定制类
最后更新于:2022-04-01 01:14:01
看到类似`__slots__`这种形如`__xxx__`的变量或者函数名就要注意,这些在Python中是有特殊用途的。
`__slots__`我们已经知道怎么用了,`__len__()`方法我们也知道是为了能让class作用于`len()`函数。
除此之外,Python的class中还有许多这样有特殊用途的函数,可以帮助我们定制类。
### __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``,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。
但是细心的朋友会发现直接敲变量不用`print`,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__
~~~
### __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。
我们以斐波那契数列为例,写一个Fib类,可以作用于for循环:
~~~
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
~~~
现在,试试把Fib实例作用于for循环:
~~~
>>> for n in Fib():
... print(n)
...
1
1
2
3
5
...
46368
75025
~~~
### __getitem__
Fib实例虽然能作用于for循环,看起来和list有点像,但是,把它当成list来使用还是不行,比如,取第5个元素:
~~~
>>> Fib()[5]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'Fib' object does not support indexing
~~~
要表现得像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
~~~
现在,就可以按下标访问数列的任意一项了:
~~~
>>> f = Fib()
>>> f[0]
1
>>> f[1]
1
>>> f[2]
2
>>> f[3]
3
>>> f[10]
89
>>> f[100]
573147844013817084101
~~~
但是list有个神奇的切片方法:
~~~
>>> list(range(100))[5:10]
[5, 6, 7, 8, 9]
~~~
对于Fib却报错。原因是`__getitem__()`传入的参数可能是一个int,也可能是一个切片对象`slice`,所以要做判断:
~~~
class Fib(object):
def __getitem__(self, n):
if isinstance(n, int): # n是索引
a, b = 1, 1
for x in range(n):
a, b = b, a + b
return a
if isinstance(n, slice): # n是切片
start = n.start
stop = n.stop
if start is None:
start = 0
a, b = 1, 1
L = []
for x in range(stop):
if x >= start:
L.append(a)
a, b = b, a + b
return L
~~~
现在试试Fib的切片:
~~~
>>> f = Fib()
>>> f[0:5]
[1, 1, 2, 3, 5]
>>> f[:10]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
~~~
但是没有对step参数作处理:
~~~
>>> f[:10:2]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]
~~~
也没有对负数作处理,所以,要正确实现一个`__getitem__()`还是有很多工作要做的。
此外,如果把对象看成`dict`,`__getitem__()`的参数也可能是一个可以作key的object,例如`str`。
与之对应的是`__setitem__()`方法,把对象视作list或dict来对集合赋值。最后,还有一个`__delitem__()`方法,用于删除某个元素。
总之,通过上面的方法,我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别,这完全归功于动态语言的“鸭子类型”,不需要强制继承某个接口。
### __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
~~~
返回函数也是完全可以的:
~~~
class Student(object):
def __getattr__(self, attr):
if attr=='age':
return lambda: 25
~~~
只是调用方式要变为:
~~~
>>> s.age()
25
~~~
注意,只有在没有找到属性的情况下,才调用`__getattr__`,已有的属性,比如`name`,不会在`__getattr__`中查找。
此外,注意到任意调用如`s.abc`都会返回`None`,这是因为我们定义的`__getattr__`默认返回就是`None`。要让class只响应特定的几个属性,我们就要按照约定,抛出`AttributeError`的错误:
~~~
class Student(object):
def __getattr__(self, attr):
if attr=='age':
return lambda: 25
raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr)
~~~
这实际上可以把一个类的所有属性和方法调用全部动态化处理了,不需要任何特殊手段。
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。
举个例子:
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/friends)
* [http://api.server/user/timeline/list](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__
~~~
试试:
~~~
>>> Chain().status.user.timeline.list
'/status/user/timeline/list'
~~~
这样,无论API怎么变,SDK都可以根据URL实现完全动态的调用,而且,不随API的增加而改变!
还有些REST API会把参数放到URL中,比如GitHub的API:
~~~
GET /users/:user/repos
~~~
调用时,需要把`:user`替换为实际用户名。如果我们能写出这样的链式调用:
~~~
Chain().users('michael').repos
~~~
就可以非常方便地调用API了。有兴趣的童鞋可以试试写出来。
### __call__
一个对象实例可以有自己的属性和方法,当我们调用实例方法时,我们用`instance.method()`来调用。能不能直接在实例本身上调用呢?在Python中,答案是肯定的。
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。请看示例:
~~~
class Student(object):
def __init__(self, name):
self.name = name
def __call__(self):
print('My name is %s.' % self.name)
~~~
调用方式如下:
~~~
>>> s = Student('Michael')
>>> s() # self参数不要传入
My name is Michael.
~~~
`__call__()`还可以定义参数。对实例进行直接调用就好比对一个函数进行调用一样,所以你完全可以把对象看成函数,把函数看成对象,因为这两者之间本来就没啥根本的区别。
如果你把对象看成函数,那么函数本身其实也可以在运行期动态创建出来,因为类的实例都是运行期创建出来的,这么一来,我们就模糊了对象和函数的界限。
那么,怎么判断一个变量是对象还是函数呢?其实,更多的时候,我们需要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:
~~~
>>> callable(Student())
True
>>> callable(max)
True
>>> callable([1, 2, 3])
False
>>> callable(None)
False
>>> callable('str')
False
~~~
通过`callable()`函数,我们就可以判断一个对象是否是“可调用”对象。
### 小结
Python的class允许定义许多定制方法,可以让我们非常方便地生成特定的类。
本节介绍的是最常用的几个定制方法,还有很多可定制的方法,请参考[Python的官方文档](http://docs.python.org/3/reference/datamodel.html#special-method-names)。
### 参考源码
[special_str.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_str.py)
[special_iter.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_iter.py)
[special_getitem.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_getitem.py)
[special_getattr.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_getattr.py)
[special_call.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_call.py)