由于接触python时间还不长，属于边用边学，在看项目代码的时候，遇到了很多不太懂的python语法，但是我认为这些用法用的实在是好，希望以后自己在写程序时，也能写出这么经典的代码，在这里记录下来这些：
1. 将函数名作为参数传递给另一个模块中的函数使用：
def init():
......
#read_cached_file做的事是读取_POLICY_PATH文件中的数据，和这个文件修改的时间，保存到_POLICY_CACHE字典中，
#然后使用_set_rules(data)来解析这些数据，最后返回这些数据。
utils.read_cached_file(_POLICY_PATH, _POLICY_CACHE,
reload_func=_set_rules)
def _set_rules(data):
default_rule = CONF.policy_default_rule
policy.set_rules(policy.Rules.load_json(data, default_rule))
2. 类方法的使用
class Rules(dict):
@classmethod
def load_json(cls, data, default_rule=None):
rules = dict((k, parse_rule(v)) for k, v in
jsonutils.loads(data).items())
return cls(rules, default_rule)以前一直弄不清楚类方法和静态方法的区别，都是通过类名去调用，但是现在清楚了，类方法有一个很好的特性，就是它可以在创建类对象之前，做一些初始化的工作，这样创建的对象，比直接调用Rules()，更灵活。
这里还想说一下继承自dict这个特性，通过覆盖父类中的方法，__missing__()，__str__()等定制了一个自己的字典类型，用起来很舒服啊。
3. 解释器的使用
_checks = {}
def register(name, func=None):
def decorator(func):
_checks[name] = func
return func
if func:
return decorator(func)
return decorator
@register("rule")
class RuleCheck(Check):
pass
@register("role")
class RoleCheck(Check):
pass文档在加载的时候，每遇到一个@register()修饰符，就会将被修饰的类添加到_check变量中，简洁方便。
4. yield的使用
yield在我看来，是一种能够间断的循环，一直都不太会用它，policy中在解析复合rule时，就用到了yield:
state = ParseState()
for tok, value in _parse_tokenize(rule):
state.shift(tok, value)
# 这个函数主要是将规则的字符串进行了一下预处理，然后调用_parse_check()最终将字符串转换成BaseCheck对象
def _parse_tokenize(rule):
#这段代码的意思是将一个字符串以空格为间隔，重组为一个字符串的列表，如：
# a.split('(is_admin:True or project_id:%(project_id)s)')
# ['(is_admin:True', 'or', 'project_id:%(project_id)s)']
for tok in _tokenize_re.split(rule):
# Skip empty tokens
if not tok or tok.isspace():
continue
# Handle leading parens on the token
clean = tok.lstrip('(')
for i in range(len(tok) - len(clean)):
yield '(', '('
# If it was only parentheses, continue
if not clean:
continue
else:
tok = clean
# Handle trailing parens on the token
clean = tok.rstrip(')')
trail = len(tok) - len(clean)
# Yield the cleaned token
lowered = clean.lower()
if lowered in ('and', 'or', 'not'):
# Special tokens
yield lowered, clean
elif clean:
# Not a special token, but not composed solely of ')'
if len(tok) >= 2 and ((tok[0], tok[-1]) in
[('"', '"'), ("'", "'")]):
# It's a quoted string
yield 'string', tok[1:-1]
else:
yield 'check', _parse_check(clean)
# Yield the trailing parens
for i in range(trail):
yield ')', ')'程序中每遇到一个yield，就会中断当前的执行，返回值，然后由外部的for循环进行处理，处理完之后，再回到刚才中断的地方继续执行。
5. 元类的使用
元类以前从来没有接触过，policy里也用到了，还是在解析复合rule的时候，用的这个元类：ParseStateMeta，通过使用元类，可以自定义某些类是如何创建的，从根本上说赋予你如何创建类的控制权：
class ParseStateMeta(type):
# name是子类的类名，bases是子类的数据，cls_dict是子类中的属性
def __new__(cls, name, bases, cls_dict):
reducers = []
# key为属性名，value为属性的对象，如：
# shift : <function shift at 0xa27b4fc>
# _make_not_expr : <function _make_not_expr at 0xa27b6bc>
for key, value in cls_dict.items():
if not hasattr(value, 'reducers'):# 如果没有包含reducers属性，即那些没有@reducer修饰的方法
continue
for reduction in value.reducers:# 遍历某个函数中的reducers列表，把它添加到元类中的reducers列表中
reducers.append((reduction, key))
cls_dict['reducers'] = reducers
return super(ParseStateMeta, cls).__new__(cls, name, bases, cls_dict)
# 虽然只是简单的定义了一个ParseState对象，但是却做了很多的事：
# 1.@reducer修饰器给被装饰的的方法添加了reducers列表，并且将修饰器的参数建成一个列表添加到该列表中;
# -->形式如：[['','',''],['','','']],
# 再如：[['(', 'or_expr', ')'], ['(', 'and_expr', ')'], ['(', 'check', ')']]
# 2.ParseStateMeta元类创建了一个reducers变量（针对于ParseState是全局的），也是一个列表,
# 然后遍历了ParseState的所有属性，找到有reducers属性的属性(即带有@reducer的方法)，
# 然后再遍历该方法的reducers列表，将列表的每一项和该方法的名字组合成一个元组，存放在reducers变量中;
# -->形式如：[(['','',''],funcname),(['','',''],funcname),(['','',''],funcname)]
# 再如：[(['check', 'or', 'check'], '_make_or_expr'), (['or_expr', 'or', 'check'], '_extend_or_expr')]
class ParseState(object):
__metaclass__ = ParseStateMeta
......
6. 递归的使用
def reduce(self):
#a[-3:]表示a这个列表的最后三个数
for reduction, methname in self.reducers:
# 如果当前的tokens的长度大于reduction的长度，并且tokens的最后几个和reduction相同
# 即模式匹配，则调用相应的方法来进行复合判断
# 什么情况不执行这段呢？
# 1. 没有复合的规则
# 2. 复合的规则和reduction不匹配
# 这两种情况下，就不执行复合，直接返回的还是原来的对象：RuleCheck, RoleCheck, HttpCheck, GenericCheck
# 如果复合的话，返回的是复合对象：OrCheck, AndCheck, NotCheck
if (len(self.tokens) >= len(reduction) and
self.tokens[-len(reduction):] == reduction):
# Get the reduction method
meth = getattr(self, methname)
# Reduce the token stream
# 有两个GenericCheck对象和一个‘or’，传递给_make_or_expr()方法，用这两个
# 对象构造了一个OrCheck对象，该对象的返回值，是按照这两个GenericCheck对象在的
# target和creds上能否执行的真假来进行或操作得到的
results = meth(*self.values[-len(reduction):])
# Update the tokens and values
self.tokens[-len(reduction):] = [r[0] for r in results]
self.values[-len(reduction):] = [r[1] for r in results]
# Check for any more reductions
return self.reduce()
another url: