定制类 · Python 3零起点教程

看到类似`__slots__`这种形如`__xxx__`的变量或者函数名就要注意，这些在Python中是有特殊用途的。 `__slots__`我们已经知道怎么用了，`__len__()`方法我们也知道是为了能让class作用于`len()`函数。除此之外，Python的class中还有许多这样有特殊用途的函数，可以帮助我们定制类。 ### __str__ 我们先定义一个`Student`类，打印一个实例： ~~~ >>> class Student(object): ... def __init__(self, name): ... self.name = name ... >>> print(Student('Michael')) <__main__.Student object at 0x109afb190> ~~~ 打印出一堆``，不好看。怎么才能打印得好看呢？只需要定义好`__str__()`方法，返回一个好看的字符串就可以了： ~~~ >>> class Student(object): ... def __init__(self, name): ... self.name = name ... def __str__(self): ... return 'Student object (name: %s)' % self.name ... >>> print(Student('Michael')) Student object (name: Michael) ~~~ 这样打印出来的实例，不但好看，而且容易看出实例内部重要的数据。但是细心的朋友会发现直接敲变量不用`print`，打印出来的实例还是不好看： ~~~ >>> s = Student('Michael') >>> s <__main__.Student object at 0x109afb310> ~~~ 这是因为直接显示变量调用的不是`__str__()`，而是`__repr__()`，两者的区别是`__str__()`返回用户看到的字符串，而`__repr__()`返回程序开发者看到的字符串，也就是说，`__repr__()`是为调试服务的。解决办法是再定义一个`__repr__()`。但是通常`__str__()`和`__repr__()`代码都是一样的，所以，有个偷懒的写法： ~~~ class Student(object): def __init__(self, name): self.name = name def __str__(self): return 'Student object (name=%s)' % self.name __repr__ = __str__ ~~~ ### __iter__ 如果一个类想被用于`for ... in`循环，类似list或tuple那样，就必须实现一个`__iter__()`方法，该方法返回一个迭代对象，然后，Python的for循环就会不断调用该迭代对象的`__next__()`方法拿到循环的下一个值，直到遇到`StopIteration`错误时退出循环。我们以斐波那契数列为例，写一个Fib类，可以作用于for循环： ~~~ class Fib(object): def __init__(self): self.a, self.b = 0, 1 # 初始化两个计数器a，b def __iter__(self): return self # 实例本身就是迭代对象，故返回自己 def __next__(self): self.a, self.b = self.b, self.a + self.b # 计算下一个值 if self.a > 100000: # 退出循环的条件 raise StopIteration(); return self.a # 返回下一个值 ~~~ 现在，试试把Fib实例作用于for循环： ~~~ >>> for n in Fib(): ... print(n) ... 1 1 2 3 5 ... 46368 75025 ~~~ ### __getitem__ Fib实例虽然能作用于for循环，看起来和list有点像，但是，把它当成list来使用还是不行，比如，取第5个元素： ~~~ >>> Fib()[5] Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'Fib' object does not support indexing ~~~ 要表现得像list那样按照下标取出元素，需要实现`__getitem__()`方法： ~~~ class Fib(object): def __getitem__(self, n): a, b = 1, 1 for x in range(n): a, b = b, a + b return a ~~~ 现在，就可以按下标访问数列的任意一项了： ~~~ >>> f = Fib() >>> f[0] 1 >>> f[1] 1 >>> f[2] 2 >>> f[3] 3 >>> f[10] 89 >>> f[100] 573147844013817084101 ~~~ 但是list有个神奇的切片方法： ~~~ >>> list(range(100))[5:10] [5, 6, 7, 8, 9] ~~~ 对于Fib却报错。原因是`__getitem__()`传入的参数可能是一个int，也可能是一个切片对象`slice`，所以要做判断： ~~~ class Fib(object): def __getitem__(self, n): if isinstance(n, int): # n是索引 a, b = 1, 1 for x in range(n): a, b = b, a + b return a if isinstance(n, slice): # n是切片 start = n.start stop = n.stop if start is None: start = 0 a, b = 1, 1 L = [] for x in range(stop): if x >= start: L.append(a) a, b = b, a + b return L ~~~ 现在试试Fib的切片： ~~~ >>> f = Fib() >>> f[0:5] [1, 1, 2, 3, 5] >>> f[:10] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] ~~~ 但是没有对step参数作处理： ~~~ >>> f[:10:2] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] ~~~ 也没有对负数作处理，所以，要正确实现一个`__getitem__()`还是有很多工作要做的。此外，如果把对象看成`dict`，`__getitem__()`的参数也可能是一个可以作key的object，例如`str`。与之对应的是`__setitem__()`方法，把对象视作list或dict来对集合赋值。最后，还有一个`__delitem__()`方法，用于删除某个元素。总之，通过上面的方法，我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别，这完全归功于动态语言的“鸭子类型”，不需要强制继承某个接口。 ### __getattr__ 正常情况下，当我们调用类的方法或属性时，如果不存在，就会报错。比如定义`Student`类： ~~~ class Student(object): def __init__(self): self.name = 'Michael' ~~~ 调用`name`属性，没问题，但是，调用不存在的`score`属性，就有问题了： ~~~ >>> s = Student() >>> print(s.name) Michael >>> print(s.score) Traceback (most recent call last): ... AttributeError: 'Student' object has no attribute 'score' ~~~ 错误信息很清楚地告诉我们，没有找到`score`这个attribute。要避免这个错误，除了可以加上一个`score`属性外，Python还有另一个机制，那就是写一个`__getattr__()`方法，动态返回一个属性。修改如下： ~~~ class Student(object): def __init__(self): self.name = 'Michael' def __getattr__(self, attr): if attr=='score': return 99 ~~~ 当调用不存在的属性时，比如`score`，Python解释器会试图调用`__getattr__(self, 'score')`来尝试获得属性，这样，我们就有机会返回`score`的值： ~~~ >>> s = Student() >>> s.name 'Michael' >>> s.score 99 ~~~ 返回函数也是完全可以的： ~~~ class Student(object): def __getattr__(self, attr): if attr=='age': return lambda: 25 ~~~ 只是调用方式要变为： ~~~ >>> s.age() 25 ~~~ 注意，只有在没有找到属性的情况下，才调用`__getattr__`，已有的属性，比如`name`，不会在`__getattr__`中查找。此外，注意到任意调用如`s.abc`都会返回`None`，这是因为我们定义的`__getattr__`默认返回就是`None`。要让class只响应特定的几个属性，我们就要按照约定，抛出`AttributeError`的错误： ~~~ class Student(object): def __getattr__(self, attr): if attr=='age': return lambda: 25 raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr) ~~~ 这实际上可以把一个类的所有属性和方法调用全部动态化处理了，不需要任何特殊手段。这种完全动态调用的特性有什么实际作用呢？作用就是，可以针对完全动态的情况作调用。举个例子：现在很多网站都搞REST API，比如新浪微博、豆瓣啥的，调用API的URL类似： * [http://api.server/user/friends](http://api.server/user/friends) * [http://api.server/user/timeline/list](http://api.server/user/timeline/list) 如果要写SDK，给每个URL对应的API都写一个方法，那得累死，而且，API一旦改动，SDK也要改。利用完全动态的`__getattr__`，我们可以写出一个链式调用： ~~~ class Chain(object): def __init__(self, path=''): self._path = path def __getattr__(self, path): return Chain('%s/%s' % (self._path, path)) def __str__(self): return self._path __repr__ = __str__ ~~~ 试试： ~~~ >>> Chain().status.user.timeline.list '/status/user/timeline/list' ~~~ 这样，无论API怎么变，SDK都可以根据URL实现完全动态的调用，而且，不随API的增加而改变！还有些REST API会把参数放到URL中，比如GitHub的API： ~~~ GET /users/:user/repos ~~~ 调用时，需要把`:user`替换为实际用户名。如果我们能写出这样的链式调用： ~~~ Chain().users('michael').repos ~~~ 就可以非常方便地调用API了。有兴趣的童鞋可以试试写出来。 ### __call__ 一个对象实例可以有自己的属性和方法，当我们调用实例方法时，我们用`instance.method()`来调用。能不能直接在实例本身上调用呢？在Python中，答案是肯定的。任何类，只需要定义一个`__call__()`方法，就可以直接对实例进行调用。请看示例： ~~~ class Student(object): def __init__(self, name): self.name = name def __call__(self): print('My name is %s.' % self.name) ~~~ 调用方式如下： ~~~ >>> s = Student('Michael') >>> s() # self参数不要传入 My name is Michael. ~~~ `__call__()`还可以定义参数。对实例进行直接调用就好比对一个函数进行调用一样，所以你完全可以把对象看成函数，把函数看成对象，因为这两者之间本来就没啥根本的区别。如果你把对象看成函数，那么函数本身其实也可以在运行期动态创建出来，因为类的实例都是运行期创建出来的，这么一来，我们就模糊了对象和函数的界限。那么，怎么判断一个变量是对象还是函数呢？其实，更多的时候，我们需要判断一个对象是否能被调用，能被调用的对象就是一个`Callable`对象，比如函数和我们上面定义的带有`__call__()`的类实例： ~~~ >>> callable(Student()) True >>> callable(max) True >>> callable([1, 2, 3]) False >>> callable(None) False >>> callable('str') False ~~~ 通过`callable()`函数，我们就可以判断一个对象是否是“可调用”对象。 ### 小结 Python的class允许定义许多定制方法，可以让我们非常方便地生成特定的类。本节介绍的是最常用的几个定制方法，还有很多可定制的方法，请参考[Python的官方文档](http://docs.python.org/3/reference/datamodel.html#special-method-names)。 ### 参考源码 [special_str.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_str.py) [special_iter.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_iter.py) [special_getitem.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_getitem.py) [special_getattr.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_getattr.py) [special_call.py](https://github.com/michaelliao/learn-python3/blob/master/samples/oop_advance/special_call.py)