利用metaclass实现python的aop

本文介绍如何在Python中利用元类实现面向切面编程(AOP),通过定义元类和动态插入方法来实现前置和后置操作,展示了一个简单的实现示例。


修行Python个把星期,终于有点成果了,呵呵,一个利用metaclass实现的aop。

其实python这类非常动态的语言要实现AOP是很容易的,所以首先我们要来先定义一个metaclass

然后我们要在__new__()这个metaclass 的时候动态植入方法到要调用地方法的前后。

具体代码如下:

 1
 2 __author__= " alex "
 3 __date__ = " $2008-12-5 23:54:11$ "
 4 __name__= " pyaop "
 5
 6 '''
 7 这个metaclass是实现AOP的基础
 8 '''
 9 class pyaop(type):
10      '''
11     这个空方法是用来将后面的beforeop和afterop初始化成函数引用
12      '''
13      def nop(self):
14          pass
15      '''
16     下面这两个变量是类变量,也就是存放我们要植入的两个函数的地址的变量
17      '''
18     beforeop=nop
19     afterop=nop
20      '''
21     设置前后两个植入函数的类函数
22      '''
23     @classmethod
24      def setbefore(self,func):
25         pyaop.beforeop=func
26     @classmethod
27      def setafter(self,func):
28         pyaop.afterop=func
29      '''
30     初始化metaclass的函数,这个函数最重要的就是第四个参数,dict通过这个参数我们可以修改类的属性(方法)
31      '''
32      def  __new__(mcl,name,bases,dict):
33          from types  import FunctionType  # 加载类型模块的FunctionType
34         obj=object()  # 定义一个空对象的变量
35          '''
36         这个就是要植入的方法,func参数就是我们要调用的函数
37          '''
38          def aop(func):
39              '''
40             我们用这个函数来代替将要调用的函数
41              '''
42              def wrapper(*args, **kwds):
43                 pyaop.beforeop(obj)  # 调用前置函数
44                 value = func(*args, **kwds)  # 调用本来要调用的函数
45                 pyaop.afterop(obj)  # 调用后置函数
46                  return value  # 返回
47              return wrapper
48          # 在类的成员列表中查找即将调用的函数
49          for attr, value  in dict.iteritems():
50              if isinstance(value, FunctionType):
51                 dict[attr] = aop(value)  # 找到后用aop这个函数替换之
52         obj=super(pyaop, mcl). __new__(mcl, name, bases, dict)  # 调用父类的__new__()创建self
53          return obj
54     

 

使用的时候,如果我们要拦截一个类A的方法调用,就这样子:

 

 1 class A(object):
 2      __metaclass__ = pyaop
 3      def foo(self):
 4         total = 0
 5          for i  in range(100000):
 6             total = total+1
 7          print total
 8
 9      def foo2(self):
10          from time  import sleep
11         total = 0
12          for i  in range(100000):
13             total = total+1
14             sleep(0.0001)
15          print total

 

最后我们只需要:

 

 1 def beforep(self):
 2      print( ' before ')
 3 def afterp(self):
 4      print( ' after ')
 5
 6 if  __name__ ==  " __main__ ":
 7     pyaop.setbefore(beforep)
 8     pyaop.setafter(afterp)
 9     a=A()
10     a.foo()
11     a.foo2()

 这样子在执行代码的时候就得到了如下结果

before
100000
after
before
100000
after

这段代码耗时一天才调通(汗颜),是基于园里另外一贴 http://www.cnblogs.com/cavingdeep/archive/2006/08/22/483056.html 

基于遗传算法的微电网调度(风、光、蓄电池、微型燃气轮机)(Matlab代码实现)内容概要:本文档介绍了基于遗传算法的微电网调度模型,涵盖风能、太阳能、蓄电池和微型燃气轮机等多种能源形式,并通过Matlab代码实现系统优化调度。该模型旨在解决微电网中多能源协调运行的问题,优化能源分配,降低运行成本,提高可再生能源利用率,同时考虑系统稳定性与经济性。文中详细阐述了遗传算法在求解微电网多目标优化问题中的应用,包括编码方式、适应度函数设计、约束处理及算法流程,并提供了完整的仿真代码供复现与学习。此外,文档还列举了大量相关电力系统优化案例,如负荷预测、储能配置、潮流计算等,展示了广泛的应用背景和技术支撑。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能电网优化研究的工程技术人员。; 使用场景及目标:①学习遗传算法在微电网调度中的具体实现方法;②掌握多能源系统建模与优化调度的技术路线;③为科研项目、毕业设计或实际工程提供可复用的代码框架与算法参考; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注目标函数构建与约束条件处理,同时可参考文档中提供的其他优化案例进行拓展学习,以提升综合应用能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值