python基础-对象高级特性

一、实例绑定:

二、使用__slots__:

三、@property:python内置装饰器 decorator

四、多重继承:Mixin

五、定制类:

　　1、 __str__ 和 __repr__: 打印一个实例

　　2、 __iter__: 被用于 for ... in循环

　　3、__getitem__ ：现得像list那样按照下标取出元素，需要实现__getitem__()方法

　　4、__getattr__ ： 动态返回一个属性

　　5、__call__ : 对实例本身进行调用

六、使用元类: metaclass

　　1、type(): 通过type()函数创建类，而无需通过class

　　2、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。--元类.

　　3、metaclass动态创建ORM：动态创建的好处

　　4、类属性和实例属性：区别

-----------------------------------------------------------------------------------------------------------------

一、实例绑定:

　　动态的给一个实例绑定属性和方法:

>>> class Student(object):
...   pass
...
>>> s = Student()
>>> s.name='Micheal'  #动态给实例绑定一个属性
>>> print s.name
Micheal
>>> 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

　　注意：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'

　　给class绑定的方法，所有实例可用：

>>> def set_score(self, score):
...     self.score = score
...
>>> Student.set_score = MethodType(set_score, None, Student)

>> s.set_score(100)
>>> s.score
100
>>> s2.set_score(99)
>>> s2.score
99

二、使用__slots__：

　　现在有一个需求：限制class的属性(包括变量和函数)，那么在类中可以定义 __slots__：

>>> class Student(object):
...     __slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称
...
>>> 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'

　　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__。

三、@property，python内置装饰器 decorator

　　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：

class Student(object):

    @property
    def score(self):　　　　　　#相当于getter，，，property会自动生成一个socre.setter
        return self._score

    @score.setter
    def score(self, value):　　#相当于setter，，，弱想只读属性，即不声明次函数和decorator即可.
        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

>>> 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!

四、多重继承:Mixin

　　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，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。

　　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

　　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。

五、定制类

　　形如__xxx__的变量或者函数名，在Python中有特殊用途，比如：__slots__，__len__()方法作用于len()函数。

　　1、 __str__ 和 __repr__ 打印一个实例

>>> class Student(object):
...     def __init__(self, name):
...         self.name = name
...     def __str__(self):
...         return 'Student object (name: %s)' % self.name
...     __repr__ = __str__    #按变量打印也如 __str__ 函数
...
>>> print Student('Michael')　　#这里调用 __str__
Student object (name: Michael)
>>> s = Student('Michael')
>>> s　　　　　　　　　　　　　　　　#这里调用 __repr__
Student object (name: Michael)

　　2、 __iter__ 被用于 for ... in循环

 　　　　实现__iter__()方法，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。

　　　　例如：斐波那契数, 除了第一个和第二个,后一个数都是前两个数想加的结果.

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

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

 　　3、__getitem__ ：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

>>> f = Fib()
>>> f[0]
1
>>> f[1]
1
>>> f[2]
2
>>> f[3]
3
>>> f[10]
89
>>> f[100]
573147844013817084101

 　　　　　　list中切片实现方法：f[a:b], 切片对象为slice.

>>> 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
...
>>> f = Fib()
>>> f[0:5]
[1, 1, 2, 3, 5]
>>> Fib()[2:7]
[2, 3, 5, 8, 13]

 　　　　以上还没有对负数，step做处理，如果把对象看成dict对象，还应该处理传入key的情况，key的类型为str.

　　　　与之对应的还有 __setitem__()，把对象视作list或dict来对集合赋值,__delitem__()方法,用于删除某个元素.

　　4、__getattr__ ： 动态返回一个属性

　　　　当调用不存在的属性时，Python解释器会试图调用__getattr__(self, 'score')来尝试获得属性，这样，就有机会返回score的值.

>>> class Student(object):
...   def __init__(self):
...     self.name='Michael'
...   def __getattr__(self,attr):　　#attr 为临时变量，调用时为存存储了str类型的属性名字.
...     if attr=='score':
...       return 99
...
>>> s = Student()>>> s.score
99

　　　　返回函数也可以：

>>> class Teacher():
...   def __getattr__(self,attr):
...     if attr == 'age':
...       return lambda:25
...
>>> t = Teacher()
>>> t.age    #该属性为一个匿名方法.
<function <lambda> at 0x0059D0F0>
>>> t.age()
25

 　　　　注意：在没有找到属性的情况下，才调用__getattr__(selt,attr) ，定义该属性后，其他属性都会返回None，那么按照约定应该返回AttributeError.

class Student(object):

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

 　　　　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。

　　　　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
...      __repr__ = __str__
...
>>> Chain().status.user.timeline.list
/status/user/timeline/list
>>> Chain().s.as.sd            #发现在这种方式中属性不能为python中的关键字.是个坑喔.这个坑可以解决，用下面问题的实现就可解决.
  File "<stdin>", line 1
    Chain().s.as.sd
               ^
SyntaxError: invalid syntax
>>> Chain().s
/s
>>> Chain().s.a
/s/a
>>> Chain().s.ads.a
/s/ads/a

 　　　　还有些REST API会把参数放到URL中，比如GitHub的API：该题链接.

GET /users/:user/repos　　　　#需要把:user替换为实际用户名

 　　　　写出这样的链式调用：

Chain().users('michael').repos

 　　　　我的答案:

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

    def __getitem__(self, path):      #支持下标Chain().users['Michael'].repos
        return Chain('%s/%s' % (self._path, path))

    def __call__(self,name):
        return Chain('%s/%s' % (self._path, name))

    # def users(self,name='default'):   #仅针对Chain().users('Michael').repos起作用,不够灵活.
    #     return Chain('/users/'+name)

    __repr__ = __str__
>>> Chain().users('michael').repos
GET /users/michael/repos
>>> Chain().a.b.c
GET /a/b/c
>>>Chain().users['michael'].repos
/users/michael/repos
>>>Chain().users('as').repos   #关键字也不怕
/users/as/repos

　　5、__call__ : 对实例本身进行调用

　　　　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：

>>> class Student(object):
...   def __init__(self,name):
...     self.name = name
...   def __call__(self):
...     print('My name is %s.'% self.name)
...
>>> s= Student('Michael')
>>> s()
My name is Michael:

　　　　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

>>> s= Student('Michael')
>>> s()
My name is Michael.
>>> callable(s)
True
>>> callable(filter)　　#filter为内置函数呢，居然是callable对象.
True
>>> callable(int)
True
>>> callable(str)
True

 六、使用元类

　　1、type(): 通过type()函数创建类，而无需通过class 定义:

>>> def fn(self,name='world'):
...   print('Hello,%s.' % name)
...
>>> Hello = type('Hello',(object,),dict(hello=fn))  #使用type动态创建出类.
>>> h = Hello()
>>> h.hello()
Hello,world.
>>> print (type(Hello))
<type 'type'>
>>> print(type(h))
<class '__main__.Hello'>

　　　　创建一个class对象，type()函数依次传入3个参数：

　　　　1.class的名称；--str

　　　　2.继承的父类集合, --tuple

　　　　3.class的方法名称与函数绑定 --dict , {name = func}

　　　　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

　　2、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。--元类.

　　　　先定义metaclass，就可以创建类，最后创建实例。

　　　　metaclass允许你创建类或者修改类的定义.可以把类看成是metaclass创建出来的“实例”

　　　　metaclass的类名总是以Metaclass结尾，以便清楚地表示这是一个metaclass

 　　　　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：

# 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['__slots__'] = ('ad','add')  #限制创建类的属性
...     attrs['add'] = lambda self,value:self.append(value)   #继承自list,所以有append方法.
...     attrs['address'] = 2  #该属性为read-only,,因为attrs['__slots__']中的tuple没有定义.
...     return type.__new__(cls,name,bases,attrs)    #使用type来创建类.
...
>>> class MyList(list):　　　　#继承自list
...   __metaclass__ = ListMetaclass    # 指示使用ListMetaclass来 创建 类 达到 定制 的 效果
...
>>> L = MyList()
>>> L.add(1)
>>> L
[1]
>>>L.ad = 2
>>>L.ad
2
>>>L.addss = 2
AttributeError: 'MyList' object has no attribute 'addss'
>>>L.address = 3
AttributeError: 'MyList' object attribute 'address' is read-only

　　　　__metaclass__ = ListMetaclass语句，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，父类继承，比如，加上新的方法，然后，返回修改后的定义。

　　　　可能有的同学对__init__和__new__感到困惑: 参考

Use __new__ when you need to control the creation of a new instance.
Use __init__ when you need to control initialization of a new instance.

　　　　__new__()方法接收到的参数依次是：

　　　　　　1.当前准备创建的类的对象：--typeType

　　　　　　2.类的名字：--str

　　　　　　3.类继承的父类集合：--tuple

　　　　　　4.类的属性集合：--dict

　　3、metaclass动态创建ORM：

　　　　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。

　　　　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，期待写出这样的代码：

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):            #元类.控制和创建类.
        if name=='Model':
            return type.__new__(cls,name,bases,attrs)
        mapping = dict()                        #在类中增加一个dict类型的映射 mapping
        for k,v in attrs.iteritems():            #遍历内嵌的属性,这里的属性值为另两种类型(StringField 和 IntergerField)
            if isinstance(v,Field):
                print('映射:%s==>%s' %(k,v) )
                mapping[k] = v
                print'属性名：%s,列名：%s,类型：%s' %(k,v.name,v.column_type)
        for k in mapping.iterkeys():
            attrs.pop(k)    #删除原有类属性名，避免混淆，统一存在mapping映射中.
        attrs['__table__'] = name #假设表名和类名一致.
        attrs['__mapping__'] = mapping  #保存属性和列以及类型的映射关系.
        return type.__new__(cls,name,bases,attrs)

 　　　　以及基类Model：

#实体类基础
class Model(dict):
    __metaclass__ = ModelMetaclass

    def __init__(self,**kw):
        super(Model,self).__init__(**kw)        #这里利用dict的__init__()方法.
    def __getattr__(self,key):    
        try:
            return self[key]
        except KeyError:
            raise AttributeError(r"'Model' ojbect has no attribute '%s'" % key)
    def __setattr__(self,key,value):
        self[key] = value

    def save(self):
        fields = []
        params = []
        args = []
        for k,v in self.__mapping__.iteritems():  #mapping为一个dict.并且在metaclass中定义.
            fields.append(v.name)                    #添加定义的列名
            #获取创建实例时根据列名保存的参数.
            parame = getattr(self,k,None)
            if parame is None:                        #parame不能为None,''.join()不支持None
                raise TypeError('parame %s NoneType Found' % k)
            if isinstance(parame,int):                #判断获取的值是否是int，转化为str，否则下面的join函数int类型会解析错误.
                params.append(str(parame))
            else:
                params.append(parame)
        sql = 'insert into %s (%s) values (%s)' % (self.__table__,','.join(fields),','.join(params))
        print('SQL:%s' % sql)

 　　　　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。

 　　　　下面我们定义上面的User类继承自Model 

class User(Model):
    #定义类的属性到列的映射，
    id = IntergerField('ID')
    name = StringField('USERNAME')
    email = StringField('EMAIL')
    password =StringField('PASSWD')

 　　　　测试：

u = User(id=12345,name='Michael',email='test@orm.org',password='my-pwd') #根据类中定义的列,创建实例.
    u.save()

映射:email==><StringField:EMAIL>
属性名：email,列名：EMAIL,类型：varchar(100)
映射:password==><StringField:PASSWD>
属性名：password,列名：PASSWD,类型：varchar(100)
映射:id==><IntergerField:ID>
属性名：id,列名：ID,类型：bigint
映射:name==><StringField:USERNAME>
属性名：name,列名：USERNAME,类型：varchar(100)
SQL:insert into User (PASSWD,EMAIL,USERNAME,ID) values (my-pwd,test@orm.org,Michael,12345)
[Finished in 0.1s]

　　　　详情参考：这里

　　4、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'。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。

　　　　在上面编写的ORM中，ModelMetaclass删除掉了User类的所有类属性，目的就是避免造成混淆。