Python笔记之魔法方法

最新推荐文章于 2024-04-19 21:46:17 发布

暗黑森林

最新推荐文章于 2024-04-19 21:46:17 发布

阅读量125

点赞数 1

文章标签： python

本文链接：https://blog.youkuaiyun.com/m0_48596828/article/details/109248121

版权

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）。

cls：代表一个类的名称
self：代表一个实例对象的名称

基本的魔法方法

init(self[, …])

构造器，当一个实例被创建的时候调用的初始化方法

class Rectangle:
 def __init__(self, x, y):
 self.x = x
 self.y = y
 def getPeri(self):
 return (self.x + self.y) * 2
 def getArea(self):
 return self.x * self.y
rect = Rectangle(4, 5)
print(rect.getPeri())
 # 18
 
print(rect.getArea())
 # 20

new(cls[, …])

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 。
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 。
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)

# 结果：
# 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)

# 结果：
# 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))
 # 260728291456
 
b = Earth()
print(id(b))
 # 260728291624
 
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)) 
# 512320401648

b = Earth()
print(id(b)) 
# 512320401648

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。

str 和 repr

str(self) :

当你打印一个对象的时候，触发 str
当你使用 %s 格式化的时候，触发 str
str 强转数据类型的时候，触发 str

repr(self):

repr 是 str 的备胎
有 str 的时候执行 str ,没有实现 str 的时候，执行 repr
repr(obj) 内置函数对应的结果是 repr 的返回值
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):
 """返回一个对象的描述信息"""
 return "名字是:%s , 年龄是:%d" % (self.name, self.age)
 
 def __repr__(self):
 """返回一个对象的描述信息"""
 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))
tom = Cat("汤姆", 30)# 创建了一个对象
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。

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。

add(self, other) 定义加法的行为： +
sub(self, other) 定义减法的行为： -
mul(self, other) 定义乘法的行为： *
truediv(self, other) 定义真除法的行为： /
floordiv(self, other) 定义整数除法的行为： //
mod(self, other) 定义取模算法的行为： %
divmod(self, other) 定义当被 divmod() 调用时的行为
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) 。
pow(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
lshift(self, other) 定义按位左移位的行为： <<
rshift(self, other) 定义按位右移位的行为： >>
and(self, other) 定义按位与操作的行为： &
xor(self, other) 定义按位异或操作的行为： ^
or(self, other) 定义按位或操作的行为： |

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。

radd(self, other) 定义加法的行为： +
rsub(self, other) 定义减法的行为： -
rmul(self, other) 定义乘法的行为： *
rtruediv(self, other) 定义真除法的行为： /
rfloordiv(self, other) 定义整数除法的行为： //
rmod(self, other) 定义取模算法的行为： %
rdivmod(self, other) 定义当被 divmod() 调用时的行为
rpow(self, other[, module]) 定义当被 power() 调用或 ** 运算时的行为
rlshift(self, other) 定义按位左移位的行为： <<
rrshift(self, other) 定义按位右移位的行为： >>
rand(self, other) 定义按位与操作的行为： &
rxor(self, other) 定义按位异或操作的行为： ^
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

增量赋值运算符

iadd(self, other) 定义赋值加法的行为： +=
isub(self, other) 定义赋值减法的行为： -=
imul(self, other) 定义赋值乘法的行为： *=
itruediv(self, other) 定义赋值真除法的行为： /=
ifloordiv(self, other) 定义赋值整数除法的行为： //=
imod(self, other) 定义赋值取模算法的行为： %=
ipow(self, other[, modulo]) 定义赋值幂运算的行为： **=
ilshift(self, other) 定义赋值按位左移位的行为： <<=
irshift(self, other) 定义赋值按位右移位的行为： >>=
iand(self, other) 定义赋值按位与操作的行为： &=
ixor(self, other) 定义赋值按位异或操作的行为： ^=
ior(self, other) 定义赋值按位或操作的行为： |=

一元运算符

neg(self) 定义正号的行为： +x
pos(self) 定义负号的行为： -x
abs(self) 定义当被 abs() 调用时的行为
invert(self) 定义按位求反的行为： ~x

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__

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。

get(self, instance, owner) 用于访问属性，它返回属性的值。
set(self, instance, value) 将在属性分配操作中调用，不返回任何内容。
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 0x000000CEAAEB6B00> <__main__.Test object at 0x000000CEABDC0898> <class '__main__.Test'>

t.x = 'x-man'
# __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-man

del t.x
# __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>

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

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。
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: 2, 2: 0, 3: 0, 4: 0}

print(c2.count)
# {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}

len(self) 定义当被 len() 调用时的行为（返回容器中元素的个数）。
getitem(self, key) 定义获取容器中元素的行为，相当于 self[key] 。
setitem(self, key, value) 定义设置容器中指定元素的行为，相当于 self[key] = value 。
delitem(self, key) 定义删除容器中指定元素的行为，相当于 del self[key] 。

迭代器

迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
迭代器是一个可以记住遍历的位置的对象。
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。
迭代器只能往前不会后退。
字符串，列表或元组对象都可用于创建迭代器：
迭代器有两个基本的方法： iter() 和 next() 。
iter(object) 函数用来生成迭代器。
next(iterator[, default]) 返回迭代器的下一个项目。
iterator – 可迭代对象
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。

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() 。

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。
next() 返回下一个迭代器对象。
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。

生成器

在 Python 中，使用了 yield 的函数被称为生成器（generator）。
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。
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。
调用一个生成器函数，返回的是一个迭代器对象。

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