.format(name))
                          return ShapeFactory.shapes[name]()
                      else:
                          print('creating a new shape {}'.format(name))
                          return Shape()
              

              建議 56:理解名字查找機制

              在 Python 中所謂的變量其實都是名字,這些名字指向一個或多個 Python 對象。這些名字都存在于一個表中(命名空間),我們稱之為局部變量,調用locals()可以查看:

              >>> locals()
              {'__package__': None, '__spec__': None, '__loader__': <class '_frozen_importlib.BuiltinImporter'>, '__doc__': None, '__name__': '__main__', '__builtins__': <module 'builtins' (built-in)>}
              >>> globals()
              {'__loader__': <class '_frozen_importlib.BuiltinImporter'>, '__builtins__': <module 'builtins' (built-in)>, '__package__': None, '__doc__': None, '__spec__': None, '__name__': '__main__'}
              

              Python 中的作用域分為:

              • 局部作用域: 一般來說函數的每次調用都會創建一個新的本地作用域, 擁有新的命名空間

              • 全局作用域: 定義在 Python 模塊文件中的變量名擁有全局作用域, 即在一個文件的頂層的變量名僅在這個文件內可見

              • 嵌套作用域: 多重函數嵌套時才會考慮, 即使使用 global 進行申明也不能達到目的, 其結果最終是在嵌套的函數所在的命名空間中創建了一個新的變量

              • 內置作用域: 通過標準庫中的__builtin__實現的

              當訪問一個變量的時候,其查找順序遵循變量解析機制 LEGB 法則,即依次搜索 4 個作用域:局部作用域、嵌套作用域、全局作用域以及內置作用域,并在第一個找到的地方停止搜尋,如果沒有搜到,則會拋出異常。

              Python 3 中引入了 nonlocal 關鍵字:

              def foo(x):
                  a = x
                  def bar():
                      nonlocal a
                      b = a * 2
                      a = b + 1
                      print(a)
                  return bar
              

              建議 57: 為什么需要 self 參數

              在類中當定義實例方法的時候需要將第一個參數顯式聲明為self, 而調用時不需要傳入該參數, 我們通過self.x訪問實例變量, self.m()訪問實例方法:

              class SelfTest(object):
                  def __init__(self.name):
                      self.name = name
                  def showself(self):
                      print('self here is {}'.format(self))
                  def display(self):
                      self.showself()
                      print('The name is: {}'.format(self.name))
              st = SelfTest('instance self')
              st.display()
              print('{}'.format(st))
              

              運行結果:

              self here is <__main__.SelfTest object at 0x7f440c53ba58>
              The name is: instance self
              <__main__.SelfTest object at 0x7f440c53ba58>
              

              從中可以發現, self 表示實例對象本身, 即 SelfTest 類的對象在內存中的地址. self 是對對象 st 本身的引用, 我們在調用實例方法時也可以直接傳入實例對象: SelfTest.display(st). 同時 self 或 cls 并不是 Python 的關鍵字, 可以替換成其它的名稱.

              Python 中為什么需要 self 呢:

              1. 借鑒了其他語言的特征

              2. Python 語言本身的動態性決定了使用 self 能夠帶來一定便利

              3. 在存在同名的局部變量以及實例變量的情況下使用 self 使得實例變量更容易被區分

              Python 屬于一級對象語言, 我們有好幾種方法可以引用類方法:

              A.__dict__["m"]
              A.m.__func__
              

              Python 的哲學是:顯示優于隱式(Explicit is better than implicit).

              建議 58: 理解 MRO 與多繼承

              古典類與新式類所采取的 MRO (Method Resolution Order, 方法解析順序) 的實現方式存在差異.

              古典類是按照多繼承申明的順序形成繼承樹結構, 自頂向下采用深度優先的搜索順序. 而新式類采用的是 C3 MRO 搜索方法, 在新式類通過__mro__得到 MRO 的搜索順序, C3 MRO 的算法描述如下:

              假定,C1C2...CN 表示類 C1 到 CN 的序列,其中序列頭部元素(head)=C1,序列尾部(tail)定義 = C2...CN;

              C 繼承的基類自左向右分別表示為 B1,B2...BN

              L[C] 表示 C 的線性繼承關系,其中 L[object] = object。

              算法具體過程如下:

              L[C(B1...BN)] = C + merge(L[B1] ... L[BN], B1 ... BN)

              其中 merge 方法的計算規則如下:在 L[B1]...L[BN],B1...BN 中,取 L[B1] 的 head,如果該元素不在 L[B2]...L[BN],B1...BN 的尾部序列中,則添加該元素到 C 的線性繼承序列中,同時將該元素從所有列表中刪除(該頭元素也叫 good head),否則取 L[B2] 的 head。繼續相同的判斷,直到整個列表為空或者沒有辦法找到任何符合要求的頭元素(此時,將引發一個異常)。

              菱形繼承是我們在多繼承設計的時候需要盡量避免的一個問題.

              建議 59: 理解描述符機制

              In [1]: class MyClass(object):
                 ...:     class_attr = 1
                 ...:     
              # 每一個類都有一個__dict__屬性, 包含它的所有屬性
              In [2]: MyClass.__dict__
              Out[2]:
              mappingproxy({'__dict__': <attribute '__dict__' of 'MyClass' objects>,
                            '__doc__': None,
                            '__module__': '__main__',
                            '__weakref__': <attribute '__weakref__' of 'MyClass' objects>,
                            'class_attr': 1})
              
              In [3]: my_instance = MyClass()
              # 每一個實例也相應有一個實例屬性, 我們通過實例訪問一個屬性時,
              # 它首先會嘗試在實例屬性中查找, 找不到會到類屬性中查找
              In [4]: my_instance.__dict__
              Out[4]: {}
              # 實例訪問類屬性
              In [5]: my_instance.class_attr
              Out[5]: 1
              # 如果通過實例增加一個屬性,只能改變此實例的屬性
              In [6]: my_instance.inst_attr = 'china'
              
              In [7]: my_instance.__dict__
              Out[7]: {'inst_attr': 'china'}
              # 對于類屬性而言并沒有絲毫變化
              In [8]: MyClass.__dict__
              Out[8]:
              mappingproxy({'__dict__': <attribute '__dict__' of 'MyClass' objects>,
                            '__doc__': None,
                            '__module__': '__main__',
                            '__weakref__': <attribute '__weakref__' of 'MyClass' objects>,
                            'class_attr': 1})
              # 我們可以動態地給類增加一個屬性
              In [9]: MyClass.class_attr2 = 100
              
              In [10]: my_instance.class_attr2
              Out[10]: 100
              # 但Python的內置類型并不能隨意地為它增加屬性或方法
              

              .操作符封裝了對實例屬性和類屬性兩種不同屬性進行查找的細節。

              但是如果是訪問方法呢:

              In [1]: class MyClass(object):
                 ...:     def my_method(self):
                 ...:         print('my_method')
                 ...:         
              
              In [2]: MyClass.__dict__['my_method']
              Out[2]: <function __main__.MyClass.my_method>
              
              In [3]: MyClass.my_method
              Out[3]: <function __main__.MyClass.my_method>
              
              In [4]: type(MyClass.my_method)
              Out[4]: function
              
              In [5]: type(MyClass.__dict__['my_method'])
              Out[5]: function
              

              根據通過實例訪問屬性和根據類訪問屬性的不同,有以下兩種情況:

              • 一種是通過實例訪問,比如代碼 obj.x,如果 x 是一個描述符,那么 __getattribute__() 會返回 type(obj).__dict__['x'].__get__(obj, type(obj)) 結果,即:type(obj) 獲取 obj 的類型;type(obj).__dict__['x'] 返回的是一個描述符,這里有一個試探和判斷的過程;最后調用這個描述符的 __get__() 方法。

              • 另一個是通過類訪問的情況,比如代碼 cls.x,則會被 __getattribute__()轉換為 cls.__dict__['x'].__get__(None, cls)。

                描述符協議是一個 Duck Typing 的協議,而每一個函數都有 __get__ 方法,也就是說其他每一個函數都是描述符。所有對屬性, 方法進行修飾的方案往往都用到了描述符, 如classmethod, staticmethod, property等, 以下是property的參考實現:

                class Property(object):
                    "Emulate PyProperty_Type() in Objects/descrobject.c"
                    def __init__(self, fget=None, fset=None, fdel=None, doc=None):
                        self.fget = fget
                        self.fset = fset
                        self.fdel = fdel
                        self.__doc__ = doc
                    def __get__(self, obj, objtype=None):
                        if obj is None:
                            return self
                        if self.fget is None:
                            raise AttributeError, "unreadable attribute"
                        return self.fget(obj)
                    def __set__(self, obj, value):
                        if self.fset is None:
                            raise AttributeError, "can't set attribute"
                        self.fset(obj, value)
                    def __delete__(self, obj):
                        if self.fdel is None:
                            raise AttributeError, "can't delete attribute"
                        self.fdel(obj)
                

              建議 60:區別__getattr__()和__getattribute__()方法

              以上兩種方法可以對實例屬性進行獲取和攔截:

              • __getattr__(self, name):適用于屬性在實例中以及對應的類的基類以及祖先類中都不存在;

              • __getattribute__(self, name):對于所有屬性的訪問都會調用該方法

              但訪問不存在的實例屬性時,會由內部方法__getattribute__()拋出一個 AttributeError 異常,也就是說只要涉及實例屬性的訪問就會調用該方法,它要么返回實際的值,要么拋出異常。詳情請參考

              那么__getattr__()在什么時候調用呢:

              • 屬性不在實例的__dict__中;

              • 屬性不在其基類以及祖先類的__dict__中;

              • 觸發AttributeError異常時(注意,不僅僅是__getattribute__()方法的AttributeError異常,property 中定義的get()方法拋出異常的時候也會調用該方法)。

              當這兩個方法同時被定義的時候,要么在__getattribute__()中顯式調用,要么觸發AttributeError異常,否則__getattr__()永遠不會被調用。

              我們知道 property 也能控制屬性的訪問,如果一個類中如果定義了 property、__getattribute__()以及__getattr__()來對屬性進行訪問控制,會最先搜索__getattribute__()方法,由于 property 對象并不存在于 dict 中,因此并不能返回該方法,此時會搜索 property 中的get()方法;當 property 中的set()方法對屬性進行修改并再次訪問 property 的get()方法會拋出異常,這時會觸發__getattr__()的調用。

              __getattribute__()總會被調用,而__getattr__()只有在__getattribute__()中引發異常的情況下調用。

              QQ群:WEB開發者官方群(515171538),驗證消息:10000
              微信群:加小編微信 849023636 邀請您加入,驗證消息:10000
              提示:更多精彩內容關注微信公眾號:全棧開發者中心(fsder-com)
              網友評論(共0條評論) 正在載入評論......
              理智評論文明上網,拒絕惡意謾罵 發表評論 / 共0條評論
              登錄會員中心
              云南十一选往期