Python中下划线---完全解读
Python 用下划线作为变量前缀和后缀指定特殊变量
_xxx 不能用’from module import *’导入
__xxx__ 系统定义名字
__xxx 类中的私有变量名
核心风格：避免用下划线作为变量名的开始。
因为下划线对解释器有特殊的意义，而且是内建标识符所使用的符号，我们建议程序员避免用下划线作为变量名的开始。一般来讲，变量名__xxx被看作是“私有 的”，在模块或类外不可以使用。当变量是私有的时候，用__xxx 来表示变量是很好的习惯。因为变量名__xxx__对Python 来说有特殊含义，对于普通的变量应当避免这种命名风格。
“单下划线” 开始的成员变量叫做保护变量，意思是只有类对象和子类对象自己能访问到这些变量； “双下划线” 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。
以单下划线开头（_foo）的代表不能直接访问的类属性，需通过类提供的接口进行访问，不能用“from xxx import *”而导入；
以双下划线开头的（__foo）代表类的私有成员；
以双下划线开头和结尾的（__foo__）代表python里特殊方法专用的标识，如 __init__（）代表类的构造函数。
现在我们来总结下所有的系统定义属性和方法， 先来看下保留属性：
>>> Class1.__doc__ # 类型帮助信息 'Class1 Doc.'
>>> Class1.__name__ # 类型名称 'Class1'
>>> Class1.__module__ # 类型所在模块 '__main__'
>>> Class1.__bases__ # 类型所继承的基类 (<type 'object'>,)
>>> Class1.__dict__ # 类型字典，存储所有类型成员信息。 <dictproxy object at 0x00D3AD70>
>>> Class1().__class__ # 类型 <class '__main__.Class1'> >>> Class1().__module__ # 实例类型所在模块 '__main__'
>>> Class1().__dict__ # 对象字典，存储所有实例成员信息。 {'i': 1234}
接下来是保留方法，可以把保留方法分类：
类的基础方法
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 初始化一个实例 | x = MyClass() |
x.__init__() |
| ② | 字符串的“官方”表现形式 | repr(x) |
x.__repr__() |
| ③ | 字符串的“非正式”值 | str(x) |
x.__str__() |
| ④ | 字节数组的“非正式”值 | bytes(x) |
x.__bytes__() |
| ⑤ | 格式化字符串的值 | format(x, format_spec) |
x.__format__(format_spec) |
- 对
__init__()方法的调用发生在实例被创建 之后 。如果要控制实际创建进程，请使用__new__()方法。 - 按照约定，
__repr__()方法所返回的字符串为合法的 Python 表达式。 - 在调用
print(x)的同时也调用了__str__()方法。 - 由于
bytes类型的引入而从 Python 3 开始出现。
行为方式与迭代器类似的类
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 遍历某个序列 | iter(seq) |
seq.__iter__() |
| ② | 从迭代器中获取下一个值 | next(seq) |
seq.__next__() |
| ③ | 按逆序创建一个迭代器 | reversed(seq) |
seq.__reversed__() |
- 无论何时创建迭代器都将调用
__iter__()方法。这是用初始值对迭代器进行初始化的绝佳之处。 - 无论何时从迭代器中获取下一个值都将调用
__next__()方法。 __reversed__()方法并不常用。它以一个现有序列为参数，并将该序列中所有元素从尾到头以逆序排列生成一个新的迭代器。
计算属性
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 获取一个计算属性（无条件的） | x.my_property |
x.__getattribute__('my_property') |
| ② | 获取一个计算属性（后备） | x.my_property |
x.__getattr__('my_property') |
| ③ | 设置某属性 | x.my_property = value |
x.__setattr__('my_property',value) |
| ④ | 删除某属性 | del x.my_property |
x.__delattr__('my_property') |
| ⑤ | 列出所有属性和方法 | dir(x) |
x.__dir__() |
- 如果某个类定义了
__getattribute__()方法，在 每次引用属性或方法名称时 Python 都调用它（特殊方法名称除外，因为那样将会导致讨厌的无限循环）。 - 如果某个类定义了
__getattr__()方法，Python 将只在正常的位置查询属性时才会调用它。如果实例 x 定义了属性 color，x.color将 不会 调用x.__getattr__('color')；而只会返回 x.color 已定义好的值。 - 无论何时给属性赋值，都会调用
__setattr__()方法。 - 无论何时删除一个属性，都将调用
__delattr__()方法。 - 如果定义了
__getattr__()或__getattribute__()方法，__dir__()方法将非常有用。通常，调用dir(x)将只显示正常的属性和方法。如果__getattr()__方法动态处理 color 属性，dir(x)将不会将 color 列为可用属性。可通过覆盖__dir__()方法允许将 color 列为可用属性，对于想使用你的类但却不想深入其内部的人来说，该方法非常有益。
行为方式与函数类似的类
可以让类的实例变得可调用——就像函数可以调用一样——通过定义 __call__() 方法。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 像调用函数一样“调用”一个实例 | my_instance() |
my_instance.__call__() |
zipfile 模块 通过该方式定义了一个可以使用给定密码解密 经加密 zip 文件的类。该 zip 解密 算法需要在解密的过程中保存状态。通过将解密器定义为类，使我们得以在 decryptor 类的单个实例中对该状态进行维护。状态在 __init__() 方法中进行初始化，如果文件 经加密 则进行更新。但由于该类像函数一样“可调用”，因此可以将实例作为 map() 函数的第一个参数传入，代码如下：
# excerpt from zipfile.py class _ZipDecrypter:
def __init__(self, pwd):
self.key0 = 305419896 ①
self.key1 = 591751049
self.key2 = 878082192
for p in pwd:
self._UpdateKeys(p)
def __call__(self, c): ②
assert isinstance(c, int)
k = self.key2 | 2
c = c ^ (((k * (k^1)) >> 
& 255)
self._UpdateKeys(c)
return c
zd = _ZipDecrypter(pwd) ③
bytes = zef_file.read(12) h = list(map(zd, bytes[0:12])) ④_ZipDecryptor类维护了以三个旋转密钥形式出现的状态，该状态稍后将在_UpdateKeys()方法中更新（此处未展示）。- 该类定义了一个
__call__()方法，使得该类可像函数一样调用。在此例中，__call__()对 zip 文件的单个字节进行解密，然后基于经解密的字节对旋转密码进行更新。 - zd 是
_ZipDecryptor类的一个实例。变量 pwd 被传入__init__()方法，并在其中被存储和用于首次旋转密码更新。 - 给出 zip 文件的头 12 个字节，将这些字节映射给 zd 进行解密，实际上这将导致调用
__call__()方法 12 次，也就是 更新内部状态并返回结果字节 12 次。
行为方式与序列类似的类
如果类作为一系列值的容器出现——也就是说如果对某个类来说，是否“包含”某值是件有意义的事情——那么它也许应该定义下面的特殊方法已，让它的行为方式与序列类似。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 序列的长度 | len(seq) |
seq.__len__() |
|
| 了解某序列是否包含特定的值 | x in seq |
seq.__contains__(x) |
cgi 模块 在其 FieldStorage 类中使用了这些方法，该类用于表示提交给动态网页的所有表单字段或查询参数。
# A script which responds to http://example.com/search?q=cgi
import cgi
fs = cgi.FieldStorage()
if 'q' in fs: ①
do_search()
# An excerpt from cgi.py that explains how that works class FieldStorage: . . .
def __contains__(self, key): ②
if self.list is None:
raise TypeError('not indexable')
return any(item.name == key for item in self.list) ③
def __len__(self): ④
return len(self.keys()) ⑤- 一旦创建了
cgi.FieldStorage类的实例，就可以使用 “in” 运算符来检查查询字符串中是否包含了某个特定参数。 - 而
__contains__()方法是令该魔法生效的主角。 - 如果代码为
if 'q' in fs，Python 将在 fs 对象中查找__contains__()方法，而该方法在cgi.py中已经定义。'q'的值被当作 key 参数传入__contains__()方法。 - 同样的
FieldStorage类还支持返回其长度，因此可以编写代码len(fs)而其将调用FieldStorage的__len__()方法，并返回其识别的查询参数个数。 self.keys()方法检查self.list is None是否为真值，因此__len__方法无需重复该错误检查。
行为方式与字典类似的类
在前一节的基础上稍作拓展，就不仅可以对 “in” 运算符和 len() 函数进行响应，还可像全功能字典一样根据键来返回值。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 通过键来获取值 | x[key] |
x.__getitem__(key) |
|
| 通过键来设置值 | x[key] = value |
x.__setitem__(key, value) |
|
| 删除一个键值对 | del x[key] |
x.__delitem__(key) |
|
| 为缺失键提供默认值 | x[nonexistent_key] |
x.__missing__(nonexistent_key) |
cgi 模块 的 FieldStorage 类 同样定义了这些特殊方法，也就是说可以像下面这样编码：
# A script which responds to http://example.com/search?q=cgi
import cgi
fs = cgi.FieldStorage() if 'q' in fs: do_search(fs['q']) ①
# An excerpt from cgi.py that shows how it works class FieldStorage: . . . def __getitem__(self, key): ②
if self.list is None:
raise TypeError('not indexable')
found = []
for item in self.list:
if item.name == key: found.append(item)
if not found:
raise KeyError(key)
if len(found) == 1:
return found[0]
else:
return found- fs 对象是
cgi.FieldStorage类的一个实例，但仍然可以像fs['q']这样估算表达式。 fs['q']将 key 参数设置为'q'来调用__getitem__()方法。然后它将在其内部维护的查询参数列表 (self.list) 中查找一个.name与给定键相符的字典项。
可比较的类
我将此内容从前一节中拿出来使其单独成节，是因为“比较”操作并不局限于数字。许多数据类型都可以进行比较——字符串、列表，甚至字典。如果要创建自己的类，且对象之间的比较有意义，可以使用下面的特殊方法来实现比较。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 相等 | x == y |
x.__eq__(y) |
|
| 不相等 | x != y |
x.__ne__(y) |
|
| 小于 | x < y |
x.__lt__(y) |
|
| 小于或等于 | x <= y |
x.__le__(y) |
|
| 大于 | x > y |
x.__gt__(y) |
|
| 大于或等于 | x >= y |
x.__ge__(y) |
|
| 布尔上上下文环境中的真值 | if x: |
x.__bool__() |
?如果定义了
__lt__()方法但没有定义__gt__()方法，Python 将通过经交换的算子调用__lt__()方法。然而，Python 并不会组合方法。例如，如果定义了__lt__()方法和__eq()__方法，并试图测试是否x <= y，Python 不会按顺序调用__lt__()和__eq()__。它将只调用__le__()方法。
可序列化的类
Python 支持 任意对象的序列化和反序列化。（多数 Python 参考资料称该过程为 “pickling” 和 “unpickling”）。该技术对与将状态保存为文件并在稍后恢复它非常有意义。所有的 内置数据类型 均已支持 pickling 。如果创建了自定义类，且希望它能够 pickle，阅读 pickle 协议 了解下列特殊方法何时以及如何被调用。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 自定义对象的复制 | copy.copy(x) |
x.__copy__() |
|
| 自定义对象的深度复制 | copy.deepcopy(x) |
x.__deepcopy__() |
|
| 在 pickling 之前获取对象的状态 | pickle.dump(x, file) |
x.__getstate__() |
|
| 序列化某对象 | pickle.dump(x, file) |
x.__reduce__() |
|
| 序列化某对象（新 pickling 协议） | pickle.dump(x, file, protocol_version) |
x.__reduce_ex__(protocol_version) |
|
| * | 控制 unpickling 过程中对象的创建方式 | x = pickle.load(file) |
x.__getnewargs__() |
| * | 在 unpickling 之后还原对象的状态 | x = pickle.load(file) |
x.__setstate__() |
* 要重建序列化对象，Python 需要创建一个和被序列化的对象看起来一样的新对象，然后设置新对象的所有属性。__getnewargs__() 方法控制新对象的创建过程，而 __setstate__() 方法控制属性值的还原方式。
可在 with 语块中使用的类
with 语块定义了 运行时刻上下文环境；在执行 with 语句时将“进入”该上下文环境，而执行该语块中的最后一条语句将“退出”该上下文环境。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
在进入 with 语块时进行一些特别操作 |
with x: |
x.__enter__() |
|
在退出 with 语块时进行一些特别操作 |
with x: |
x.__exit__() |
以下是 with file 习惯用法 的运作方式：
# excerpt from io.py:
def _checkClosed(self, msg=None):
'''Internal: raise an ValueError if file is closed
'''
if self.closed:
raise ValueError('I/O operation on closed file.'）
if msg is None else msg) def __enter__(self):
'''Context management protocol. Returns self.'''
self._checkClosed() ①
return self ②
def __exit__(self, *args):
'''Context management protocol. Calls close()'''
self.close() ③- 该文件对象同时定义了一个
__enter__()和一个__exit__()方法。该__enter__()方法检查文件是否处于打开状态；如果没有，_checkClosed()方法引发一个例外。 __enter__()方法将始终返回 self —— 这是with语块将用于调用属性和方法的对象- 在
with语块结束后，文件对象将自动关闭。怎么做到的？在__exit__()方法中调用了self.close().
?该
__exit__()方法将总是被调用，哪怕是在with语块中引发了例外。实际上，如果引发了例外，该例外信息将会被传递给__exit__()方法。查阅 With 状态上下文环境管理器 了解更多细节。
真正神奇的东西
如果知道自己在干什么，你几乎可以完全控制类是如何比较的、属性如何定义，以及类的子类是何种类型。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 类构造器 | x = MyClass() |
x.__new__() |
|
| * | 类析构器 | del x |
x.__del__() |
| 只定义特定集合的某些属性 | x.__slots__() |
||
| 自定义散列值 | hash(x) |
x.__hash__() |
|
| 获取某个属性的值 | x.color |
type(x).__dict__['color'].__get__(x, type(x)) |
|
| 设置某个属性的值 | x.color = 'PapayaWhip' |
type(x).__dict__['color'].__set__(x, 'PapayaWhip') |
|
| 删除某个属性 | del x.color |
type(x).__dict__['color'].__del__(x) |
|
| 控制某个对象是否是该对象的实例 your class | isinstance(x, MyClass) |
MyClass.__instancecheck__(x) |
|
| 控制某个类是否是该类的子类 | issubclass(C, MyClass) |
MyClass.__subclasscheck__(C) |
|
| 控制某个类是否是该抽象基类的子类 | issubclass(C, MyABC) |
MyABC.__subclasshook__(C) |