Python学习之面向对象高级编程

时间 2019-11-08

原文原文链接

Python学习目录python

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，面向对象还有不少高级特性，如：多重继承、定制类、元类等概念。编程

_slots_

做用：限制实例的属性。网络

Python容许在定义class的时候，定义一个特殊的__slots__变量，来限制该class实例能添加的属性：app

class Student(object):
    __slots__ = ('name', 'age') # 用tuple定义容许绑定的属性名称
    
>>> s = Student() # 建立新的实例
>>> 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'
复制代码

因为'score'没有被放到__slots__中，因此不能绑定score属性，试图绑定score将获得AttributeError的错误。函数式编程

使用__slots__要注意，__slots__定义的属性仅对当前类实例起做用，对继承的子类是不起做用的：函数

>>> class GraduateStudent(Student):
...     pass
...
>>> g = GraduateStudent()
>>> g.score = 9999
复制代码

除非在子类中也定义__slots__，这样，子类实例容许定义的属性就是自身的__slots__加上父类的__slots__。工具

@property

装饰器（decorator）能够给函数动态加上功能，对于类的方法，装饰器同样起做用，Python内置的@property装饰器就是负责把一个方法变成属性调用的：post

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
复制代码

把一个getter方法变成属性，只须要加上@property就能够了，此时，@property自己又建立了另外一个装饰器@score.setter，负责把一个setter方法变成属性赋值，因而，咱们就拥有一个可控的属性操做：学习

>>> 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!
复制代码

注意到这个神奇的@property，咱们在对实例属性操做的时候，就知道该属性极可能不是直接暴露的，而是经过getter和setter方法来实现的。测试

还能够定义只读属性，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 2015 - self._birth
复制代码

上面的birth是可读写属性，而age就是一个只读属性，由于age能够根据birth和当前时间计算出来。

多重继承

在设计类的继承关系时，一般，主线都是单一继承下来的，例如，Ostrich继承自Bird。可是，若是须要“混入”额外的功能，经过多重继承就能够实现，好比，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计一般称之为MixIn。

为了更好地看出继承关系，咱们把Runnable和Flyable改成RunnableMixIn和FlyableMixIn。相似的，你还能够定义出肉食动物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
复制代码

MixIn的目的就是给一个类增长多个功能，这样，在设计类的时候，咱们优先考虑经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。

定制类

到相似__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__咱们已经知道怎么用了，__len__()方法咱们也知道是为了能让class做用于len()函数。除此以外，Python的class中还有许多这样有特殊用途的函数，能够帮助咱们定制类。

_str_

>>> 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)
复制代码

这样打印出来的实例，不但好看，并且容易看出实例内部重要的数据。可是直接敲变量不用print，打印出来的实例仍是很差看：

>>> s = Student('Michael')
>>> s
<__main__.Student object at 0x109afb310>
复制代码

这是由于直接显示变量调用的不是__str__()，而是__repr__()，二者的区别是__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__()。可是一般__str__()和__repr__()代码都是同样的，因此，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__
复制代码

_iter_

若是一个类想被用于for ... in循环，相似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，而后，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。

咱们以斐波那契数列为例，写一个Fib类，能够做用于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 # 实例自己就是迭代对象，故返回本身

   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
复制代码

如今，试试把Fib实例做用于for循环：

>>> for n in Fib():
...     print(n)
...
1
1
2
3
5
...
46368
75025
复制代码

_getitem_

像list那样按照下标取出元素，须要实现__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
复制代码

如今，就能够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
复制代码

可是list有个神奇的切片方法：

>>> list(range(100))[5:10]
[5, 6, 7, 8, 9]
复制代码

对于Fib却报错。缘由是__getitem__()传入的参数多是一个int，也多是一个切片对象slice，因此要作判断：

class Fib(object):
    def __getitem__(self, n):
        if isinstance(n, int): # n是索引
            a, b = 1, 1
            for x in range(n):
                a, b = b, a + b
            return a
        if isinstance(n, slice): # n是切片
            start = n.start
            stop = n.stop
            if start is None:
                start = 0
            a, b = 1, 1
            L = []
            for x in range(stop):
                if x >= start:
                    L.append(a)
                a, b = b, a + b
            return L 
复制代码

_getattr_

Python有一个机制，那就是写一个__getattr__()方法，动态返回一个属性：

class Student(object):

    def __init__(self):
        self.name = 'Michael'

    def __getattr__(self, attr):
        if attr=='score':
            return 99
复制代码

当调用不存在的属性时，好比score，Python解释器会试图调用__getattr__(self, 'score')来尝试得到属性，这样，咱们就有机会返回score的值：

>>> s = Student()
>>> s.name
'Michael'
>>> s.score
99
复制代码

返回函数也是彻底能够的：

class Student(object):

    def __getattr__(self, attr):
        if attr=='age':
            return lambda: 25
复制代码

只是调用方式要变为：

>>> s.age()
25
复制代码

注意，只有在没有找到属性的状况下，才调用__getattr__，已有的属性，好比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，这是由于咱们定义的__getattr__默认返回就是None。要让class只响应特定的几个属性，咱们就要按照约定，抛出AttributeError的错误：

class Student(object):

    def __getattr__(self, attr):
        if attr=='age':
            return lambda: 25
        raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr)
复制代码

_call_

一个对象实例能够有本身的属性和方法，当咱们调用实例方法时，咱们用instance.method()来调用。

一样的，任何类，只须要定义一个__call__()方法，就能够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)
        
>>> s = Student('Michael')
>>> s() # self参数不要传入
My name is Michael.
复制代码

__call__()还能够定义参数。对实例进行直接调用就比如对一个函数进行调用同样，因此你彻底能够把对象当作函数，把函数当作对象，由于这二者之间原本就没啥根本的区别。

若是你把对象当作函数，那么函数自己其实也能够在运行期动态建立出来，由于类的实例都是运行期建立出来的，这么一来，咱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仍是函数呢？其实，更多的时候，咱们须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，好比函数和咱们上面定义的带有__call__()的类实例：

>>> callable(Student())
True
>>> callable(max)
True
>>> callable([1, 2, 3])
False
>>> callable(None)
False
>>> callable('str')
False
复制代码

枚举类

「枚举类」Enum是为枚举类型定义一个class类型，而后，每一个常量都是class的一个惟一实例。

from enum import Enum

Month = Enum('Month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'))
复制代码

这样咱们就得到了Month类型的枚举类，能够直接使用Month.Jan来引用一个常量，或者枚举它的全部成员：

for name, member in Month.__members__.items():
    print(name, '=>', member, ',', member.value)
复制代码

value属性则是自动赋给成员的int常量，默认从1开始计数。

若是须要更精确地控制枚举类型，能够从Enum派生出自定义类：

from enum import Enum, unique

@unique
class Weekday(Enum):
    Sun = 0 # Sun的value被设定为0
    Mon = 1
    Tue = 2
    Wed = 3
    Thu = 4
    Fri = 5
    Sat = 6
复制代码

@unique装饰器能够帮助咱们检查保证没有重复值。

访问这些枚举类型能够有若干种方法：

>>> day1 = Weekday.Mon
>>> print(day1)
Weekday.Mon
>>> print(Weekday.Tue)
Weekday.Tue
>>> print(Weekday['Tue'])
Weekday.Tue
>>> print(Weekday.Tue.value)
2
>>> print(day1 == Weekday.Mon)
True
>>> print(day1 == Weekday.Tue)
False
>>> print(Weekday(1))
Weekday.Mon
>>> print(day1 == Weekday(1))
True
>>> Weekday(7)
Traceback (most recent call last):
  ...
ValueError: 7 is not a valid Weekday
>>> for name, member in Weekday.__members__.items():
...     print(name, '=>', member)
...
Sun => Weekday.Sun
Mon => Weekday.Mon
Tue => Weekday.Tue
Wed => Weekday.Wed
Thu => Weekday.Thu
Fri => Weekday.Fri
Sat => Weekday.Sat
复制代码

可见，既能够用成员名称引用枚举常量，又能够直接根据value的值得到枚举常量。

元类

type()

动态语言和静态语言最大的不一样，就是函数和类的定义，不是编译时定义的，而是运行时动态建立的。

比方说咱们要定义一个Hello的class，就写一个hello.py模块：

class Hello(object):
    def hello(self, name='world'):
        print('Hello, %s.' % name)
复制代码

当Python解释器载入hello模块时，就会依次执行该模块的全部语句，执行结果就是动态建立出一个Hello的class对象，测试以下：

>>> from hello import Hello
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class 'hello.Hello'>
复制代码

type()函数能够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。

咱们说class的定义是运行时动态建立的，而建立class的方法就是使用type()函数。

type()函数既能够返回一个对象的类型，又能够建立出新的类型，好比，咱们能够经过type()函数建立出Hello类，而无需经过class Hello(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)) # 建立Hello class
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class '__main__.Hello'>
复制代码

要建立一个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，若是只有一个父类，别忘了tuple的单元素写法；
class的方法名称与函数绑定，这里咱们把函数fn绑定到方法名hello上。

经过type()函数建立的类和直接写class是彻底同样的，由于Python解释器遇到class定义时，仅仅是扫描一下class定义的语法，而后调用type()函数建立出class。

正常状况下，咱们都用class Xxx...来定义类，可是，type()函数也容许咱们动态建立出类来，也就是说，动态语言自己支持运行期动态建立类，这和静态语言有很是大的不一样，要在静态语言运行期建立类，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，会很是复杂。

metaclass

除了使用type()动态建立类之外，要控制类的建立行为，还可使用metaclass。

metaclass，直译为元类，简单的解释就是：

当咱们定义了类之后，就能够根据这个类建立出实例，因此：先定义类，而后建立实例。

可是若是咱们想建立出类呢？那就必须根据metaclass建立出类，因此：先定义metaclass，而后建立类。

链接起来就是：先定义metaclass，就能够建立类，最后建立实例。

因此，metaclass容许你建立类或者修改类。换句话说，你能够把类当作是metaclass建立出来的“实例”。

下一篇：Python学习之错误调试和测试