python：鸭子类型使用场景

最新推荐文章于 2025-06-16 15:14:13 发布

小徐也要努力鸭

最新推荐文章于 2025-06-16 15:14:13 发布

阅读量1.4k

点赞数 14

CC 4.0 BY-SA版权

分类专栏： Python 文章标签： python 开发语言

本文链接：https://blog.youkuaiyun.com/a232884c/article/details/138600617

Python 专栏收录该内容

15 篇文章

订阅专栏

python：鸭子类型使用场景

1 前言

“一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟可以被称为鸭子。“----鸭子模型

鸭子模型是Python中的一种编程哲学，也被称为“鸭子类型”。它来源于一句话：“如果它走起路来像鸭子，叫起来也像鸭子，那么它就是鸭子。”这个哲学思想强调对象的行为比其具体类型更重要。与C++、Java等编译型语言不一样的是，Python作为解释器语言，其语言层面的设计理念有独特之处，鸭子模型便是其中之一。在面向对象的世界中，编译型语言判断一个对象是否隶属于某个类，依靠的是类的继承机制，换句话说，即使一个对象实现了某个类的所有方法也不行；而在Python中，只要实例对象实现了某个类的所有必要的方法，即使不存在继承关系，也可以看作是这个类。

2 使用

举个简单的栗子：

class Duck:
    def walk(self):
        print(f'I am duck, walk with {self}')

    def drink(self):
        print(f'I am duck, drink with {self}')


class SmallBird:
    def walk(self):
        print(f'I am also duck, walk with {self}')

    def drink(self):
        print(f'I am also duck, drink with {self}')


def duck_action_run(obj):
    obj.walk()
    obj.drink()


duck = Duck()
smallBird = SmallBird()
duck_action_run(duck)

print('*' * 10)
duck_action_run(smallBird)

结果：

I am duck, walk with <__main__.Duck object at 0x0000017442006FA0>
I am duck, drink with <__main__.Duck object at 0x0000017442006FA0>
**********
I am also duck, walk with <__main__.SmallBird object at 0x0000017442006FD0>
I am also duck, drink with <__main__.SmallBird object at 0x0000017442006FD0>

在这里插入图片描述

我们来分析下这个简单示例，首先定义了Duck类和SmallBird类，分别具有walk方法和drink方法，两者并不具备任何继承关系；然后定义一个duck_action_run函数，该函数接收一个对象，在函数内调用该对象的walk方法和drink方法；最后实例化一个Duck和SmallBird对象，先后传递给duck_action_run函数来执行，并都可以执行成功。在这个例子里，我们可以引入一个"协议"的概念，"协议"代表一系列特征，譬如鸭子协议是walk和drink，任何实现了鸭子协议的对象都可以当作鸭子，这个就是鸭子模型和协议。

（1）再举个Python中更加常见的案例，with读取以及关闭文件资源：

“with”，上下文管理器。众所周知，在任何编程语言里面，文件处理都是基本的IO操作，都包含open和close两个操作，因为这两个操作是操作系统要求的。在操作系统里，每当打开一个文件，获取一个文件句柄后就会占用操作系统的资源，所以操作系统要求文件处理完后需要应用去close，释放掉文件句柄资源。然而现实情况是，开发者往往忘记close，最终导致资源泄漏问题频发。为了解决这个问题，Python使用with来进行上下文管理，在with的语句块结束后自动close，不再需要手动操作（with关键字会自动处理完后关闭文件资源，释放资源占用）。上下文管理器示例如下：

with open("xiaoxu.txt", 'r', encoding='utf-8') as f:
    f.read()

在上面这个例子中，在with语句中进行open操作，然后调用read方法，最后并没有显示调用close，但不存在资源释放问题，因此with结束后会自动调用了close。那么with的底层原理是什么？类比鸭子模型介绍中关于协议的概念：

协议（Protocol）则是一种约定或契约，描述了对象应该具有的方法和属性。在Python中，协议是一种非正式的接口定义方式，它没有严格的语法要求，只需确保对象实现了协议中定义的方法和属性即可。协议允许我们根据对象的行为来定义接口，而不依赖于具体的类或类型。使用协议，我们可以通过定义一个适当的接口来描述对象的行为，而不仅仅依赖于继承关系。这样，不同的对象可以来自不同的类，但只要它们实现了相同的协议，我们就可以在代码中使用它们。
Python中的一些常见协议包括可迭代协议（Iterable Protocol）、可调用协议（Callable Protocol）和上下文管理器协议（Context Manager Protocol）等。这些协议定义了一组方法或属性，用于描述对象应该具备的行为。

我们回到刚才的示例中，在with中对应的是实现上下文管理器协议__enter__方法和__exit__方法，换句话说，只要一个类具备__enter__方法和__exit__方法，就可以使用with管理，with开始时调用__enter__方法，结束时自动调用__exit__方法，示例代码如下：

class OwnFile:
    def run(self):
        pass

    def __enter__(self):
        print("开始读取")
        return self

    def __exit__(self, exc_type, exc_val, exc_tb):
        print(f'exc_type:{exc_type}, exc_val:{exc_val}, exc_tb:{exc_tb}')
        print('结束读取')


with OwnFile() as f:
    print(f)

结果：

开始读取
<__main__.OwnFile object at 0x000001E49570B2B0>
exc_type:None, exc_val:None, exc_tb:None
结束读取

在这里插入图片描述

在这个例子中，我们可以看到没有显示调用OwnFile的__enter__方法和__exit__方法，由with自动调用了，因此对于资源释放类，资源释放的操作可以放到__exit__方法中，这样配合with语句使用会方便很多，也降低出错的概率。

（2）另外以可迭代对象和迭代器为例：

可迭代 (iterable)：如果一个对象具备有__iter__() 或者 __getitem__()其中任何一个魔术方法的话，这个对象就可以称为是可迭代的。其中，__iter__()的作用是可以让for循环遍历，而__getitem__()方法可以让实例对象通过[index]索引的方式去访问实例中的元素。所以，列表List、元组Tuple、字典Dictionary、字符串String等数据类型都是可迭代的。

迭代器 (iterator): 如果一个对象同时有__iter__()和__next__()魔术方法的话，这个对象就可以称为是迭代器。__iter__()的作用前面我们也提到过，是可以让for循环遍历。而__next__()方法是让对象可以通过 next(实例对象) 的方式访问下一个元素。列表List、元组Tuple、字典Dictionary、字符串String等数据类型虽然是可迭代的，但都不是迭代器，因为他们都没有next( )方法。

如何判断可迭代(iterable) & 迭代器(iterator)

我们可以借助Python中的**isinstance(object, classinfo)**函数来判断一个对象是否是一个已知类型。如下例子中，通过isinstance( )函数分别判断列表、元组、字典、字符串是不是可迭代或迭代器。

from collections import Iterable
from collections import Iterator

print(f"List is 'Iterable': {isinstance([], Iterable)}")
print(f"Tuple is 'Iterable': {isinstance((), Iterable)}")
print(f"Dict is 'Iterable': {isinstance({}, Iterable)}")
print(f"String is 'Iterable': {isinstance('', Iterable)}")

print("=" * 25)

print(f"List is 'Iterator': {isinstance([], Iterator)}")
print(f"Tuple is 'Iterator': {isinstance((), Iterator)}")
print(f"Dict is 'Iterator': {isinstance({}, Iterator)}")
print(f"String is 'Iterator': {isinstance('', Iterator)}")

# 输出如下：
# List is 'Iterable': True
# Tuple is 'Iterable': True
# Dict is 'Iterable': True
# String is 'Iterable': True
# =========================
# List is 'Iterator': False
# Tuple is 'Iterator': False
# Dict is 'Iterator': False
# String is 'Iterator': False

通过对定义的分析和比较我们得知：迭代器都是可迭代的（因为迭代器都包含__iter__()函数），但可迭代的不一定是迭代器（因为未必每个可迭代就包含__next__()方法）。

创建一个迭代器

得益于Python的鸭子类型特性，只要我们实现类似具备某一特征的方法，就可以认为它就是什么。所以我们定义了一个类并在类中实现__iter__()和__next__()方法，那么这个类就可以当做是一个迭代器了。

from collections import Iterator


class Data:
    def __init__(self, x):
        self.x = x

    def __iter__(self):
        return self

    def __next__(self):
        if self.x >= 10:
            raise StopIteration
        else:
            self.x += 1
            return self.x


data = Data(0)

print(f"data is 'Iterator': {isinstance(data, Iterator)}")

# 输出如下：
# data is 'Iterator': True

如上例子中我们可以看到，最后我们用isinstance()函数判断得到结果为True，证明我们定义的实例对象是一个真正的迭代器了。因为是迭代器，我们就可以用for循环来验证试试。

class Data:
    def __init__(self, x):
        self.x = x

    def __iter__(self):
        return self

    def __next__(self):
        if self.x >= 10:
            raise StopIteration
        else:
            self.x += 1
            return self.x


data = Data(0)

for d in data:
    print(d)

# 输出如下：
# 1
# 2
# 3
# 4
# 5
# 6
# 7
# 8
# 9
# 10

执行结果：

在这里插入图片描述

上述例子中，我们定义的类对象内部，把x的值显示在大于等于10以内，否则就会抛出StopIteration异常错误（当然实际使用时并不会出错，只是中断继续执行。）我们先创建了一个初始值为0的实例对象，最后顺利的用for循环遍历了从1到10的数字，因为内部对大于等于10的限制，所以输出到10的时候就停止了。特别要注意的是，如果你再次单独去执行for循环的话不会有任何输出，因为迭代器默认只运行一次。

除了自己定义__iter__()和__next__()魔术方法的外，我们还可以使用Python内置的iter()函数来返回一个迭代器，像下面这样。iter()方法，可以传入可迭代对象（可迭代对象有__iter__()和__getitem__()魔术方法）参数，返回迭代器对象（迭代器对象有__iter__()和__next__()魔术方法）。

from collections.abc import Iterator

list_a = [1, 2, 3, 4, 5, 6]
my_iterator = iter(list_a)

print(f"my_iterator is 'Iterator': {isinstance(my_iterator, Iterator)}")

# 输出如下：
# my_iterator is 'Iterator': True

我们知道，迭代器必须具备两个基本方法__iter__()和__next__()，而__next__()方法是让对象可以通过 next(实例对象) 的方式访问下一个元素。所以让我们验证下用next()的方式去访问这个我们转换过的迭代器是否能正常运行。

from collections.abc import Iterator

list_a = [1, 2]
my_iterator = iter(list_a)

print(f"my_iterator is 'Iterator': {isinstance(my_iterator, Iterator)}")

# 输出如下：
# my_iterator is 'Iterator': True

print(next(my_iterator))
print(next(my_iterator))
print(next(my_iterator))  # error:StopIteration
# 输出如下：
# 1
# 2
# StopIteration

最后，我们还可以使用Python内置的dir()函数来看看传入参数的属性，方法等信息，比如我们用它来看看之前从list转换成的my_iterator迭代器。

print(dir(my_iterator))

结果：

['__class__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', 
'__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', 
'__iter__', '__le__', '__length_hint__', '__lt__', '__ne__', '__new__', '__next__', 
'__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setstate__', '__sizeof__', 
'__str__', '__subclasshook__']

可以发现，也是意料之中的，my_iterator迭代器包含了两个基本方法__iter__()和__next__()方法。

（3）总结一下

在Python中，鸭子模型指的是我们关注对象的行为（方法和属性）而不是其具体的类型。如果一个对象具有我们所期望的行为，我们就可以将其视为满足我们的需求，而无需关注其实际的类型。这种灵活性使得在Python中编写可重用和灵活的代码变得更加容易。例如，如果我们编写了一个需要迭代对象的函数，我们只关心对象是否具有__iter__()方法，而不关心它是否是一个具体的列表、元组或集合。

总之，鸭子模型让我们专注于对象的行为而不是其具体类型，在编写灵活、可重用的代码时非常有用。