Python基础十五：面向对象编程四：高级特性

Python基础十五：面向对象编程四：高级特性

---

Python基础系列内容为学习廖雪峰老师Python3教程的记录，廖雪峰老师官网地址：廖雪峰Python3教程

---

Author:yooongchun

Email:yooongchun@foxmail.com

---

• __slots__方法

  常规情况下，对一个类可以任意绑定属性，但当我们不希望这样的情况发生时，则可以限定能绑定的属性，使用的方式只需在创建类的时候把允许绑定的属性赋值给__slots__，比如我们希望仅能绑定name和score属性

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

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

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

• 使用@property

  在绑定属性时，如果我们直接把属性暴露出去，虽然写起来很简单，但是，没办法检查参数，导致可以把成绩随便改：

  s = Student()
  s.score = 9999

  这显然不合逻辑。为了限制score的范围，可以通过一个set_score()方法来设置成绩，再通过一个get_score()来获取成绩，这样，在set_score()方法里，就可以检查参数：

  class Student(object):
    def get_score(self):
         return self._score
    def set_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

  现在，对任意的Student实例进行操作，就不能随心所欲地设置score了：

  >>> s = Student()
  >>> s.set_score(60)
  >>> s.get_score()
  60
  >>> s.set_score(9999)
  Traceback (most recent call last):
  ...
  ValueError: score must between 0 ~ 100!

  但是，上面的调用方法又略显复杂，没有直接用属性这么直接简单。

  有没有既能检查参数，又可以用类似属性这样简单的方式来访问类的变量呢？对于追求完美的Python程序员来说，这是必须要做到的！

  还记得装饰器（decorator）可以给函数动态加上功能吗？对于类的方法，装饰器一样起作用。Python内置的@property装饰器就是负责把一个方法变成属性调用的：

  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

  @property的实现比较复杂，我们先考察如何使用。把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值，于是，我们就拥有一个可控的属性操作：

  >>> 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!

  注意到这个神奇的@property，我们在对实例属性操作的时候，就知道该属性很可能不是直接暴露的，而是通过getter和setter方法来实现的。

  还可以定义只读属性，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

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

• 多重继承

  继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以拓展父类的功能。

  回顾之前的Animal类，假设我们要实现这几种动物：Dog Bat Parrot Ostrich

  如果按照哺乳动物和鸟类归类，我们可以设计出这样的类的层次：

  

  但是如果按照“能跑”和“能飞”来归类，我们就应该设计出这样的类的层次：

  

  如果要把上面的两种分类都包含进来，我们就得设计更多的层次：

  • 哺乳类：能跑的哺乳类，能飞的哺乳类；
  • 鸟类：能跑的鸟类，能飞的鸟类。

  这么一来，类的层次就复杂了：

  

  为了避免这种情况，就可以使用多重继承。首先，主要的类仍就是按照哺乳类和鸟类进行设计：

  class Animal:
  pass
  
  
  #大分类  
  
  class Mammal(Animal):
  pass
  
  class Bird(Animal):
  pass
  
  
  ##底层类
  
  class Dog(Mammal):
  pass
  
  class Bat(Mammal):
  pass
  
  class Parrot(Bird):
  pass
  
  class Ostrich(Bird):
  pass

  现在，我们再为动物添加Runnable和Flyable功能，只需先定义好这两个类：

  
  #额外属性类
  
  class Runnable(object):
  def run(self):
      print('Running...')     
  class Flyable(object):
  def fly(self):
      print('Flying...')

  此时，我们给需要额外属性的子类添加相应的父类

  class Dog(Mammal,Runnable):
    pass
  
  class Bat(Mammal,Flyable):
    pass

  这样，通过多继承，子类就拥有了多个父类的功能。这种混合式继承的设计方式称之为MixIn。为了能明显看出是多继承关系，我们一般会把上面类似Runnable和Flyable的额外添加的类命名为RunnableMixIn和FlyableMixIn。Python自带的很多类也是用了这样的设计。

• 定制类

  形如__xxx__这样的变量或者方法在Python中有着特殊的用途。可以用来为我们自己写的类定制特定的功能，下面我们来介绍常用的几个

  1.__slots__:这个我们在之前已经介绍过，可以用来限定类的属性。

  2.__len()__:这个方法我们也介绍过，是为了能让自己写的类使用len()函数。

  3.__str__:

  我们先定义一个Student类，打印一个实例：

  >>> class Student(object):
  ...     def __init__(self, name):
  ...         self.name = name
  ...
  >>> print(Student('Michael'))
  <__main__.Student object at 0x109afb190>

  打印出一堆<__main__.Student object at 0x109afb190>，不好看。

  怎么才能打印得好看呢？只需要定义好__str__()方法，返回一个好看的字符串就可以了：

  >>> 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)

  这样打印出来的实例，不但好看，而且容易看出实例内部重要的数据。

  但是你会发现直接敲变量，打印出来的实例还是不好看：

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

  这是因为直接显示变量调用的不是__str__()，而是__repr__()，两者的区别是__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__()。但是通常__str__()和__repr__()代码都是一样的，所以，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__
  

  4.__iter__

  如果一个类想被用于for ... in循环，类似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，然后，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。

  class Fib(object):
    def __init__(self):
        self.a,self.b=0,1
  
    def __iter__(self):
        return self #实例本身就是迭代对象
  
    def __next__(self):
        self.a,self.b=self.b,self.a+self.b
        if self.a>10000:
            raise StopIteration()
        return self.a
  

  现在来调用

  >>> L=[]
  >>> for n in Fib():
  ...     L.append(n)
  ...
  >>> L
  [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]

  5.__getitem__

  如果要让上面的Fib类实现用下标来获得元素，那么需要为其实现__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

  现在就可以是用下标来进行调用操作

  >>> f=Fib()
  >>> f[1]
  1
  >>> f[5]
  8
  >>> f[12]
  233
  >>> f[111]
  114059301025943970552219

  类似的，还可以实现类于list的其他功能，可以使用诸如__setitem__(),__delitem__()等方法。

  6.__getattr__

  正常情况下，当我们调用类的方法或属性时，如果不存在，就会报错。比如定义Student类：

  class Student(object):
  
    def __init__(self):
        self.name = 'Michael'

  调用name属性，没问题，但是，调用不存在的score属性，就有问题了：

  >>> s = Student()
  >>> print(s.name)
  Michael
  >>> print(s.score)
  Traceback (most recent call last):
  ...
  AttributeError: 'Student' object has no attribute 'score'

  错误信息很清楚地告诉我们，没有找到score这个attribute。

  要避免这个错误，除了可以加上一个score属性外，Python还有另一个机制，那就是写一个__getattr__()方法，动态返回一个属性。修改如下：

  class Student(object):
  
    def __init__(self):
        self.name = 'Michael'
  
    def __getattr__(self, attr):
        if attr=='score':
            return 99

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

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

• 使用枚举类

  当我们需要定义常量时，比如月份，可以采用枚举类来完成，Python提供了Enum类来完成这个功能。

  示例：使用枚举类定义月份

  from enum import Enum
  Month=Enum('Month',('Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'));

  这样我们就获得了Month类型的枚举类，可以直接使用Month.xxx的形式来引用一个常量，或者枚举其所有成员

  >>> for name,member in Month.__members__.items():
  ...     print(name,'=>',member,',',member.value)
  ...
  Jan => Month.Jan , 1
  Feb => Month.Feb , 2
  Mar => Month.Mar , 3
  Apr => Month.Apr , 4
  May => Month.May , 5
  Jun => Month.Jun , 6
  Jul => Month.Jul , 7
  Aug => Month.Aug , 8
  Sep => Month.Sep , 9
  Oct => Month.Oct , 10
  Nov => Month.Nov , 11
  Dec => Month.Dec , 12
  >>>

  value属性是自动赋值给成员的int型变量，默认从1开始。

• 使用元类

  动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。

  比方说我们要定义一个Hello的class，就写一个hello.py模块：

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

  当Python解释器载入hello模块时，就会依次执行该模块的所有语句，执行结果就是动态创建出一个Hello的class对象，测试如下：

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

  type()函数可以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。

  我们说class的定义是运行时动态创建的，而创建class的方法就是使用type()函数。

  type()函数既可以返回一个对象的类型，又可以创建出新的类型，比如，我们可以通过type()函数创建出Hello类，而无需通过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)) # 创建Hello class
  >>> h = Hello()
  >>> h.hello()
  Hello, world.
  >>> print(type(Hello))
  <class 'type'>
  >>> print(type(h))
  <class '__main__.Hello'>

  要创建一个class对象，type()函数依次传入3个参数：

  1. class的名称；
  2. 继承的父类集合，注意Python支持多重继承，如果只有一个父类，别忘了tuple的单元素写法；
  3. class的方法名称与函数绑定，这里我们把函数fn绑定到方法名hello上。

  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。

  正常情况下，我们都用class Xxx...来定义类，但是，type()函数也允许我们动态创建出类来，也就是说，动态语言本身支持运行期动态创建类，这和静态语言有非常大的不同，要在静态语言运行期创建类，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，会非常复杂。

  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。

  metaclass，直译为元类，简单的解释就是：

  当我们定义了类以后，就可以根据这个类创建出实例，所以：先定义类，然后创建实例。

  但是如果我们想创建出类呢？那就必须根据metaclass创建出类，所以：先定义metaclass，然后创建类。

  连接起来就是：先定义metaclass，就可以创建类，最后创建实例。

  所以，metaclass允许你创建类或者修改类。换句话说，你可以把类看成是metaclass创建出来的“实例”。

  metaclass是Python面向对象里最难理解，也是最难使用的魔术代码。正常情况下，你不会碰到需要使用metaclass的情况，所以，以下内容看不懂也没关系，因为基本上你不会用到。

  我们先看一个简单的例子，这个metaclass可以给我们自定义的MyList增加一个add方法：

  定义ListMetaclass，按照默认习惯，metaclass的类名总是以Metaclass结尾，以便清楚地表示这是一个metaclass：

  
  # metaclass是类的模板，所以必须从`type`类型派生：
  
  class ListMetaclass(type):
    def __new__(cls, name, bases, attrs):
        attrs['add'] = lambda self, value: self.append(value)
        return type.__new__(cls, name, bases, attrs)

  有了ListMetaclass，我们在定义类的时候还要指示使用ListMetaclass来定制类，传入关键字参数metaclass：

  class MyList(list, metaclass=ListMetaclass):
    pass

  当我们传入关键字参数metaclass时，魔术就生效了，它指示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，比如，加上新的方法，然后，返回修改后的定义。

  __new__()方法接收到的参数依次是：

  1. 当前准备创建的类的对象；
  2. 类的名字；
  3. 类继承的父类集合；
  4. 类的方法集合。

  测试一下MyList是否可以调用add()方法：

  >>> L = MyList()
  >>> L.add(1)
  >> L
  [1]

  而普通的list没有add()方法：

  >>> L2 = list()
  >>> L2.add(1)
  Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  AttributeError: 'list' object has no attribute 'add'

  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。

  让我们来尝试编写一个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，我们期待他写出这样的代码：

  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):
        if name=='Model':
            return type.__new__(cls, name, bases, attrs)
        print('Found model: %s' % name)
        mappings = dict()
        for k, v in attrs.items():
            if isinstance(v, Field):
                print('Found mapping: %s ==> %s' % (k, v))
                mappings[k] = v
        for k in mappings.keys():
            attrs.pop(k)
        attrs['__mappings__'] = mappings # 保存属性和列的映射关系
        attrs['__table__'] = name # 假设表名和类名一致
        return type.__new__(cls, name, bases, attrs)

  以及基类Model：

  class Model(dict, metaclass=ModelMetaclass):
  
    def __init__(self, **kw):
        super(Model, self).__init__(**kw)
  
    def __getattr__(self, key):
        try:
            return self[key]
        except KeyError:
            raise AttributeError(r"'Model' object has no attribute '%s'" % key)
  
    def __setattr__(self, key, value):
        self[key] = value
  
    def save(self):
        fields = []
        params = []
        args = []
        for k, v in self.__mappings__.items():
            fields.append(v.name)
            params.append('?')
            args.append(getattr(self, k, None))
        sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params))
        print('SQL: %s' % sql)
        print('ARGS: %s' % str(args))

  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。

  在ModelMetaclass中，一共做了几件事情：

  1. 排除掉对Model类的修改；
  2. 在当前类（比如User）中查找定义的类的所有属性，如果找到一个Field属性，就把它保存到一个__mappings__的dict中，同时从类属性中删除该Field属性，否则，容易造成运行时错误（实例的属性会遮盖类的同名属性）；
  3. 把表名保存到__table__中，这里简化为表名默认为类名。

  在Model类中，就可以定义各种操作数据库的方法，比如save()，delete()，find()，update等等。

  我们实现了save()方法，把一个实例保存到数据库中。因为有表名，属性到字段的映射和属性值的集合，就可以构造出INSERT语句。

  编写代码试试：

  u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')
  u.save()

  输出如下：

  Found model: User
  Found mapping: email ==> <StringField:email>
  Found mapping: password ==> <StringField:password>
  Found mapping: id ==> <IntegerField:uid>
  Found mapping: name ==> <StringField:username>
  SQL: insert into User (password,email,username,id) values (?,?,?,?)
  ARGS: ['my-pwd', 'test@orm.org', 'Michael', 12345]

  可以看到，save()方法已经打印出了可执行的SQL语句，以及参数列表，只需要真正连接到数据库，执行该SQL语句，就可以完成真正的功能。