同乐学堂双下划线__future__或单下划线有特殊含义，在Python中，这些名字的集合称为魔法方法:最重要的是__init__和一些处理访问对象的方法,这些方法允许你创建自己的序列或者是映射.
<span style="font-family: SimHei; font-size: 19px;"--<----
准备工作:
将__metaclass__=type放在模块的最开始位置，以确保类时最新式的。考虑下面两个类
- class NewStyle(object):
- more_code_here
- class OldStyle:
- more_code_here
如果文件以__metclass__=type开始，那么这个类都是新式类
构造方法:
和普通方法的不同在于:当一个对象被创建后，会立即调用构造方法。因此，之前章节的
- >>>f = FooBar()
- >>>f.init()
等同于
- >>>f = FooBar()
- >>> class FooBar:
- def __init__(self):
- self.var = 42
-
-
- >>> f = FooBar()
- >>> f.var
- 42
#如果有默认参数呢？
- >>> class Foobar:
- def __init__(self,value=42):
- self.var = value
-
- >>> f = Foobar() #无参的话，使用默认值
- >>> f.var
- 42
- >>> f1 = Foobar(44) #有参的话，使用新参数
- >>> f1.var
- 44
在Python中__init__是使用最多的一个.
python中有个魔法方法__del__，析构方法，她在对象要被垃圾回收之前调用.但是发生调用的具体时间是不可知的。
所以建立尽力避免使用__del__函数.
重写一般方法和特殊构造方法:
- >>> class A:
- ... def hello(self):
- ... print 'Hello,World!'
- ...
- >>> class B(A): pass
- ...
- >>> class C(B): pass
- ...
#看看他们的工作机制
#c是C类的实例，当c调用hello()，首先找自己类有没有，没有话，去超类B中找，如果还没有话，
就去超类的超类去找。还没有的话，就报错。
- >>> c = C()
- >>> c.hello()
- Hello,World!
如果重写B类，hello的方法呢?
- >>> class A:
- ... def hello(self):
- ... print "Hello,I am A!"
- ...
- >>> class B(A):
- ... def hello(self):
- ... print "Hello,I am B!"
- ...
- >>> b = B()
- >>> b.hello()
- Hello,I am B!
重写是继承机制中的一个重要内容，对于构造方法尤其重要。构造方法用来初始化新创建对象的状态，大多数子类不仅要拥有自己的初始化代码，还要拥有超类的初始化代码。虽然重写的机制对于所有方法来说都是一样的，但是当处理构造方法比重写普通方法时，更可能遇到特别的问题：如果一个类的构造方法被重写，那么就需要调用超类的构造方法，否则对象不会被正确初始化。看下面的例子
- class Bird:
- def __init__(self):
- self.hungry = True
- def eat(self):
- if self.hungry:
- print "Ahaha..."
- self.hungry = False
- else:
- print "No, Thanks!"
该类定义鸟的基本功能吃，吃饱了就不再吃
输出结果:
- >>> b = Bird()
- >>> b.eat()
- Ahaha...
- >>> b.eat()
- No, Thanks!
- 下面一个子类SingBird,
- class SingBird(Bird):
- def __init__(self):
- self.sound = 'squawk'
- def sing(self):
- print self.sound
输出结果:
- >>> s = SingBird()
- >>> s.sing()
- squawk
SingBird是Bird的子类，但如果调用Bird类的eat()方法时,
- >>> s.eat()
- Traceback (most recent call last):
- File "<pyshell#5>", line 1, in <module>
- s.eat()
- File "D:\Learn\Python\Person.py", line 42, in eat
- if self.hungry:
- AttributeError: SingBird instance has no attribute 'hungry'
代码错误很清晰,SingBird中初始化代码被重写，但没有任何初始化hungry的代码
<span style="font-family: SimHei; font-size: 19px;"--<----
调用未绑定的超类构造方法:
- class SingBird(Bird):
- def __init__(self):
- Bird.__init__(self) #增加这行代码就搞定
- self.sound = 'squawk'
- def sing(self):
- print self.sound
- >>> sb = SingBird()
- >>> sb.sing()
- squawk
- >>> sb.eat()
- Ahaha...
- >>> sb.eat()
- No, Thanks!
<span style="font-family: SimHei; font-size: 19px;"--<----
使用super函数:
- __metaclass__=type
- class Bird:
- def __init__(self):
- self.hungry = True
- def eat(self):
- if self.hungry:
- print "Ahaha..."
- self.hungry = False
- else:
- print "No, Thanks!"
- class SingBird(Bird):
- def __init__(self):
- super(SingBird,self).__init__()
- self.sound = 'squawk'
- def sing(self):
- print self.sound
Note:
1. __metaclass__=type 必不可少，否则报错如下:
- >>> sb = SingBird()
- Traceback (most recent call last):
- File "<pyshell#5>", line 1, in <module>
- sb = SingBird()
- File "D:\Learn\Python\Person.py", line 51, in __init__
- super(SingBird,self).__init__()
- TypeError: must be type, not classobj
2. super(SingBird,self).__init__() 多了这么一句
输出结果:
- >>> sb = SingBird()
- >>> sb.sing()
- squawk
- >>> sb.eat()
- Ahaha...
- >>> sb.eat()
- No, Thanks!
基本的序列和映射规则:
序列和映射是对象的集合，为了实现他们的基本行为，如果对象是不可变的，那么就需要两个魔法方法，如果对象时可变的，那么就需要四个魔法方法
__len__(self):返回集合中所含项目的数量
__getitem__(self,key):返回与所给的键对应的值
__setitem__(self,key,value):按一定的方法存储和key相关的value
__delitem__(self,key):删除对象相关的键
实践一下，创建一个无穷序列
- def checkIndex(key):
- if not isinstance(key,(int,long)):
- raise TypeError
- if key<0:
- raise IndexError
- class ArithmeticSequence:
- def __init__(self,start=0,step=1):
- self.start = start
- self.step = step
- self.changed = {}
- def __getitem__(self,key):
- checkIndex(key)
- try:
- return self.changed[key]
- except KeyError:
- return self.start + key*self.step
-
- def __setitem__(self,key,value):
- checkIndex(key)
- self.changed[key] = value
输出结果
- >>> s[100]
- 201
- >>> s = ArithmeticSequence(1,2)
- >>> s[4]
- 9
- >>> s[10]
- 21
- >>> del s[4]
- Traceback (most recent call last):
- File "<pyshell#10>", line 1, in <module>
- del s[4]
- AttributeError: ArithmeticSequence instance has no attribute '__delitem__'
- >>> s['four']
- Traceback (most recent call last):
- File "<pyshell#11>", line 1, in <module>
- s['four']
- File "D:\Learn\Python\Person.py", line 71, in __getitem__
- checkIndex(key)
- File "D:\Learn\Python\Person.py", line 62, in checkIndex
- raise TypeError
- TypeError
- >>> s[-4]
- Traceback (most recent call last):
- File "<pyshell#12>", line 1, in <module>
- s[-4]
- File "D:\Learn\Python\Person.py", line 71, in __getitem__
- checkIndex(key)
- File "D:\Learn\Python\Person.py", line 64, in checkIndex
- raise IndexError
- IndexError
子类化列表，字典和字符串
三个关于序列和映射规则(UserList,UserString,UserDict),如果希望实现一个和内建列表行为相似的序列，可以使用子类list，看看下面的例子，带有访问计数的列表
- class CounterList(list):
- def __init__(self,*args):
- super(CounterList,self).__init__(*args)
- self.counter = 0
- def __getitem__(self,index):
- self.counter +=1
- return super(CounterList,self).__getitem__(index)
#下面是她如何使用的一些例子
- >>> c = CounterList(range(10))
- >>> c
- [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
- >>> c.reverse()
- >>> c
- [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
- >>> del c[3:6]
- >>> c
- [9, 8, 7, 3, 2, 1, 0]
- >>> c.counter
- 0
- >>> c[4]+c[2]
- 9
- >>> c.counter
- 2
#其他跟list性能一样，但有个counter特性，每次执行加法后会自增。
属性:
- class Rectangle:
- def __init__(self):
- self.width = 0
- self.height = 0
- def setSize(self,size):
- self.width,self.height = size
- def getSize(self):
- return self.width,self.height
- >>> r= Rectangle()
- >>> r.width = 10
- >>> r.height= 5
- >>> r.getSize()
- (10, 5)
- >>> r.setSize((150,100))
- >>> r.width
- 150
property函数:
- __metaclass__=type
- class Rectangle:
- def __init__(self):
- self.width = 0
- self.height = 0
- def setSize(self,size):
- self.width,self.height = size
- def getSize(self):
- return self.width,self.height
- size = property(getSize,setSize)
在这个新版的Rectangle中，property函数创建了一个属性，其中访问器函数被用做参数(先是取值，然后是赋值)，这个属性命为size，这样一来，就不用担心是如何实现的，可以用同样的方式处理width,height和size.
- >>> r = Rectangle()
- >>> r.width = 10
- >>> r.height= 20
- >>> r.size
- (10, 20)
- >>> r.size = 100,200
- >>> r.width
- 100
property函数可以用0,1,2,3或4个参数来调用。如果没有参数，产生的属性即不可读，也不可写。如果只使用一个参数调用，产生的属性是只读的第3个参数。名字分别叫:fget,fset,fdel,doc__
<span style="font-family: SimHei; font-size: 18px;"--<----
静态方法和类成员方法
静态方法和类成员方法分别在创建时被装入Staticmethod类型和Classmethod类型的对象中。
静态方法的定义没有self参数，且可能被类本身直接调用。
类方法在定义时需要名为cls的类似于self的参数，类成员方法可以直接用类的具体对象调用。但cls参数是自动被绑定类的。看下例子:
- class MyClass:
- def smeth():
- print 'This is a stacie method'
- smeth = staticmethod(smeth)
- def cmeth(cls):
- print 'This is a class method of', cls
- cmeth = classmethod(cmeth)
#用@来替代
- __metaclass__ = type
- class MyClass:
- @staticmethod
- def smeth():
- print 'This is a stacie method'
- @classmethod
- def cmeth(cls):
- print 'This is a class method of', cls
#定义好了方法后，可以这样调用。
- >>> MyClass.smeth()
- This is a stacie method
- >>> MyClass.cmeth()
- This is a class method of <class '__main__.MyClass'>
<span style="color: rgb(0, 0, 0); font-style: normal; font-variant-ligatures: normal; font-variant-caps: normal; font-weight: normal; letter-spacing: normal; orphans: 2; text-align: left; text-indent: 0px; text-transform: none; white-space: normal; widows: 2; word-spacing: 0px; -webkit-text-stroke-width: 0px; background-color: rgb(255, 255, 255); font-family: SimHei; font-size: 18px;"--<----
__getattr__,__setattr__
为了访问特性的时候可以执行代码，必须使用一些魔法方法。下面四种方法提供了需要的功能。
__getattrbute__(self,name): 当特性name被访问时，自动被调用
__getattr__(self,name):当特性name被访问，且对象没有相应的特性时被自动调用
__setattr__(self,name,value):当试图给特性name赋值时会被自动调用
__delattr__(self,name): 当试图删除特性name时被自动调用。
- class Rectangle:
- def __init__(self):
- self.width = 0
- self.height = 0
- def __setattr__(self,name,value):
- if name == 'size':
- self.width,self.height = value
- else:
- self.__dict__[name] = value
- def __getattr__(self,name):
- if name == 'size':
- return self.width,self.height
- else:
- raise AttributeError
迭代器:
主要讨论特殊的方法:__iter__这个迭代器规则的基础.__iter__方法返回一个迭代器，所谓迭代器就是具有next方法的对象。如果next被调用，却没有值可以返回，则会返回StopIteration的异常.为什么要用迭代器而不用列表呢？
如果值很多，列表一次性获得，会占用太多的内存。而迭代则可以一个一个获取。还有为什么要用迭代器的原因：
迭代器更通用，更简单，更优雅。
- class Fibs:
- def __init__(self):
- self.a = 0
- self.b = 1
- def next(self):
- self.a,self.b = self.b,self.a + self.b
- return self.a
- def __iter__(self):
- return self
首先是实现了__iter__方法，这个方法实际上返回迭代器本身。很多情况下，__iter__会放到for循环中使用的对象中.首先产生一个Fibs对象
>>> fibs = Fibs()
其次可在for循环中使用该对象-比如去查找在斐波那契数列中比1000大的数中的最小的数:
- >>> for f in fibs:
- if f>1000:
- print f
- break
-
- 1597
Note: 内建函数iter可以从可迭代的对象中获得迭代器.
- >>> it = iter([1,2,3])
- >>> it.next()
- 1
- >>> it.next()
- 2
除此之外，它也可以从函数或者其他可调用对象中获取可迭代对象.
从迭代器中得到序列:
除了再迭代器和可迭代对象上进行迭代外，还能把它们转换为序列。在大部分能使用序列的情况下，能使用迭代器替换。一个很有用的例子是使用list构造方法显式地将迭代器转化为列表
- class TestIter:
- value = 0
- def next(self):
- self.value +=1
- if self.value > 10 :
- raise StopIteration
- return self.value
- def __iter__(self):
输出结果:
- >>> ti = TestIter()
- >>> ti
- <__main__.TestIter instance at 0x0000000002A81A08>
- >>> list(ti)
- [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
生成器: 是Python新引入的概念，由于历史原因，它也叫简单生成器。它和迭代器可能是近几年来引入的最强大的两个特性。生成器可以帮助程序员写出非常优雅的代码，当然编写任何程序也不可以不使用。生成器是一种用普通的函数语法定义的迭代器。
创建生成器:
nested = [[1,2],[3,4],[5]]如果像这么个例子，怎么样用将数字一一打印出来。
- def flatten(nested):
- for sublist in nested:
- for element in sublist:
- yield element
#如何包含yield的语句，称为生成器
- >>> nested = [[1],[2,3],[4,5,6]]
- >>> flatten(nested)
- <generator object flatten at 0x00000000020635A0>
- >>> for num in flatten(nested):
- print num
- 1
- 2
- 3
- 4
- 5
- 6
递归生成器:
上一个例子创建的生成器只能处理两层嵌套，使用了两个for循环。如果要处理任意层的嵌套怎么办？就应该更灵活，现在就到了递归生成器登场的时候了。
- def flatten(nested):
- try:
- for sublist in nested:
- for element in flatten(sublist):
- yield element
- except TypeError:
- yield nested
两种情况: 基本情况和需要递归的情况
1. 如果只是元素，函数被告知展开一个元素，这种情况下，for循环会引发一个TypeError异常，生成器会产生一个元素.
2. 如果是一个列表，那么就要进行特殊处理。程序必须遍历所有子列表，并对它们调用flatten，然后使用另一个for循环来产生被展开的子列表中的所有元素，很神奇吧。
>>> nested = [[[[1,2],3],4],5]
>>> list(flatten(nested))
[1, 2, 3, 4, 5]
如果是字符串对象，那么它就是一个序列，不会引发TypeError，如果你不想对这样的对象进行迭代。为了处理这种情况，则必须在生成器的开始处添加一个检查语句。试着将传入的对象和一个字符串拼接，看看会不会出现TypeError，这是检查一个对象是不是类似于字符串的最简单，最快速的方法。下面加入检查语句的生成器。
>>> nested=['a',[[[1,2],3],4],5]
>>> list(flatten(nested))
['a', 1, 2, 3, 4, 5]
------
通用生成器:
生成器是一个包含yield关键字的函数。当它被调用时，在函数体中的代码不会被执行，而会返回一个迭代器。每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句。yield意味着应该生成一个值。return语句意味着生成器要停止执行。换句话说，生成器由两部分组成:生成器的函数和生成器的迭代器。生成器的函数是用def语句定义，包含yield部分，生成器的迭代器是这个函数返回的部分。
- >>> def simple_generator():
- yield 1
-
- >>> simple_generator
- <function simple_generator at 0x0000000002AFB0B8>
- >>> simple_generator()
- <generator object simple_generator at 0x00000000027C8EE8>
- >>>
<span style="font-size: 18.6667px; font-family: SimHei;"--<----
生成器方法:
- >>> def repeater(value):
- while True:
- new = (yield value)
- if new is not None: value = new
输出结果:
- >>> r = repeater(42)
- >>> r.next()
- 42
- >>> r.next()
- 42
- >>> r.send('Hello,World!')
- 'Hello,World!'
#next()方法，send()方法，throw()方法，close()方法
<span style="font-size: 18.6667px;"--<----
模拟生成器:
如何使用普通的函数模拟生成器
首先将下面语句放在程序的开始处
result = []
然后将下面这种形式的代码:
yield some_expression
用下面的语句替换:
result.append(some_expression)
最后在函数的末尾，添加下面的语句:
return result
下面是flatten生成器用普通的函数重写的版本
- def flatten(nested):
- result = []
- try:
- try: nested + ''
- except TypeError: pass
- else: raise TypeError
- for sublist in nested:
- for element in flatten(sublist):
- result.append(element)
- except TypeError:
- result.append(nested)
- return result
输出结果:
- >>> n = [[[[[['HaHa...'],1],2],3],4],5]
- >>> flatten(n)
- ['HaHa...', 1, 2, 3, 4, 5]
<span style="font-family: SimHei; font-size: 19px;"--<----
本章新函数
iter(obj) 从一个可迭代的对象得到迭代器
property(fget,fset,fdel,doc) 返回一个属性，所有参数都是可选的
super(class,obj) 返回一个类的超类的绑定实例
微信扫一扫，打赏作者吧～
