Day9---Python训练营

主要内容是魔法方法。

魔法方法总是被双下划线包围，例如 __init__ 。
魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。 魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。
魔法方法的第一个参数应为 cls (类方法) 或者 self (实例方法)。
1. cls:代表一个类的名称
2. self:代表一个实例对象的名称

一、基本的魔法方法

__init__(self[,...])

1. 构造器，当一个实例被创建的时候调用的初始化方法。

__new__(cls[, ...])
1. __new__ 是在一个对象实例化的时候所调用的第一个方法，在调用 __init__ 初始化前，先调用 __new__ 。
2. __new__ 至少要有一个参数 cls ，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直
接传递给 __init__ 。
3. __new__ 对当前类进行了实例化，并将实例返回，传给 __init__ 的 self 。但是，执行了 __new__ ，并不一定会
进入 __init__ ，只有 __new__ 返回了，当前类 cls 的实例，当前类的 __init__ 才会进入。

class A(object):
    def __init__(self, value):
        print("into A __init__" )
        self.value = value
    def __new__(cls, *args, **kwargs):
        print("into A __new__")
        print(cls)
        return object.__new__( cls)

class B(A):
    def __init__(self, value):
        print("into B __init__" )
        self.value = value
        
    def __new__(cls, *args, **kwargs):
        print("into B __new__")
        print(cls)
        return super().__new__(cls, *args, **kwargs)   
b=B(10)

into B __new__
<class '__main__.B'>
into A __new__
<class '__main__.B'>
into B __init__

class A(object):
    def __init__(self, value):
        print("into A __init__" )
        self.value = value
    def __new__(cls, *args, **kwargs):
        print("into A __new__")
        print(cls)
        return object.__new__( cls)
    
class B(A):
    def __init__(self, value):
        print("into B __init__" )
        self.value = value
    def __new__(cls, *args, **kwargs):
        print("into B __new__")
        print(cls)
        return super().__new__(A, *args, **kwargs) # 改动了cls变为A

b = B(10)

into B __new__
<class '__main__.B'>
into A __new__
<class '__main__.A'>

若 __new__ 没有正确返回当前类 cls 的实例，那 __init__ 是不会被调用的，即使是父类的实例也不行，将没有 __init__ 被调用。
可利用 __new__ 实现单例模式。

class Earth:
     pass
a = Earth()
print(id(a))  #2608415619168
b = Earth()
print(id(b))  #2608415620904

class Earth:
    __instance = None # 定义一个类属性做判断

    def __new__(cls):
        if cls.__instance is None:
            cls.__instance = object.__new__( cls)
            return cls.__instance
        else:
            return cls.__instance
a = Earth()
print(id(a)) #2608415548304
b = Earth()
print(id(b)) # 2608415548304

__new__ 方法主要是当你继承一些不可变的 class 时（比如 int, str, tuple ）， 提供给你一个自定义这些类的实例化过程的途径。

class CapStr(str):
    def __new__(cls, string):
        string = string.upper()
        return str.__new__(cls, string)

a = CapStr("i love lsgogroup" )
print(a)   #I LOVE LSGOGROUP

__del__(self)
析构器，当一个对象将要被系统回收之时调用的方法。
Python 采用自动引用计数（ ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时， Python会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时， Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此Python 就会回收该对象。
大部分时候， Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（ Cyclic Garbage Collector）来检测并回收这种引用循环。

class C(object):
    def __init__(self):
        print('into C __init__' )
    def __del__(self):
        print('into C __del__' )
        
c1 = C()   # into C __init__

c2 = c1
c3 = c2
del c3
del c2
del c1  #into C __del__ 

__str__ 和 __repr__
__str__(self) :
1. 当你打印一个对象的时候，触发 __str__
2. 当你使用 %s 格式化的时候，触发 __str__
3. str 强转数据类型的时候，触发 __str__
__repr__(self):
1. repr 是 str 的备胎
2. 有 __str__ 的时候执行 __str__ ,没有实现 __str__ 的时候，执行 __repr__
3. repr(obj) 内置函数对应的结果是 __repr__ 的返回值
4. 当你使用 %r 格式化的时候触发 __repr__

class Cat:
    """定义一个猫类"""
 
    def __init__(self, new_name, new_age):
        """在创建完对象之后 会自动调用 , 它完成对象的初始化的功能""" 
        self.name = new_name
        self.age = new_age
        
    def __str__(self):
        return "名字是:%s , 年龄是:%d" % (self.name, self.age)
    
    def __repr__(self):
        return "Cat:(%s,%d)"  %( self.name,self.age)
    
    def eat(self):
        print("%s在吃鱼...." % self.name)
        
    def drink(self):
        print("%s在喝可乐..." % self.name)
   
    def introduce(self):
         print("名字是:%s, 年龄是:%d" % (self.name, self.age))

# 创建了一个对象
tom = Cat("汤姆", 30)
print(tom)   # 名字是:汤姆 , 年龄是:30

print(str(tom))  #名字是:汤姆 , 年龄是:30

print(repr(tom)) #Cat:(汤姆,30)

tom.eat() # 汤姆在吃鱼....

tom.introduce() #名字是:汤姆, 年龄是:30 

__str__(self) 的返回结果可读性强。也就是说， __str__ 的意义是得到便于人们阅读的信息，就像下面的 '2019-10-11' 一样。
__repr__(self) 的返回结果应更准确。怎么说， __repr__ 存在的目的在于调试，便于开发者使用。

import datetime
today = datetime.date.today()
print(str(today)) #2020-12-31

print(repr(today)) # datetime.date(2020, 12, 31)

print('%s'  %today)  #2020-12-31

print('%r'  %today) #datetime.date(2020, 12, 31)

二、算术运算符
   类型工厂函数，指的是不通过类而是通过函数来创建对象。

class C:
    pass

print(type(len)) #<class 'builtin_function_or_method'>

print(type(dir)) #<class 'builtin_function_or_method'>

print(type(int)) #<class 'type'>

print(type(list)) # <class 'type'>

print(type(tuple)) #<class 'type'>

print(type(C)) #<class 'type'>

print(int('123' ))  #123

# 这个例子中list工厂函数把一个元祖对象加工成了一个列表对象。
print(list((1, 2, 3))) #[1, 2, 3]

1. __add__(self, other) 定义加法的行为： +
2. __sub__(self, other) 定义减法的行为： -

class MyClass:
    def __init__(self, height, weight):
        self.height = height
        self.weight = weight
    
    # 两个对象的长相加，宽不变. 返回一个新的类
    def __add__(self, others):
        return MyClass( self.height + others.height, self.weight + others.weight)
    
    # 两个对象的宽相减，长不变. 返回一个新的类
    def __sub__(self, others):
        return MyClass( self.height - others.height, self.weight - others.weight)
    
    def intro(self):
        print("高为", self.height, " 重为", self.weight)

def main():
    a = MyClass(height=10, weight=5)
    a.intro()
    b = MyClass(height=20, weight=10)
    b.intro()
    c = b - a
    c.intro()
    d = a + b
    d.intro()
if __name__ == '__main__':
    main()

高为 10  重为 5
高为 20  重为 10
高为 10  重为 5
高为 30  重为 15

1. __mul__(self, other) 定义乘法的行为： *
2. __truediv__(self, other) 定义真除法的行为： /
3. __floordiv__(self, other) 定义整数除法的行为： //
4. __mod__(self, other) 定义取模算法的行为： %
5. __divmod__(self, other) 定义当被 divmod() 调用时的行为
6. divmod(a, b) 把除数和余数运算结果结合起来，返回一个包含商和余数的元组 (a // b, a % b) 。

print(divmod(7, 2)) #(3, 1)
print(divmod(8, 2)) #(4, 0)

1. __pow__(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
2. __lshift__(self, other) 定义按位左移位的行为： <<
3. __rshift__(self, other) 定义按位右移位的行为： >>
4. __and__(self, other) 定义按位与操作的行为： &
5. __xor__(self, other) 定义按位异或操作的行为： ^
6. __or__(self, other) 定义按位或操作的行为： |
三、反算术运算符
反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。
1. __radd__(self, other) 定义加法的行为： +
2. __rsub__(self, other) 定义减法的行为： -
3. __rmul__(self, other) 定义乘法的行为： *
4. __rtruediv__(self, other) 定义真除法的行为： /
5. __rfloordiv__(self, other) 定义整数除法的行为： //
6. __rmod__(self, other) 定义取模算法的行为： %
7. __rdivmod__(self, other) 定义当被 divmod() 调用时的行为
8. __rpow__(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
9. __rlshift__(self, other) 定义按位左移位的行为： <<
10. __rrshift__(self, other) 定义按位右移位的行为： >>
11. __rand__(self, other) 定义按位与操作的行为： &
12. __rxor__(self, other) 定义按位异或操作的行为： ^
13. __ror__(self, other) 定义按位或操作的行为： |
a + b
这里加数是 a ，被加数是 b ，因此是 a 主动，反运算就是如果 a 对象的 __add__() 方法没有实现或者不支持相应的操
作，那么 Python 就会调用 b 的 __radd__() 方法。

class Nint(int):
    def __radd__(self, other):
        return int.__sub__(other, self) # 注意 self 在后面

a = Nint(5)
b = Nint(3)
print(a + b)#8
print(1 + b)#-2

四、增量赋值运算符
1. __iadd__(self, other) 定义赋值加法的行为： +=
2. __isub__(self, other) 定义赋值减法的行为： -=
3. __imul__(self, other) 定义赋值乘法的行为： *=
4. __itruediv__(self, other) 定义赋值真除法的行为： /=
5. __ifloordiv__(self, other) 定义赋值整数除法的行为： //=
6. __imod__(self, other) 定义赋值取模算法的行为： %=
7. __ipow__(self, other[, modulo]) 定义赋值幂运算的行为： **=
8. __ilshift__(self, other) 定义赋值按位左移位的行为： <<=
9. __irshift__(self, other) 定义赋值按位右移位的行为： >>=
10. __iand__(self, other) 定义赋值按位与操作的行为： &=
11. __ixor__(self, other) 定义赋值按位异或操作的行为： ^=
12. __ior__(self, other) 定义赋值按位或操作的行为： |=
五、一元运算符
1. __neg__(self) 定义正号的行为： +x
2. __pos__(self) 定义负号的行为： -x
3. __abs__(self) 定义当被 abs() 调用时的行为
4. __invert__(self) 定义按位求反的行为： ~x
六、属性访问
__getattr__ ， __getattribute__ ， __setattr__ 和 __delattr__
__getattr__(self, name) : 定义当用户试图获取一个不存在的属性时的行为。
__getattribute__(self, name) ：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用 __getattr__ ）。
__setattr__(self, name, value) ：定义当一个属性被设置时的行为。
__delattr__(self, name) ：定义当一个属性被删除时的行为。

class C:
    def __getattribute__( self, item):
        print('__getattribute__' )
        return super().__getattribute__(item)
    def __getattr__(self, item):
        print('__getattr__' )
    def __setattr__(self, key, value):
        print('__setattr__' )
        super().__setattr__(key, value)
        
    def __delattr__(self, item):
        print('__delattr__' )
        super().__delattr__(item)
        
c = C()
c.x
#__getattribute__
#__getattr__

c.x = 1
#__setattr__

del c.x
#__delattr__

七、描述符

描述符就是将某种特殊类型的类的实例指派给另一个类的属性。
1. __get__(self, instance, owner) 用于访问属性，它返回属性的值。
2. __set__(self, instance, value) 将在属性分配操作中调用，不返回任何内容。
3. __del__(self, instance) 控制删除操作，不返回任何内容。

class MyDecriptor:
    def __get__(self, instance, owner):
        print('__get__' , self, instance, owner)
        
    def __set__(self, instance, value):
        print('__set__' , self, instance, value)
        
    def __delete__(self, instance):
        print('__delete__' , self, instance)
class Test:
    x = MyDecriptor()
t = Test()
t.x
#__get__ <__main__.MyDecriptor object at 0x0000025F51B03B70> <__main__.Test object at 0x0000025F51B37048> <class '__main__.Test'>
In [61]:
t.x = 'x-man'
#__set__ <__main__.MyDecriptor object at 0x0000025F51B03B70> <__main__.Test object at 0x0000025F51B37048> x-man
In [62]:

del t.x
#__delete__ <__main__.MyDecriptor object at 0x0000025F51B03B70> <__main__.Test object at 0x0000025F51B37048>

八、定制序列
协议（ Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。
容器类型的协议
1. 如果说你希望定制的容器是不可变的话，你只需要定义 __len__() 和 __getitem__() 方法。
2. 如果你希望定制的容器是可变的话，除了 __len__() 和 __getitem__() 方法，你还需要定义 __setitem__()和 __delitem__() 两个方法。
【例子】编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList:
    def __init__(self, *args):
        self.values = [x for x in args]
        self.count = {}.fromkeys( range(len(self.values)), 0)
    
    def __len__(self):
        return len(self.values)
     
    def __getitem__(self, item):
        self.count[item] += 1
        return self.values[item]
    
c1 = CountList( 1, 3, 5, 7, 9)
c2 = CountList( 2, 4, 6, 8, 10)
print(c1[1]) #3
print(c2[2])#6
print(c1[ 1] + c2[ 1])#7
print(c1.count) #{0: 0, 1: 3, 2: 0, 3: 0, 4: 0}
print(c2.count)#{0: 0, 1: 1, 2: 3, 3: 0, 4: 0}

1. __len__(self) 定义当被 len() 调用时的行为（返回容器中元素的个数）。
2. __getitem__(self, key) 定义获取容器中元素的行为，相当于 self[key] 。
3. __setitem__(self, key, value) 定义设置容器中指定元素的行为，相当于 self[key] = value 。
4. __delitem__(self, key) 定义删除容器中指定元素的行为，相当于 del self[key] 。
【例子】编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。

class CountList:
    def __init__(self, *args):
        self.values = [x for x in args]
        self.count = {}.fromkeys( range(len(self.values)), 0)
    
    def __len__(self):
        return len(self.values)
    
    def __getitem__(self, item):
        self.count[item] += 1
        return self.values[item]
    
    def __setitem__(self, key, value):
        self.values[key] = value
        

    def __delitem__(self, key):
        del self.values[key]
        for i in range(0, len(self.values)):
            if i >= key:
                self.count[i] = self.count[i + 1]
                self.count.pop(len(self.values))
c1 = CountList( 1, 3, 5, 7, 9)
c2 = CountList( 2, 4, 6, 8, 10)
print(c1[1]) #3
print(c2[ 2])#6
c2[2] = 12
print(c1[1] + c2[2])#15
print(c2.count)#{0: 0, 1: 3, 2: 0, 3: 0, 4: 0}
print(c2.count)#{0: 0, 1: 0, 2: 2, 3: 0, 4: 0}

九、迭代器
1. 迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
2. 迭代器是一个可以记住遍历的位置的对象。
3. 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
4. 迭代器只能往前不会后退。
5. 字符串，列表或元组对象都可用于创建迭代器：

string = 'lsgogroup'
for c in string:
    print(c)
#
l
s
g
o
g
r
o
u
p

for c in iter(string):
    print(c)

'''
l
s
g
o
g
r
o
u
p
'''

links = {'B' : ' 百度' , 'A' : ' 阿里' , 'T' : ' 腾讯' }
for each in links:
    print('%s -> %s'  % (each, links[each]))

'''
B ->  百度
A ->  阿里
T ->  腾讯
'''

for each in iter(links):
    print('%s -> %s'  % (each, links[each]))

'''
B ->  百度
A ->  阿里
T ->  腾讯
'''

1. 迭代器有两个基本的方法： iter() 和 next() 。
2. iter(object) 函数用来生成迭代器。
3. next(iterator[, default]) 返回迭代器的下一个项目。
4. iterator -- 可迭代对象
5. default -- 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发StopIteration 异常。

links = {'B' : ' 百度' , 'A' : ' 阿里' , 'T' : ' 腾讯' }
it = iter(links)
print(next(it))#B
print(next(it))#A
print(next(it))#T
print(next(it))#StopIteration: 

it = iter(links)
while True:
    try:
        each = next(it)
    except StopIteration:
        break
    print(each)
'''
B
A
T
'''

把一个类作为一个迭代器使用需要在类中实现两个魔法方法 __iter__() 与 __next__() 。
1. __iter__(self) 定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了__next__() 方法并通过 StopIteration 异常标识迭代的完成。
2. __next__() 返回下一个迭代器对象。
3. StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在 __next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。

class Fibs:
    def __init__(self, n=10):
        self.a = 0
        self.b = 1
        self.n = n
        
    def __iter__(self):
        return self
    
    def __next__(self):
        self.a, self.b = self.b, self.a + self.b
        if self.a > self.n:
            raise StopIteration
        return self.a
fibs = Fibs(100)
for each in fibs:
    print(each, end=' ' ) #1 1 2 3 5 8 13 21 34 55 89 

十、生成器
1. 在 Python 中，使用了 yield 的函数被称为生成器（ generator）。
2. 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
3. 在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
4. 调用一个生成器函数，返回的是一个迭代器对象。

def myGen():
    print(' 生成器执行！ ' )
    yield 1
    yield 2
myG = myGen()
print(next(myG))
'''
 生成器执行！ 
1
'''
print(next(myG)) #2
print(next(myG)) # StopIteration:
myG = myGen()
for each in myG:
    print(each)
'''
 生成器执行！ 
1
2
'''

【例子】用生成器实现斐波那契数列。

def libs(n):
    a = 0
    b = 1
    while True:
        a, b = b, a + b
        if a > n:
            return
        yield a

for each in libs(100):
    print(each, end=' ' )
#1 1 2 3 5 8 13 21 34 55 89 

练习题：

1、上面提到了许多魔法方法，如__new__,__init__, __str__,__rstr__,__getitem__,__setitem__等等，请总结它们各自的使用方法。

__new__ ：对象实例化时调用的第一个方法，至少需要一个参数cls，此参数代表要实例化的类。该方法对当前类进行实例化，并将当前类返回，传至 init 的 self 中。
__init__：类实例化时自动调用
__str__：当打印一个对象，使用%s格式化或者强制转换时候触发
__rstr__：没有这个
__getitem__：定义获取容器中元素的行为
__setitem__：定义设置容器中制定元素的行为

2、利用python做一个简单的定时器类
要求:
a. 定制一个计时器的类。
b. start 和 stop 方法代表启动计时和停止计时。
c. 假设计时器对象 t1 ， print(t1) 和直接调用 t1 均显示结果。
d. 当计时器未启动或已经停止计时时，调用 stop 方法会给予温馨的提示。
e. 两个计时器对象可以进行相加： t1+t2 。
f. 只能使用提供的有限资源完成。

import time
class TimeCount:
    start_time = 0
    stop_time = 0
    def __add__(self,  other):
        together = int.__add__(self.secs,  other.secs)
        return '总共运行了%d秒' % together
    def __repr__(self):
        ret = getattr(self,  'secs',  '未开始计时')
        if isinstance(ret,  int):
            return '总共运行了%d秒' % ret
        return ret
    def start(self):
        self.start_time = time.time()
        print('开始计时！')
    def stop(self):
        if self.start_time == 0:
            print('请先调用 start() 开始计时！')
        else:
            self.stop_time = time.time()
            self.secs = round(self.stop_time - self.start_time)
a = TimeCount()
a#未开始计时
a.stop()
#请先调用 start() 开始计时！
a.start()#开始计时！
a.stop()
a
#总共运行了16秒
b = TimeCount()
b.start()
#开始计时！
b.stop()
b
#总共运行了6秒
a + b
#'总共运行了22秒'