大家好，这一期我想和大家分享一个OOP编程的高效神器：attrs库。
这可能是 Python 面向对象编程的最佳实践。
为什么需要attrs库
在编写大型项目时，特别是在开发和维护大型项目时，你可能会发现编写 Python 类很繁琐。
我们经常需要添加构造函数、表示方法、比较函数等。这些函数很麻烦，而这正是语言应该透明地处理的。
之前的文章，我们介绍过在Python 3.7（PEP 557）后引入一个新功能是装饰器
@dataclass帮助我们优雅的处理这一系列问题。今天我们继续介绍另一个能打的库：attrs。
attrs统一了类属性描述，让代码更加简洁可读。
如果要写一个完整的类需要加上很多内置方法的实现。这会导致大量的重复工作，而且代码会非常冗长。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from typing import Any
class Coordinate:
def __init__(self, x: Any, y: Any) -> None:
self.x = x # 设置横坐标
self.y = y # 设置纵坐标
def __repr__(self) -> str:
return f"Coordinate(x={self.x}, y={self.y})" # 返回对象的字符串表示形式
def __eq__(self, other: Any) -> bool:
# 检查另一个对象是否是相同类型的Coordinate
if isinstance(other, self.__class__):
# 比较两个对象的横纵坐标是否相等
return (self.x, self.y) == (other.x, other.y)
else:
return NotImplemented
def __ne__(self, other: Any) -> bool:
result = self.__eq__(other)
if result is NotImplemented:
return NotImplemented
else:
# 返回两个对象的相等性的否定
return not result
def __lt__(self, other: Any) -> bool:
# 检查另一个对象是否是相同类型的Coordinate
if isinstance(other, self.__class__):
# 比较两个对象的横纵坐标的大小关系
return (self.x, self.y) < (other.x, other.y)
else:
return NotImplemented
def __le__(self, other: Any) -> bool:
if isinstance(other, self.__class__):
return (self.x, self.y) <= (other.x, other.y)
else:
return NotImplemented
def __gt__(self, other: Any) -> bool:
if isinstance(other, self.__class__):
return (self.x, self.y) > (other.x, other.y)
else:
return NotImplemented
def __ge__(self, other: Any) -> bool:
if isinstance(other, self.__class__):
return (self.x, self.y) >= (other.x, other.y)
else:
return NotImplemented
def __hash__(self) -> int:
# 返回对象的哈希值，用于将对象存储在散列数据结构中
return hash((self.__class__, self.x, self.y))
添加测试代码：
if __name__ == '__main__':
# 创建坐标对象
coord1 = Coordinate(3, 4)
coord2 = Coordinate(5, 6)
# 打印对象的字符串表示形式
print(coord1) # 输出: Coordinate(x=3, y=4)
print(coord2) # 输出: Coordinate(x=5, y=6)
# 比较坐标对象是否相等
print(coord1 == coord2) # 输出: False
print(coord1 != coord2) # 输出: True
# 比较坐标对象的大小关系
print(coord1 < coord2) # 输出: True
print(coord1 <= coord2) # 输出: True
print(coord1 > coord2) # 输出: False
print(coord1 >= coord2) # 输出: False
# 将坐标对象用作字典的键
coord_dict = {coord1: 'Point 1', coord2: 'Point 2'}
print(coord_dict) # 输出: {Coordinate(x=3, y=4): 'Point 1', Coordinate(x=5, y=6): 'Point 2'}
# 使用集合去除重复的坐标对象
coords = [Coordinate(1, 2), Coordinate(3, 4), Coordinate(1, 2)]
unique_coords = set(coords)
print(unique_coords) # 输出: {Coordinate(x=1, y=2), Coordinate(x=3, y=4)}
聪明的你很快想到可以像下面这样优化下：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from typing import Any, Tuple
from functools import total_ordering
@total_ordering
class Coordinate:
def __init__(self, x: Any, y: Any) -> None:
self.x = x # 设置横坐标
self.y = y # 设置纵坐标
def __repr__(self) -> str:
return f"Coordinate(x={self.x}, y={self.y})" # 返回对象的字符串表示形式
def __eq__(self, other: Any) -> bool:
if isinstance(other, self.__class__):
return (self.x, self.y) == (other.x, other.y)
return NotImplemented
def __lt__(self, other: Any) -> bool:
if isinstance(other, self.__class__):
return (self.x, self.y) < (other.x, other.y)
return NotImplemented
def __hash__(self) -> int:
return hash((self.__class__, self.x, self.y))
然后你想起数据类装饰器@dataclass可能更优雅，不过今天我们用attrs库来实现：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from typing import Any
import attr
@attr.s(hash=True)
class Coordinate:
x: Any = attr.ib() # 横坐标
y: Any = attr.ib() # 纵坐标
attrs只需要简单的描述就可以帮你完成上面一大堆的功能，非常有用。
安装
pip install attrs cattrs
初识attrs库
官方的介绍是这样的：
attrs 是一个 Python 包，它将通过将您从实现对象协议（又名 dunder 方法）的苦差事中解脱出来，带回编写类的乐趣。自 2020 年以来，受到 NASA 火星任务的信任！
它的主要目标是帮助您编写简洁正确的软件，而不会减慢您的代码速度。
目前，attrs库也已经有5K star，是非常受欢迎的，而且也在被不断更新维护。
github地址：https://github.com/python-attrs/attrs
attrs的工作原理是使用attrs.define或attr.s装饰一个类，然后使用attrs.field、attr.ib或类型注解定义类的属性。
从 21.3.0 版开始，attrs包含两个顶级包名称：
-
经典的
attr为古老的attr.s和attr.ib提供动力。 -
较新的
attrs只包含大多数现代API，并依赖attrs.define和attrs.field来定义类。此外，它还提供了一些默认值更好的attr API（如 attrs.asdict）。
推荐优先从较新的
attrs导入
另外，attrs库经典的attr API定义了一些别名，自己使用的时候或看别人代码的时候注意一下即可：
attrs库介绍
基本用法与默认参数
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from loguru import logger
from attrs import define, field, Factory
@define
class Color(object):
r = field(type=int, default=0)
g = field(type=int, default=0)
b = field(type=int, default=0)
# 可变对象作为默认值
mutable = field(type=list, default=Factory(list))
mutable2 = field(type=list, default=Factory(lambda: [1, 2, 3]))
mutable3 = field(factory=list)
if __name__ == '__main__':
color = Color(250, 255, 255, mutable=[1, 2, 3])
logger.info(color)
color2 = Color()
logger.info(color2)
输出结果为：
2024-02-18 19:42:08.012 | INFO | __main__:<module>:23 - Color(r=250, g=255, b=255, mutable=[1, 2, 3], mutable2=[1, 2, 3], mutable3=[])
2024-02-18 19:42:08.012 | INFO | __main__:<module>:26 - Color(r=0, g=0, b=0, mutable=[], mutable2=[1, 2, 3], mutable3=[])
一切都显得那么简洁。一个字，爽！
不参与初始化
如果某个类的特定属性不希望在初始化过程中被设置，例如希望直接将其设置为固定的初始值且保持不变，我们可以将该属性的 init 参数设置为 False。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from attrs import define, field
from loguru import logger
@define
class Color(object):
r = field(type=int, default=0, init=False)
g = field(type=int, default=0)
b = field(type=int, default=0)
if __name__ == '__main__':
color = Color(255, 255)
logger.info(color)
输出结果为：
2024-02-18 22:46:44.228 | INFO | __main__:<module>:19 - Color(r=0, g=255, b=255)
派生属性
如何拥有依赖于其他属性的属性?
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import datetime
import attr
from attrs import field
from loguru import logger
@attr.s
class Data(object):
dt: datetime.datetime = attr.ib(factory=datetime.datetime)
dt_30_later: datetime.datetime = field(init=False)
dt_30_later2 = field(init=False)
# 方法一
def __attrs_post_init__(self):
self.dt_30_later = self.dt + datetime.timedelta(days=30)
# 方法二
@dt_30_later2.default
def _dt_30_later2(self):
return self.dt + datetime.timedelta(days=30)
def serialize(inst, attribute, value):
if isinstance(value, datetime.datetime):
return value.isoformat()
return value
json_data = attr.asdict(
Data(datetime.datetime(2024, 2, 18, 21, 46)),
value_serializer=serialize)
logger.info(json_data)
输出结果为：
2024-02-18 21:50:52.516 | INFO | __main__:<module>:36 - {'dt': '2024-02-18T21:46:00', 'dt_30_later': '2024-03-19T21:46:00', 'dt_30_later2': '2024-03-19T21:46:00'}
强制关键字
from attr import attrs, attrib
from loguru import logger
@attrs
class Color(object):
r = attrib(type=int, default=0)
g = attrib(type=int, default=0)
b = attrib(type=int, default=0, kw_only=True)
if __name__ == '__main__':
color = Color(250, 255, b=255)
logger.info(color)
color2 = Color()
logger.info(color2)
输出结果为：
2024-02-18 15:25:11.078 | INFO | __main__:<module>:19 - Color(r=250, g=255, b=255)
2024-02-18 15:25:11.078 | INFO | __main__:<module>:22 - Color(r=0, g=0, b=0)
我们把b参数设置为关键字参数，若传入则必须使用关键字的名字来传入，否则会报错。
元数据
attrs还支持在类和属性上添加元数据，为类和属性添加更多的信息，使代码更加自文档化。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attrs
@attrs.define
class Product:
name = attrs.field(metadata={"description": "Product name"})
price = attrs.field(metadata={"description": "Product price"})
# 获取属性的元数据
name_description = attrs.fields(Product).name.metadata["description"]
print(f"Name description: {name_description}")
构建不可变类
通过设置frozen=True，可以创建不可变的实例。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from attr import attrib, attrs
from loguru import logger
@attrs(frozen=True)
class Color(object):
r = attrib(type=int, default=0)
g = attrib(type=int, default=0)
b = attrib(type=int, default=0, kw_only=True)
if __name__ == '__main__':
color = Color(250, 255, b=255)
logger.info(color)
# color.r = 100 # 加入 frozen 参数可以让类初始化之后不可改变，强行改变会报错
比较
import attr
@attr.attrs
class Point:
x = attr.ib()
y = attr.ib()
point1 = Point(1, 2)
point2 = Point(3, 4)
point3 = Point(1, 2)
print(point1 == point2) # 输出: False
print(point1 != point2) # 输出: True
print(point1 == point3) # 输出: True
print(point1 < point2) # 输出: True
print(point1 <= point2) # 输出: True
print(point1 > point2) # 输出: False
print(point1 >= point2) # 输出: False
由于使用了attrs，相当于我们定义的类已经有了__eq__、__ne__、__lt__、__le__、__gt__、__ge__这几个方法，所以我们可以直接使用比较符来对类和类之间进行比较。
在比较对象时，
attrs库内部实现是将类的各个属性转换为元组来进行比较。例如，对于Point(1, 2) < Point(3, 4)这样的比较，实际上是在比较两个元组(1, 2)和(3, 4)。关于元组之间的比较逻辑，具体细节可以参考官方文档：https://docs.python.org/3/library/stdtypes.html#comparisons。
验证数据
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attr
from loguru import logger
@attr.s
class Book:
title = attr.ib(default="Unknown", validator=attr.validators.instance_of(str))
pages = attr.ib(default=0, validator=attr.validators.instance_of(int))
# 创建对象
book = Book(title="三国演义", pages=200)
# 输出对象信息
logger.info(book)
book2 = Book(title="三国演义", pages="200")
输出结果为：
2024-02-18 15:43:23.098 | INFO | __main__:<module>:20 - Book(title='三国演义', pages=200)
Traceback (most recent call last):
File "E:/projects/mukewang/python_and_go/约瑟夫.py", line 22, in <module>
book2 = Book(title="三国演义", pages="200")
File "<attrs generated init 3ea315b0de8c75a1cfeeeb1010a6df97094df790>", line 6, in __init__
File "E:\ENV\py3.8_blog\lib\site-packages\attr\validators.py", line 22, in __call__
raise TypeError(
TypeError: ("'pages' must be <class 'int'> (got '200' that is a <class 'str'>).", Attribute(name='pages', default=0, validator=<instance_of validator for type <class 'int'>>, repr=True, cmp=True, hash=None, init=True, metadata=mappingproxy({}), type=None, converter=None, kw_only=False), <class 'int'>, '200')
支持对初始化的数据进行校验。
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attr
@attr.s
class TrafficLight:
color = attr.ib(validator=attr.validators.in_({"red", "yellow", "green"}), kw_only=True)
# 创建对象
traffic_light = TrafficLight(color="red")
# 这里不会报错
traffic_light.color = "blue"
@attr.s修改属性时不会报错。
使用较新的
attrs.define，修改属性时也会校验。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attrs
@attrs.define
class TrafficLight:
color = attrs.field(default="red", validator=attrs.validators.in_({"red", "yellow", "green"}), kw_only=True)
# 创建对象
traffic_light = TrafficLight()
# 修改属性，会触发验证器并引发异常
try:
traffic_light.color = "blue"
except ValueError as e:
print(f"Validation Error: {e}")
输出结果为：
Validation Error: ("'color' must be in {'red', 'green', 'yellow'} (got 'blue')", Attribute(name='color', default='red', validator=<in_ validator with options {'red', 'green', 'yellow'}>, repr=True, eq=True, eq_key=None, order=True, order_key=None, hash=None, init=True, metadata=mappingproxy({}), type=None, converter=None, kw_only=True, inherited=False, on_setattr=None, alias='color'), {'red', 'green', 'yellow'}, 'blue')
在
attrs库中，旧版api中验证器通常在对象初始化时触发，而不是在属性赋值时触发，因此需要额外处理。
import attr
def validate_color(instance, attribute, value):
if value not in {"red", "yellow", "green"}:
raise ValueError(f"Invalid color: {value}")
@attr.s
class TrafficLight:
_color = attr.ib(default="red")
@property
def color(self):
return self._color
@color.setter
def color(self, value):
validate_color(self, self.color, value)
self._color = value
# 创建对象
traffic_light = TrafficLight()
# 修改属性，会触发验证器并引发异常
try:
traffic_light.color = "blue"
except ValueError as e:
print(f"Validation Error: {e}")
自定义验证器的两种方法：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attr
from loguru import logger
def pages_validator(instance, attribute, value):
if value > 300:
raise ValueError("pages must be greater than 300")
return value
@attr.s
class Book:
title = attr.ib(default="Unknown", validator=attr.validators.instance_of(str))
pages = attr.ib(default=0, validator=[attr.validators.instance_of(int), pages_validator]) # 校验一
price = attr.ib(default=0.0, validator=attr.validators.instance_of(float))
# 校验二
@title.validator
def check_title(self, attribute, value):
if value == "Unknown":
raise ValueError("title cannot be 'Unknown'")
# 验证自定义验证器
try:
book3 = Book(title="三国演义", pages=500)
logger.info(book3)
except Exception as e:
logger.error(e)
try:
book3 = Book(pages=500)
logger.info(book3)
except Exception as e:
logger.error(e)
输出结果为：
在自定义Validator时，有三个固定的参数：
instance（或self）：表示类对象attribute：表示属性名value：表示属性值
这三个参数在类初始化时被固定地传递给了 Validator。因此，Validator 在接收到这三个值后，就能够进行相应的判断。
另外还有其他的一些 Validator，比如与或运算、可执行判断、可迭代判断等等，可以参考官方文档：https://www.attrs.org/en/stable/api.html#validators。
转换器
有时候，我们可能会不小心传入一些格式不太标准的数据，例如本来应该是整数类型的数字 100，却传入了字符串类型的 “100”。在这种情况下，直接抛出错误可能不太友好。因此，我们可以设置一些转换器来增强容错机制，例如自动将字符串转换为数字等。让我们看一个实例：
import attr
def to_int(value):
return int(value)
@attr.s
class Point:
x = attr.ib(converter=to_int)
y = attr.ib(converter=to_int)
# 使用示例
point1 = Point(1, 2)
print(point1)
point2 = Point("3", "4")
print(point2)
point3 = Point("5", "hello")
print(point3)
输出结果为：
Point(x=1, y=2)
Point(x=3, y=4)
Traceback (most recent call last):
File "E:/projects/mukewang/python_and_go/约瑟夫.py", line 26, in <module>
point3 = Point("5", "hello")
File "<attrs generated init bc20f05ee98d8a0eaee1da898b5665773d9e94d7>", line 3, in __init__
File "E:/projects/mukewang/python_and_go/约瑟夫.py", line 10, in to_int
return int(value)
ValueError: invalid literal for int() with base 10: 'hello'
attrs允许你在创建类时自动修改或转换类的字段。其主要目的是根据属性类型自动为属性添加转换器。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import datetime
import attrs
from attrs import frozen
from loguru import logger
def auto_convert(cls, fields):
results = []
for field in fields:
logger.info(field)
if field.converter is not None:
results.append(field)
continue
if field.type in {datetime.datetime, 'datetime'}:
converter = (lambda d: datetime.datetime.fromisoformat(d) if isinstance(d, str) else d)
else:
converter = None
results.append(field.evolve(converter=converter))
return results
@frozen(field_transformer=auto_convert)
class Data:
a: int
b: str
c: datetime
logger.info("-----" * 5)
from_json = {"a": 3, "b": "spam", "c": "2020-05-04T13:37:00"}
logger.info(Data(**from_json))
logger.info(Data(a=3, b='spam', c=datetime.datetime(2020, 5, 4, 13, 37)))
logger.info(attrs.asdict(Data(a=3, b='spam', c=datetime.datetime(2020, 5, 4, 13, 37))))
logger.info(attrs.astuple(Data(c=datetime.datetime(2020, 5, 4, 13, 37), a=3, b='spam')))
输出结果为：
2024-02-18 23:12:00.571 | INFO | __main__:auto_convert:16 - Attribute(name='a', default=NOTHING, validator=None, repr=True, eq=True, eq_key=None, order=True, order_key=None, hash=None, init=True, metadata=mappingproxy({}), type=<class 'int'>, converter=None, kw_only=False, inherited=False, on_setattr=None, alias=None)
2024-02-18 23:12:00.571 | INFO | __main__:auto_convert:16 - Attribute(name='b', default=NOTHING, validator=None, repr=True, eq=True, eq_key=None, order=True, order_key=None, hash=None, init=True, metadata=mappingproxy({}), type=<class 'str'>, converter=None, kw_only=False, inherited=False, on_setattr=None, alias=None)
2024-02-18 23:12:00.571 | INFO | __main__:auto_convert:16 - Attribute(name='c', default=NOTHING, validator=None, repr=True, eq=True, eq_key=None, order=True, order_key=None, hash=None, init=True, metadata=mappingproxy({}), type=<module 'datetime' from 'd:\\installdir\\python3.8.0\\Lib\\datetime.py'>, converter=None, kw_only=False, inherited=False, on_setattr=None, alias=None)
2024-02-18 23:12:00.571 | INFO | __main__:<module>:35 - -------------------------
2024-02-18 23:12:00.571 | INFO | __main__:<module>:37 - Data(a=3, b='spam', c='2020-05-04T13:37:00')
2024-02-18 23:12:00.571 | INFO | __main__:<module>:39 - Data(a=3, b='spam', c=datetime.datetime(2020, 5, 4, 13, 37))
2024-02-18 23:12:00.571 | INFO | __main__:<module>:41 - {'a': 3, 'b': 'spam', 'c': datetime.datetime(2020, 5, 4, 13, 37)}
2024-02-18 23:12:00.587 | INFO | __main__:<module>:42 - (3, 'spam', datetime.datetime(2020, 5, 4, 13, 37))
序列转换
在许多情况下，我们经常需要在JSON等字符串序列和对象之间进行转换，特别是在编写REST API和数据库交互时。
attrs为我们提供了asdict、astuple方法用于序列化。
默认情况下，
asdict方法将实例中的所有属性转换为字典的键值对，但是可以通过一些参数来自定义转换行为，比如使用filter参数来指定要包含或排除的属性，使用value_serializer参数来指定自定义的值序列化函数。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attr
import attrs
from loguru import logger
@attrs.define
class UserInfo(object):
users = attr.ib()
@attrs.define
class User(object):
email = attr.ib()
name = attr.ib()
# including only name and not email
json_data = attrs.asdict(UserInfo([User("lee@har.invalid", "Lee"),
User("rachel@har.invalid", "Rachel")]),
filter=lambda _attr, value: _attr.name != "email")
logger.info(json_data)
# ---
@attrs.define
class UserInfo(object):
name = attrs.field()
password = attrs.field()
age = attrs.field()
# excluding attributes
logger.info(
attrs.asdict(UserInfo("Marco", "abc@123", 22), filter=attrs.filters.exclude(attrs.fields(UserInfo).password, int)))
# ---
@attr.s
class Coordinates(object):
x = attr.ib()
y = attr.ib()
z = attr.ib()
# inclusing attributes
logger.info(attrs.asdict(Coordinates(20, "5", 3),
filter=attr.filters.include(int)))
logger.info(attrs.astuple(Coordinates(20, "5", 3),
filter=attr.filters.include(int)))
输出结果为：
2024-02-18 23:25:21.529 | INFO | __main__:<module>:27 - {'users': [{'name': 'Lee'}, {'name': 'Rachel'}]}
2024-02-18 23:25:21.529 | INFO | __main__:<module>:40 - {'name': 'Marco'}
2024-02-18 23:25:21.529 | INFO | __main__:<module>:55 - {'x': 20, 'z': 3}
2024-02-18 23:25:21.529 | INFO | __main__:<module>:58 - (20, 3)
序列化时间：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import datetime
import attr
from loguru import logger
@attr.s
class Data(object):
dt: datetime.datetime = attr.ib(factory=datetime.datetime)
def serialize(inst, attribute, value):
if isinstance(value, datetime.datetime):
return value.isoformat()
return value
json_data = attr.asdict(
Data(datetime.datetime(2020, 5, 4, 13, 37)),
value_serializer=serialize)
logger.info(json_data)
输出结果为：
2024-02-18 21:14:20.875 | INFO | __main__:<module>:26 - {'dt': '2020-05-04T13:37:00'}
尽管attrs库提供了序列化的能力，但是我们一般习惯使用cattrs库。
attrs更侧重于创建Python类，并提供了一些辅助方法来处理这些类的实例，而cattrs则更专注于对象的序列化和反序列化操作。
cattrs库的导入名称稍有不同，称为cattr。它提供了两个主要的方法：structure 和 unstructure。这两个方法是互补的，对于类的序列化和反序列化提供了很好的支持。
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from typing import Dict, Any
from attr import attrs, attrib
import cattr
@attrs
class Point:
x: int = attrib(default=0)
y: int = attrib(default=0)
def drop_non_attrs(d: Dict[str, Any], type_: type) -> Dict[str, Any]:
if not isinstance(d, dict):
return d
attrs_attrs = getattr(type_, '__attrs_attrs__', None)
if attrs_attrs is None:
raise ValueError(f'type {type_} is not an attrs class')
attrs_set = {attr.name for attr in attrs_attrs}
return {key: val for key, val in d.items() if key in attrs_set}
def structure(d: Dict[str, Any], type_: type) -> Any:
return cattr.structure(drop_non_attrs(d, type_), type_)
json_data = {'x': 1, 'y': 2, 'z': 3}
print(structure(json_data, Point))
对时间datetime转换的时候进行的处理：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import datetime
from attr import attrs, attrib
import cattr
from loguru import logger
TIME_FORMAT = '%Y-%m-%dT%H:%M:%S.%fZ'
@attrs
class Event(object):
happened_at = attrib(type=datetime.datetime)
cattr.register_unstructure_hook(datetime.datetime, lambda dt: dt.strftime(TIME_FORMAT))
cattr.register_structure_hook(datetime.datetime,
lambda string, _: datetime.datetime.strptime(string, TIME_FORMAT))
event = Event(happened_at=datetime.datetime(2024, 2, 18))
logger.info(f'event: {event}')
json = cattr.unstructure(event)
logger.info(f'json: {json}')
event = cattr.structure(json, Event)
logger.info(f'Event: {event}')
在这里，我们为 datetime 类型注册了两个钩子。在序列化时，我们调用 strftime 方法将其转换为字符串；在反序列化时，我们调用 strptime 将其转换回 datetime 类型。
嵌套处理
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
from loguru import logger
from attr import attrs, attrib
from typing import List
from cattr import structure, unstructure
@attrs
class Point:
x = attrib(type=int, default=0)
y = attrib(type=int, default=0)
@attrs
class Color:
r = attrib(default=0)
g = attrib(default=0)
b = attrib(default=0)
@attrs
class Line:
color = attrib(type=Color)
points = attrib(type=List[Point])
if __name__ == '__main__':
try:
line = Line(color=Color(), points=[Point(i, i) for i in range(5)])
logger.info(f'Created Line object: {line}')
json_data = unstructure(line)
logger.info(f'Serialized JSON: {json_data}')
line = structure(json_data, Line)
logger.info(f'Deserialized Line object: {line}')
except Exception as e:
logger.error(f'An error occurred: {e}')
输出结果为：
2024-02-18 22:41:46.668 | INFO | __main__:<module>:35 - Created Line object: Line(color=Color(r=0, g=0, b=0), points=[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)])
2024-02-18 22:41:46.668 | INFO | __main__:<module>:38 - Serialized JSON: {'color': {'r': 0, 'g': 0, 'b': 0}, 'points': [{'x': 0, 'y': 0}, {'x': 1, 'y': 1}, {'x': 2, 'y': 2}, {'x': 3, 'y': 3}, {'x': 4, 'y': 4}]}
2024-02-18 22:41:46.668 | INFO | __main__:<module>:41 - Deserialized Line object: Line(color=Color(r=0, g=0, b=0), points=[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)])
可以看到，我们轻松地将对象转换为了 JSON 表示，并且同样轻松地将其转换回对象。
使用场景示例
以下是一些实际的使用场景示例代码：
Web 应用中的表单验证：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import attrs
from attrs import validators
@attrs.define
class UserRegistrationForm:
username = attrs.field(validator=validators.instance_of(str))
email = attrs.field(validator=validators.instance_of(str))
password = attrs.field(validator=validators.instance_of(str))
# 使用示例
form_data = {"username": "alice", "email": "alice@example.com", "password": "123456"}
form = UserRegistrationForm(**form_data)
数据传输对象 (DTO)：
#!usr/bin/env python
# -*- coding:utf-8 _*-
# __author__：lianhaifeng
# __time__：2024/2/14 18:51
import cattr
import attrs
from datetime import datetime
from loguru import logger
@attrs.define
class OrderDTO:
order_id = attrs.field()
customer_name = attrs.field()
total_amount = attrs.field()
# 添加一个时间戳属性
created_at = attrs.field(default=datetime.now())
# 定义 datetime 的序列化和反序列化函数
def serialize_datetime(dt):
return dt.strftime('%Y-%m-%d %H:%M:%S')
def deserialize_datetime(dt_str, _: dict):
return datetime.strptime(dt_str, '%Y-%m-%d %H:%M:%S')
# 创建一个包含 datetime 序列化和反序列化函数的转换器
converter = cattr.Converter()
converter.register_structure_hook(datetime, deserialize_datetime)
converter.register_unstructure_hook(datetime, serialize_datetime)
# 创建一个订单DTO对象
order_data = {"order_id": "123456", "customer_name": "Alice", "total_amount": 100}
order_dto = converter.structure(order_data, OrderDTO)
# 打印订单DTO对象的属性
logger.info(f"Order ID: {order_dto.order_id}")
logger.info(f"Customer Name: {order_dto.customer_name}")
logger.info(f"Total Amount: {order_dto.total_amount}")
logger.info(f"Created At: {order_dto.created_at}")
# 将订单DTO对象转换为字典
# order_dict = {
# "order_id": order_dto.order_id,
# "customer_name": order_dto.customer_name,
# "total_amount": order_dto.total_amount,
# "created_at": order_dto.created_at.strftime("%Y-%m-%d %H:%M:%S")
# }
order_dict = converter.unstructure(order_dto)
logger.info(f"Order Dictionary: {order_dict}")
输出结果为：
2024-02-18 17:30:04.563 | INFO | __main__:<module>:27 - Order ID: 123456
2024-02-18 17:30:04.563 | INFO | __main__:<module>:28 - Customer Name: Alice
2024-02-18 17:30:04.563 | INFO | __main__:<module>:29 - Total Amount: 100
2024-02-18 17:30:04.563 | INFO | __main__:<module>:30 - Created At: 2024-02-18 17:30:04.561213
2024-02-18 17:30:04.563 | INFO | __main__:<module>:39 - Order Dictionary: {'order_id': '123456', 'customer_name': 'Alice', 'total_amount': 100, 'created_at': '2024-02-18 17:30:04'}
图书出版示例
#!usr/bin/env python
# -*- coding:utf-8 _*-
from typing import List
import attrs
from loguru import logger
@attrs.define(auto_attribs=True)
class Book:
title: str
author: str
pages: int
price: float
def is_expensive(self) -> bool:
return self.price >= 20
@attrs.define(auto_attribs=True)
class BookCollection:
books: List[Book] = attrs.field(factory=list)
def add_book(self, book: Book):
self.books.append(book)
def remove_book(self, book: Book):
self.books.remove(book)
def get_expensive_books(self) -> List[Book]:
return [book for book in self.books if book.is_expensive()]
# 创建Book的实例
book1 = Book(title="流畅的Python", author="拉马略", pages=523, price=24.99)
book2 = Book(title="Coding with Python", author="Another Author", pages=210, price=19.99)
# 创建BookCollection的实例，并添加书籍
collection = BookCollection()
collection.add_book(book1)
collection.add_book(book2)
# 移除一本书
collection.remove_book(book2)
# 查找所有昂贵的图书
expensive_books = collection.get_expensive_books()
logger.info(f"昂贵的图书: {expensive_books}")
@attrs.define
class User:
name = attrs.field(type=str)
age = attrs.field(converter=int)
email = attrs.field(type=str)
@age.validator
def check_age(self, attribute, value):
if value < 18:
raise ValueError("User must be at least 18 years old")
@email.validator
def check_email(self, attribute, value):
if "@" not in value:
raise ValueError("Invalid email address")
# 创建User类的实例，注意这里故意创建一个非法的实例来演示验证功能
try:
user = User(name="John Doe", age=17, email="john@domain.com")
except ValueError as e:
logger.error(e)
@attrs.define(auto_attribs=True)
class Publisher:
name: str
founded: int
location: str
def publish(self, book: Book):
logger.info(f"{self.name} 出版了：【{book.title}】")
@attrs.define(auto_attribs=True)
class Review:
content: str
book: Book
score: int
def is_positive(self) -> bool:
return self.score > 3
@attrs.define(auto_attribs=True)
class AuthorProfile:
name: str
genre: str
books_written: List[Book] = attrs.field(factory=list)
def write_book(self, title: str, pages: int, price: float) -> Book:
book = Book(title=title, author=self.name, pages=pages, price=price)
self.books_written.append(book)
return book
# 创建一个出版商实例
publisher = Publisher(name="人民邮电出版社", founded=2023, location="中国")
# 作者创建书籍并由出版商发布
author_profile = AuthorProfile(name="唐诗三百首", genre="Tech")
new_book = author_profile.write_book("流畅的Python", pages=300, price=29.99)
publisher.publish(new_book)
# 添加一些书评
review1 = Review(content="不错的书！", book=new_book, score=8)
review2 = Review(content="烂书..", book=new_book, score=1)
# 假设我们需要展示所有正面的书评
positive_reviews = [review for review in [review1, review2] if review.is_positive()]
for review in positive_reviews:
logger.info(f"- {review.content}")
输出结果为：
2024-02-18 22:42:45.841 | INFO | __main__:<module>:48 - 昂贵的图书: [Book(title='流畅的Python', author='拉马略', pages=523, price=24.99)]
2024-02-18 22:42:45.842 | ERROR | __main__:<module>:72 - User must be at least 18 years old
2024-02-18 22:42:45.845 | INFO | __main__:publish:82 - 人民邮电出版社 出版了：【流畅的Python】
2024-02-18 22:42:45.845 | INFO | __main__:<module>:123 - - 不错的书！
小结
本节介绍了如何利用attrs和cattrs两个库来实现Python的面向对象编程。有了这两个库的支持，Python的面向对象编程变得更加简单易行。
从表面上看，attrs可能会让你联想到数据类（事实上，数据类@dataclass是attrs的后代）。实际上，它的功能更多，也更灵活。例如，它允许你定义NumPy数组的特殊处理方法以进行相等检查，允许更多方法插入初始化过程，并允许使用调试器逐步检查生成的方法。
强烈建议优先使用较新的attrs API，如attrs.define、attrs.field等。
更多attrs库的使用方法请浏览官方文档!
最后
如果你觉得文章还不错，请大家点赞、分享、关注下，因为这将是我持续输出更多优质文章的最强动力！
参考
https://www.attrs.org/en/stable/init.html#hooking-yourself-into-initialization
https://catt.rs/en/stable/index.html#
2003
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
