python符号意义,python标识符的作用

  python符号意义,python标识符的作用

  你也许经常会听到「描述符」这个概念,但是由于大多数的程序员很少会使用到他,所以可能你并不太清楚了解它的原理,python视频教程栏目将详细介绍

  推荐(免费):python视频教程

  但是如果你想让自己的职业生涯更上一层楼,更熟练的使用python,我觉得你应该对描述符的概念有一个清晰的认识,这对你以后的发展有很大的帮助,还有你以后对python设计的更深入的理解。

  虽然我们没有在开发过程中直接使用描述符,但它在底层的应用非常频繁。例如,以下内容:

  函数、绑定方法、未绑定方法安装程序属性、staticmethod、classmethod

  这些都熟悉吗?

  其实这些都和描述符有着千丝万缕的联系。因此,让我们通过下面的文章来探索描述符背后的工作原理。什么是描述符?

  在我们知道描述符是什么之前,我们可以找一个例子。

  A:级

  X=10print(A.x) # 10这个例子非常简单。我们先在A类中定义一个类属性X,然后求出它的值。

  除了这种直接定义类属性的方法,我们还可以像这样定义一个类属性:

  十类:

  def __get__(self,obj,objtype=None):

  返回10舱A:

  X=Ten() #属性更改为类print(A.x) # 10。我们可以发现,这一次,类属性x不是一个具体的值,而是一个类Ten,通过它定义了一个__get__方法来返回一个具体的值。

  因此,可以得出结论,在python中,我们可以把一个类的属性,托管给一个类,而这样的属性就是一个描述符

  简而言之,描述符是一个绑定行为属性。

  这意味着什么?

  回想一下,我们在发展的时候,通常把行为叫做什么?也就是行为是一种方法。

  所以我们也可以把这个描述符理解为:对象的属性并非一个具体的值,而是交给了一个方法去定义。.

  想象一下,如果我们用一个方法来定义一个属性,会有什么好处?

  有了方法,我们可以在方法中实现自己的逻辑。最简单的方法是,我们可以根据不同的条件给方法中的属性赋予不同的值,就像下面这样:

  班级年龄:

  def __get__(self,obj,objtype=None):

  :

  返回20

  elif obj.name==lisi:

  返回25

  else:

  返回值error(“unknow”)类Person:

  年龄=年龄()

  def __init__(self,name):

  self.name=name

  P1=Person(张三)print(P1 . name)# 20p 2=Person( Lisi )print(p2 . age)# 25p 3=Person(吴王)print (p3.age) # unknown在本例中,age类的属性由另一个类管理,在

  通过这样一个例子,我们可以看到,通过使用描述符,我们可以很容易地改变一个类属性的定义。

  an class="header-link octicon octicon-link">描述符协议

  了解了描述符的定义,现在我们把重点放到托管属性的类上。

  其实,一个类属性想要托管给一个类,这个类内部实现的方法不能是随便定义的,它必须遵守「描述符协议」,也就是要实现以下几个方法:

  

  • __get__(self, obj, type=None) -> value
  • __set__(self, obj, value) -> None
  • __delete__(self, obj) -> None
只要是实现了以上几个方法的其中一个,那么这个类属性就可以称作描述符。

  另外,描述符又可以分为「数据描述符」和「非数据描述符」:

  

  • 只定义了 __get___,叫做非数据描述符
  • 除了定义 __get__ 之外,还定义了 __set____delete__,叫做数据描述符
它们两者有什么区别,我会在下面详述。

  现在我们来看一个包含 __get____set__ 方法的描述符例子:

  

# coding: utf8class Age:

   def __init__(self, value=20):

   self.value = value

   def __get__(self, obj, type=None):

   print('call __get__: obj: %s type: %s' % (obj, type))

   return self.value

   def __set__(self, obj, value):

   if value <= 0:

   raise ValueError("age must be greater than 0")

   print('call __set__: obj: %s value: %s' % (obj, value))

   self.value = valueclass Person:

   age = Age()

   def __init__(self, name):

   self.name = name

  p1 = Person('zhangsan')print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: <class '__main__.Person'># 20print(Person.age)# call __get__: obj: None type: <class '__main__.Person'># 20p1.age = 25# call __set__: obj: <__main__.Person object at 0x1055509e8> value: 25print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: <class '__main__.Person'># 25p1.age = -1# ValueError: age must be greater than 0

在这例子中,类属性 age 是一个描述符,它的值取决于 Age 类。

  从输出结果来看,当我们获取或修改 age 属性时,调用了 Age__get____set__ 方法:

  

  • 当调用 p1.age 时,__get__ 被调用,参数 objPerson 实例,typetype(Person)
  • 当调用 Person.age 时,__get__ 被调用,参数 objNonetypetype(Person)
  • 当调用 p1.age = 25时,__set__ 被调用,参数 objPerson 实例,value 是25
  • 当调用 p1.age = -1时,__set__ 没有通过校验,抛出 ValueError
其中,调用 __set__ 传入的参数,我们比较容易理解,但是对于 __get__ 方法,通过类或实例调用,传入的参数是不同的,这是为什么?

  这就需要我们了解一下描述符的工作原理。

  描述符的工作原理

  要解释描述符的工作原理,首先我们需要先从属性的访问说起。

  在开发时,不知道你有没有想过这样一个问题:通常我们写这样的代码 a.b,其背后到底发生了什么?

  这里的 ab 可能存在以下情况:

  

  1. a 可能是一个类,也可能是一个实例,我们这里统称为对象
  2. b 可能是一个属性,也可能是一个方法,方法其实也可以看做是类的属性
其实,无论是以上哪种情况,在 Python 中,都有一个统一的调用逻辑:

  

  1. 先调用 __getattribute__ 尝试获得结果
  2. 如果没有结果,调用 __getattr__
用代码表示就是下面这样:

  

def getattr_hook(obj, name):

   try:

   return obj.__getattribute__(name)

   except AttributeError:

   if not hasattr(type(obj), '__getattr__'):

   raise return type(obj).__getattr__(obj, name)

我们这里需要重点关注一下 __getattribute__,因为它是所有属性查找的入口,它内部实现的属性查找顺序是这样的:

  

  1. 要查找的属性,在类中是否是一个描述符
  2. 如果是描述符,再检查它是否是一个数据描述符
  3. 如果是数据描述符,则调用数据描述符的 __get__
  4. 如果不是数据描述符,则从 __dict__ 中查找
  5. 如果 __dict__ 中查找不到,再看它是否是一个非数据描述符
  6. 如果是非数据描述符,则调用非数据描述符的 __get__
  7. 如果也不是一个非数据描述符,则从类属性中查找
  8. 如果类中也没有这个属性,抛出 AttributeError 异常
写成代码就是下面这样:

  

# 获取一个对象的属性

  def __getattribute__(obj, name):

   null = object()

   # 对象的类型 也就是实例的类

   objtype = type(obj)

   # 从这个类中获取指定属性

   cls_var = getattr(objtype, name, null)

   # 如果这个类实现了描述符协议

   descr_get = getattr(type(cls_var), '__get__', null)

   if descr_get is not null:

   if (hasattr(type(cls_var), '__set__')

   or hasattr(type(cls_var), '__delete__')):

   # 优先从数据描述符中获取属性 return descr_get(cls_var, obj, objtype)

   # 从实例中获取属性 if hasattr(obj, '__dict__') and name in vars(obj):

   return vars(obj)[name]

   # 从非数据描述符获取属性 if descr_get is not null:

   return descr_get(cls_var, obj, objtype)

   # 从类中获取属性 if cls_var is not null:

   return cls_var

   # 抛出 AttributeError 会触发调用 __getattr__

   raise AttributeError(name)

如果不好理解,你最好写一个程序测试一下,观察各种情况下的属性的查找顺序。

  到这里我们可以看到,在一个对象中查找一个属性,都是先从 __getattribute__ 开始的。

  在 __getattribute__ 中,它会检查这个类属性是否是一个描述符,如果是一个描述符,那么就会调用它的 __get__ 方法。但具体的调用细节和传入的参数是下面这样的:

  

  • 如果 a 是一个实例,调用细节为:
type(a).__dict__['b'].__get__(a, type(a))复制代码
  • 如果 a 是一个,调用细节为:
a.__dict__['b'].__get__(None, a)复制代码
所以我们就能看到上面例子输出的结果。

  数据描述符和非数据描述符

  了解了描述符的工作原理,我们继续来看数据描述符和非数据描述符的区别。

  从定义上来看,它们的区别是:

  

  • 只定义了 __get___,叫做非数据描述符
  • 除了定义 __get__ 之外,还定义了 __set____delete__,叫做数据描述符
此外,我们从上面描述符调用的顺序可以看到,在对象中查找属性时,数据描述符要优先于非数据描述符调用。

  在之前的例子中,我们定义了 __get____set__,所以那些类属性都是数据描述符

  我们再来看一个非数据描述符的例子:

  

class A:

   def __init__(self):

   self.foo = 'abc'

   def foo(self):

   return 'xyz'print(A().foo) # 输出什么?

  复制代码

这段代码,我们定义了一个相同名字的属性和方法 foo,如果现在执行 A().foo,你觉得会输出什么结果?

  答案是 abc

  为什么打印的是实例属性 foo 的值,而不是方法 foo 呢?

  这就和非数据描述符有关系了。

  我们执行 dir(A.foo),观察结果:

  

print(dir(A.foo))# [... '__get__', '__getattribute__', ...]复制代码
看到了吗?Afoo 方法其实实现了 __get__,我们在上面的分析已经得知:只定义 __get__ 方法的对象,它其实是一个非数据描述符,也就是说,我们在类中定义的方法,其实本身就是一个非数据描述符。

  所以,在一个类中,如果存在相同名字的属性和方法,按照上面所讲的 __getattribute__ 中查找属性的顺序,这个属性就会优先从实例中获取,如果实例中不存在,才会从非数据描述符中获取,所以在这里优先查找的是实例属性 foo 的值。

  到这里我们可以总结一下关于描述符的相关知识点:

  

  • 描述符必须是一个类属性
  • __getattribute__ 是查找一个属性(方法)的入口
  • __getattribute__ 定义了一个属性(方法)的查找顺序:数据描述符、实例属性、非数据描述符、类属性
  • 如果我们重写了 __getattribute__ 方法,会阻止描述符的调用
  • 所有方法其实都是一个非数据描述符,因为它定义了 __get__
描述符的使用场景

  了解了描述符的工作原理,那描述符一般用在哪些业务场景中呢?

  在这里我用描述符实现了一个属性校验器,你可以参考这个例子,在类似的场景中去使用它。

  首先我们定义一个校验基类 Validator,在 __set__ 方法中先调用 validate 方法校验属性是否符合要求,然后再对属性进行赋值。

  

class Validator:

   def __init__(self):

   self.data = {}

   def __get__(self, obj, objtype=None):

   return self.data[obj]

   def __set__(self, obj, value):

   # 校验通过后再赋值

   self.validate(value)

   self.data[obj] = value

   def validate(self, value):

   pass

  复制代码

接下来,我们定义两个校验类,继承 Validator,然后实现自己的校验逻辑。

  

class Number(Validator):

   def __init__(self, minvalue=None, maxvalue=None):

   super(Number, self).__init__()

   self.minvalue = minvalue

   self.maxvalue = maxvalue

   def validate(self, value):

   if not isinstance(value, (int, float)):

   raise TypeError(f'Expected {value!r} to be an int or float')

   if self.minvalue is not None and value < self.minvalue:

   raise ValueError(

   f'Expected {value!r} to be at least {self.minvalue!r}'

   )

   if self.maxvalue is not None and value > self.maxvalue:

   raise ValueError(

   f'Expected {value!r} to be no more than {self.maxvalue!r}'

   )class String(Validator):

   def __init__(self, minsize=None, maxsize=None):

   super(String, self).__init__()

   self.minsize = minsize

   self.maxsize = maxsize

   def validate(self, value):

   if not isinstance(value, str):

   raise TypeError(f'Expected {value!r} to be an str')

   if self.minsize is not None and len(value) < self.minsize:

   raise ValueError(

   f'Expected {value!r} to be no smaller than {self.minsize!r}'

   )

   if self.maxsize is not None and len(value) > self.maxsize:

   raise ValueError(

   f'Expected {value!r} to be no bigger than {self.maxsize!r}'

   )复制代码

最后,我们使用这个校验类:

  

class Person:

   # 定义属性的校验规则 内部用描述符实现

   name = String(minsize=3, maxsize=10)

   age = Number(minvalue=1, maxvalue=120)

   def __init__(self, name, age):

   self.name = name

   self.age = age

  # 属性符合规则

  p1 = Person('zhangsan', 20)print(p1.name, p1.age)# 属性不符合规则

  p2 = person('a', 20)# ValueError: Expected 'a' to be no smaller than 3p3 = Person('zhangsan', -1)# ValueError: Expected -1 to be at least 1复制代码

现在,当我们对 Person 实例进行初始化时,就可以校验这些属性是否符合预定义的规则了。

  function与method

  我们再来看一下,在开发时经常看到的 functionunbound methodbound method 它们之间到底有什么区别?

  来看下面这段代码:

  

class A:

   def foo(self):

   return 'xyz'print(A.__dict__['foo']) # <function foo at 0x10a790d70>print(A.foo) # <unbound method A.foo>print(A().foo) # <bound method A.foo of <__main__.A object at 0x10a793050>>复制代码

从结果我们可以看出它们的区别:

  

  • function 准确来说就是一个函数,并且它实现了 __get__ 方法,因此每一个 function 都是一个非数据描述符,而在类中会把 function 放到 __dict__ 中存储
  • function 被实例调用时,它是一个 bound method
  • function 被类调用时, 它是一个 unbound method
function 是一个非数据描述符,我们之前已经讲到了。

  而 bound methodunbound method 的区别就在于调用方的类型是什么,如果是一个实例,那么这个 function 就是一个 bound method,否则它是一个 unbound method

  property/staticmethod/classmethod

  我们再来看 propertystaticmethodclassmethod

  这些装饰器的实现,默认是 C 来实现的。

  其实,我们也可以直接利用 Python 描述符的特性来实现这些装饰器,

  property 的 Python 版实现:

  

class property:

   def __init__(self, fget=None, fset=None, fdel=None, doc=None):

   self.fget = fget

   self.fset = fset

   self.fdel = fdel

   self.__doc__ = doc

   def __get__(self, obj, objtype=None):

   if obj is None:

   return self.fget if self.fget is None:

   raise AttributeError(), "unreadable attribute"

   return self.fget(obj)

   def __set__(self, obj, value):

   if self.fset is None:

   raise AttributeError, "can't set attribute"

   return self.fset(obj, value)

   def __delete__(self, obj):

   if self.fdel is None:

   raise AttributeError, "can't delete attribute"

   return self.fdel(obj)

   def getter(self, fget):

   return type(self)(fget, self.fset, self.fdel, self.__doc__)

   def setter(self, fset):

   return type(self)(self.fget, fset, self.fdel, self.__doc__)

   def deleter(self, fdel):

   return type(self)(self.fget, self.fset, fdel, self.__doc__)复制代码

staticmethod 的 Python 版实现:

  

class staticmethod:

   def __init__(self, func):

   self.func = func

   def __get__(self, obj, objtype=None):

   return self.func

  复制代码

classmethod 的 Python 版实现:

  

class classmethod:

   def __init__(self, func):

   self.func = func

   def __get__(self, obj, klass=None):

   if klass is None:

   klass = type(obj)

   def newfunc(*args):

   return self.func(klass, *args)

   return newfunc

  复制代码

除此之外,你还可以实现其他功能强大的装饰器。

  由此可见,通过描述符我们可以实现强大而灵活的属性管理功能,对于一些要求属性控制比较复杂的场景,我们可以选择用描述符来实现。

  总结

  这篇文章我们主要讲了 Python 描述符的工作原理。

  首先,我们从一个简单的例子了解到,一个类属性是可以托管给另外一个类的,这个类如果实现了描述符协议方法,那么这个类属性就是一个描述符。此外,描述符又可以分为数据描述符和非数据描述符。

  之后我们又分析了获取一个属性的过程,一切的入口都在 __getattribute__ 中,这个方法定义了寻找属性的顺序,其中实例属性优先于数据描述符调用,数据描述符要优先于非数据描述符调用。

  另外我们又了解到,方法其实就是一个非数据描述符,如果我们在类中定义了相同名字的实例属性和方法,按照 __getattribute__ 中的属性查找顺序,实例属性优先访问。

  最后我们分析了 functionmethod 的区别,以及使用 Python 描述符也可以实现 propertystaticmethodclassmethod 装饰器。

  Python 描述符提供了强大的属性访问控制功能,我们可以在需要对属性进行复杂控制的场景中去使用它。

  本作品采用《CC 协议》,转载必须注明作者和本文链接以上就是介绍python描述符的意义的详细内容,更多请关注盛行IT软件开发工作室其它相关文章!

  

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: