友情链接
1.装饰器
1.1装饰器特别适合用来实现以下功能
- 运行时校验：在执行阶段进行特定校验，当校验通不过时终止执行。 适合原因：装饰器可以方便地在函数执行前介入，并且可以读取所有参数辅助校验。
- 注入额外参数：在函数被调用时自动注入额外的调用参数。适合原因：装饰器的位置在函数头部，非常靠近参数被定义的位置，关联性强。
- 缓存执行结果：通过调用参数等输入信息，直接缓存函数执行结果。
- 注册函数：将被装饰函数注册为某个外部流程的一部分。适合原因：在定义函数时可以直接完成注册，关联性强。
- 替换为复杂对象：将原函数（方法）替换为更复杂的对象，比如类实例或特殊的描述符对象
1.2装饰器简单实现
import time def cal_time(func): def wrapper(*args,**kwargs): t1=time.time() result=func(*args,**kwargs) t2=time.time() print(f"{func.__name__} running time: {t2-t1} secs.") return result return wrapper
cal_time装饰器接收待装饰函数func作为唯一的位置参数，并在函数内定义了一个新函数：wrapper。
@cal_time def second2(): time.sleep(2) second2()#second2 running time: 2.0001144409179688 secs.
一个无参数装饰器，实现起来较为简单。假如你想实现一个接收参数的装饰器，代码会更复杂一些。
import time def cal_time(print_args=False): def decorator(func): def wrapper(*args,**kwargs): t1=time.time() result=func(*args,**kwargs) t2=time.time() if print_args: print(f'args: {args},kwargs:{kwargs}') print(f"{func.__name__} running time: {t2-t1} secs.") return result return wrapper return decorator @cal_time(print_args=True) def second2(): time.sleep(2) second2() #args: (),kwargs:{} #second2 running time: 2.0001144409179688 secs.
#先进行一次调用，传入装饰器参数，获得第一层内嵌函数 #进行第二次调用，获取第二层内嵌函数wrapper _decorator = cal_time(print_args=True) sleepTime = _decorator(second2)
1.3使用functools.wraps()修饰包装函数
def calls_counter(func): """装饰器：记录函数被调用多少次""" counter = 0 def decorated(*args, **kwargs): nonlocal counter counter +=1 return func(*args,**kwargs) def print_counter(): print(f'counter:{counter}') #给函数增加额外函数，打印统计函数被调用的次数 decorated.print_counter = print_counter return decorated @cal_time() @calls_counter def second2(): time.sleep(2)
这是一个记录函数被调用多少次的装饰器
我们发现当我们同时使用上述两个装饰器的时候报错了
Traceback (most recent call last): File "F:/pythonProject1/AutomaticTesting/single.py", line 33, in <module> second2.print_counter() AttributeError: 'function' object has no attribute 'print_counter'
首先，由calls_counter对函数进行包装，此时的second2变成了新的包装函数，包含print_counter属性
使用cal_time包装后，second2变成了cal_time提供的包装函数，原包装函数额外的print_counter属性被自然地丢掉了
要解决上述问题只要引入装饰器wraps就可以了
import time from functools import wraps def cal_time(print_args=False): def decorator(func): @wraps(func) def wrapper(*args,**kwargs): ... def calls_counter(func): """装饰器：记录函数被调用多少次""" counter = 0 @wraps(func) def decorated(*args, **kwargs): ... @cal_time() @calls_counter def second2(): time.sleep(2) # second2() second2.print_counter() #second2 running time: 2.0001144409179688 secs. #counter:1
1.4可选参数的装饰器
以上数的cal_time为例
有了参数以后我们不仅在装饰器使用时候@必须带上（）
def cal_time(func=None,*,print_args=False): def decorator(_func): @wraps(_func) def wrapper(*args,**kwargs): t1=time.time() result=func(*args,**kwargs) t2=time.time() if print_args: print(f'args: {args},kwargs:{kwargs}') print(f"{_func.__name__} running time: {t2-t1} secs.") return result return wrapper if func is None: return decorator else: return decorator(func)
@cal_time
@calls_counter
def second2():
time.sleep(2)
这时候调用就不需要（）了
1.5用类来实现装饰器（函数替换）
能否用装饰器形式使用只有一个判断标准，就是是否是可调用的对象
如果一个类实现了__call__魔法方法，那么他的实例就是可调用对象
现在我们把计时装饰器改写
import time from functools import wraps class cal_time: """装饰器：记录函数用时""" def __init__(self,print_arg=False): self.print_arg = print_arg def __call__(self, func): @wraps(func) def wrapper(*args,**kwargs): t1=time.time() result=func(*args,**kwargs) t2=time.time() if self.print_arg: print(f'args: {args},kwargs:{kwargs}') print(f"{func.__name__} running time: {t2-t1} secs.") return result return wrapper
2数据模型与描述符
数据模型有关的方法，基本都以双下划线开头和结尾，它们通常被称为魔法方法
例如：我们打印对象的时候输出的是<类名+内存地址>
class Person:
def __init__(self, name):
self.name = name
print(Person("yetangjian"))#<__main__.Person object at 0x000001BA41805FD0>
__str__就是Python数据模型里最基础的一部分。当对象需要当作字符串使用时，我们可以用__str__方法来定义对象的字符串化结果
注：除了print()以外，str()与.format()函数同样也会触发__str__方法
class Person:
...
def __str__(self):
return self.name
print(Person("yetangjian")) #yetangjian
print(f'l am {Person("yetangjian")}') #l am yetangjian
常见魔法方法
01. __repr__
在如下的例子中，使用了一个{name!r}这样的语法
变量名后的!r表示优先使用repr方法，再使用str方法。针对字符串类型会自动给变量加上引号，省去了手动添加的麻烦。
name='yetangjian'
age = 18
print(f"{name!r},{age!r}")#'yetangjian',18
同样我们实现的方法与str方法类似，我们依旧使用上述的例子
class Person:
...
def __repr__(self):
return f"{self.name!r},{self.age!r}"
p=Person("yetangjian",80)
print(repr(p))#'yetangjian',80
02.__format__
定义对象在字符串格式化时的行为
class Person:
...
def __format__(self, format_spec):
if format_spec == "all":
return f"{self.name!r},{self.age!r}"
else:
return f"{self.name!r}"
p=Person("yetangjian",80)
print(f"all:{p:all}") #all:'yetangjian',80
print("only name:{p:simple}".format(p=p)) #only name:'yetangjian'
模板语法不仅适用于format，同样适用于f-string
03比较运算符重载
class Num:
def __init__(self,number):
self.n = number
#等于
def __eq__(self, other):
if isinstance(other,self.__class__):
return other.n == self.n
return False
#不等于
def __ne__(self, other):
return not (self == other)
def __lt__(self, other):
if isinstance(other,self.__class__):
return self.n < other.n
#不支持某种运算，可以返回NotImplemented
return NotImplemented
#小于等于
def __le__(self, other):
return self.__lt__(other) or self.__eq__(other)
num1 = Num(5)
num2 = Num(10)
print(num1 <= num2) #True
但是我们会发现重载这些运算符号代码量实在太大，而且较为重复。下面推荐一个工具，简化这个工作量
@total_ordering
使用functools下的这个装饰器，我们只需要实现__eq__方法，__lt__、__le__、__gt__、__ge__四个方法里随意挑一个实现即可，@total_ordering会帮你自动补全剩下的所有方法
from functools import total_ordering
@total_ordering
class Num:
def __init__(self,number):
self.n = number
#等于
def __eq__(self, other):
if isinstance(other,self.__class__):
return other.n == self.n
return False
def __lt__(self, other):
if isinstance(other,self.__class__):
return self.n < other.n
#不支持某种运算，可以返回NotImplemented
return NotImplemented
num1 = Num(5)
num2 = Num(10)
print(num1 <= num2) #True
描述符
使用property做校验
class Count:
def __init__(self,c):
self.__math = c
@property
def math(self):
return self.__math
@math.setter
def math(self,v):
if v > 50:
raise ValueError("数字大于100")
self.__math = v
c = Count(5)
c.math = 40
print(c.math) #40
描述符（descriptor）是Python对象模型里的一种特殊协议，它主要和4个魔法方法有关： __get__、__set__、__delete__和__set_name__
任何一个实现了__get__、__set__或__delete__的类，都可以称为描述符类，它的实例则叫作描述符对象
__get__
class Info:
def __get__(self, instance, owner=None):
"""
__get__方法存在两个参数
instance:当通过实例来访问描述符属性，该参数为实例对象；
如果通过类访问，则为None
owner:描述符对象所绑定的类
"""
print(f'__get__,{instance},{owner}')
if not instance:
return self
class Foo:
#要使用一个描述符，最常见的方式是把它的实例对象设置为其他类（常被称为owner类）的属性
bar = Info()
print(Foo.bar)
print(Foo().bar)
""" 通过类来访问，所以instance为None，返回描述符本身 __get__,None,<class '__main__.Foo'> <__main__.Info object at 0x0000000001D644F0> 通过实例来访问 __get__,<__main__.Foo object at 0x00000000026149D0>,<class '__main__.Foo'> None """
__set__
class Info:
......
def __set__(self, instance, value):
"""
__set__方法存在两个参数
instance:属性当前绑定的实例对象
value:待设置的属性值
"""
print(f'__set__,{instance},{value}')
Foo().bar = 10#__set__,<__main__.Foo object at 0x0000000001DE49D0>,10
描述符的__set__仅对实例起作用，对类不起作用。这和__get__方法不一样
使用描述符实现校验
class IntegerField:
"""整型字段，只允许一定范围内的整型值
:param min_value: 允许的最小值
:param max_value: 允许的最大值
"""
def __init__(self, min_value, max_value):
self.min_value = min_value
self.max_value = max_value
def __get__(self, instance,owner=None):
# 当不是通过实例访问时，直接返回描述符对象
if not instance:
return self
# 返回保存在实例字典里的值
return instance.__dict__['_integer_field']
def __set__(self, instance, value):
# 校验后将值保存在实例字典里
value = self._validate_value(value)
instance.__dict__['_integer_field'] = value
def _validate_value(self, value):
"""校验值是否为符合要求的整数"""
try:
value = int(value)
except (TypeError, ValueError):
raise ValueError('value is not a valid integer!')
if not (self.min_value <= value <= self.max_value):
raise ValueError(f'value must between {self.min_value} and {self.max_value}!')
return value
因为每个描述符对象都是owner类的属性，而不是类实例的属性，所以我们用的都是instance.dict而不是用self.dict。如果把值都存入self中就会存在互相覆盖，值冲突的情况
class Person:
age = IntegerField(min_value=10,max_value=100)
def __init__(self,age):
self.age = age
p = Person(110)
"""
raise ValueError(f'value must between {self.min_value} and {self.max_value}!')
ValueError: value must between 10 and 100!
"""