<li id="2aw4k"></li>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
    <center id="2aw4k"><small id="2aw4k"></small></center><center id="2aw4k"><small id="2aw4k"></small></center>
    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
    大乐透彩票预测
    <li id="2aw4k"></li>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
    <center id="2aw4k"><small id="2aw4k"></small></center><center id="2aw4k"><small id="2aw4k"></small></center>
    <li id="2aw4k"></li>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
  • <div id="2aw4k"><tr id="2aw4k"></tr></div>
    <center id="2aw4k"><small id="2aw4k"></small></center><center id="2aw4k"><small id="2aw4k"></small></center>