首页 > 其他分享 >24、面向对象(内置方法)

24、面向对象(内置方法)

时间:2022-10-10 13:00:23浏览次数:55  
标签:24 __ 内置 name self 面向对象 print Foo def


24.1、isinstance(obj,cls)和issubclass(sub,super):

1、isinstance(obj,cls):

# isinstance(obj,cls) 检查对象obj是否是类cls的对象

class Foo(object):

# object 是类默认继承的类

pass


obj = Foo()

print(isinstance(obj, Foo))

# True


2、issubclass(sub,super):

# issubclass(sub, super) 检查类sub是否是super类的子类

class Foo(object):

pass


class Bar(Foo):

pass


print(issubclass(Bar, Foo))

# True


24.2、__getattribute__(了解):

1、说明:对象获取属性时会触发__getattribute__函数,如果获取的对象属性存在则直接返回属性,如果获取

的对象属性不存在则会抛出一个raise AttributeError()的异常给__getattr__函数,并触发__getattr__函数的执

行;


2、示例:

class Foo:

def __init__(self, x):

self.x = x


def __getattr__(self, item):

print('来自__getattr__')


def __getattribute__(self, item):

print('来自__getattribute__')

raise AttributeError('异常')


f1 = Foo(10)

f1.x

# 来自__getattribute__

# 来自__getattr__


f1.xxxxxx

# 来自__getattribute__

# 来自__getattr__


# 当__getattribute__与__getattr__同时存在,只会执行__getattrbute__,

# 除非__getattribute__在执行过程中抛出异常AttributeError。


24.3、__setitem__、__getitem__、__delitem__:

1、说明:

当以 <对象名>.[<属性名>]=<属性值> 的方式为对象设置属性时触发 __setitem__、__getitem__、__delitem__

的执行;


2、示例:

class Foo:

x=1

def __init__(self,name):

self.name=name


def __getitem__(self, item):

print('来自__getitem__')

return getattr(self,item)


def __setitem__(self, key, value):

print('来自__setitem__')

self.__dict__[key]=value


def __delitem__(self, key):

print('来自__delitem__')

self.__dict__.pop(key)


def test(self):

print('11111111')


# __setitem__

f1=Foo('lc')

f1['age']=18

# 当使用该方式给对象的属性赋值时会触发 __setitem__ 函数。

f1.age1=19

print(f1.__dict__)

"""

输出结果:

来自__setitem__

{'name': 'lc', 'age': 18, 'age1': 19}

"""


# __delitem__

del f1['age']

# 当使用该方式删除对象的属性时会触发 __delitem__ 函数。

del f1.age1

print(f1.__dict__)

"""

输出结果:

来自__delitem__

{'name': 'lc'}

"""


# __getitem__

print(f1['x'])

# 当使用该方式获取对象的属性时会触发 __getitem__ 函数。

"""

输出结果:

来自__getitem__

1

"""


24.4、__str__、__repr__、__format__:

1、说明:

(1)__str__、__repr__:

1)改变对象的字符串显示

2)str函数或者print函数--->obj.__str__()

3)repr或者交互式解释器--->obj.__repr__()

4)如果__str__没有被定义,那么就会使用__repr__来代替输出

5)注意:这俩方法的返回值必须是字符串,否则抛出异常

(2)__format__:

1)自定制格式化字符串


2、示例:

(1)__str__、__repr__:

class School:

def __init__(self,name,addr,style):

self.name=name

self.addr=addr

self.style=style


def __repr__(self):

return 'School(%s,%s)' %(self.name,self.addr)

# 必须有返回值


def __str__(self):

return '(%s,%s)' %(self.name,self.style)

# 必须有返回值


s1=School('北京大学','北京','公立')


# 如果没有__str__、__repr__

# print(s1)

# <__main__.School object at 0x000001FDB628E8D0>


# __repr__

print('from repr:',repr(s1))

# from repr: School(北京大学,北京)


# __str__

print('from str:',str(s1))

# from str: (北京大学,公立)

print(s1)

# (北京大学,公立)

(2)__format__:

date_dic={

'ymd':'{0.year}-{0.month}-{0.day}',

'dmy':'{0.day}-{0.month}-{0.year}',

'mdy':'{0.month}-{0.day}-{0.year}',

}


class Date:

def __init__(self,year,month,day):

self.year=year

self.month=month

self.day=day


def __format__(self, format_spec):

print('=====>',format_spec)

# format_space:代表对应的格式

if not format_spec or format_spec not in date_dic:

format_spec='ymd'

fmt=date_dic[format_spec]

return fmt.format(self)


d1=Date(2019,9,8)

print('{:mdy}'.format(d1))

print(format(d1))


"""

# 实现原理:

print(date_dic['ymd'])

# {0.year}/{0.month}/{0.day}

print(date_dic['ymd'].format(d1))

# 2019-9-8

"""


24.5、__slots__:

1、介绍:

(1)__slots__ 是什么:

__slots__ 是一个类变量,变量值可以是列表,元祖,或者可迭代对象,也可以是一个字符串,这意味着所有实例只有一个数据属性。

使用点来访问属性本质就是在访问类或者对象的 __dict__ 属性字典,类的字典是共享的,而每个实例的是独立的。

(2)为何使用 __slots__ :

1)字典会占用大量内存,如果你有一个属性很少的类,但是有很多实例,为了节省内存可以使用 __slots__ 取代实例的 __dict__,

由类字典管理。

2)当定义 __slots__ 后,__slots__ 就会为实例使用一种更加紧凑的内部表示。实例通过一个很小的固定大小的数组来构建,而不

是为每个实例定义一个字典,这跟元组或列表很类似,在 __slots__ 中列出的属性名在内部被映射到这个数组的指定小标上。

(3)注意事项:

1)__slots__ 的很多特性都依赖于普通的基于字典的实现,另外,定义了 __slots__ 后的类不再支持一些普通类特性了,比如多继承等,我

们也不能再给实例添加新的属性了,只能使用在 __slots__ 中定义的那些属性名。

2)大多数情况下,你应该只在那些经常被使用到的,用作数据结构的类上定义 __slots__ 比如在程序中需要创建某个类的几百万个实例对象。

3)关于 __slots__ 的一个常见误区是它可以作为一个封装工具来防止用户给实例增加新的属性,尽管使用__slots__可以达到这样的目的,但

是这个并不是它的初衷,更多的是用来作为一个内存优化工具。


2、示例:

class Foo:

__slots__=['name','age']


f1=Foo()

f1.name='lc1'

f1.age=18

print(f1.__slots__)

# ['name', 'age']


f2=Foo()

f2.name='lc2'

f2.age=19

print(f2.__slots__)

# ['name', 'age']


print('f1实例----->',f1.name,f1.age)

# f1实例-----> lc1 18

print('f2实例----->',f2.name,f2.age)

# f2实例-----> lc2 19


print(Foo.__dict__)

# f1与f2都没有属性字典__dict__了,统一归 __slots__ 管,由类字典管理,节省内存。

# {'__module__': '__main__', '__slots__': ['name', 'age'], 'age': <member 'age' of 'Foo' objects>, 'name': <member 'name' of 'Foo' objects>, '__doc__': None}


24.6、__doc__:

1、__doc__是类的描述信息,在类的开头用''或""或""""""引起来,如果不设置默认是

None,该属性无法继承给子类。


2、示例:

class Foo:

'我是描述信息'

pass


print(Foo.__doc__)

# 我是描述信息

print(Foo.__dict__)

# {'__module__': '__main__', '__doc__': '我是描述信息', '__dict__': <attribute '__dict__' of 'Foo' objects>, '__weakref__': <attribute '__weakref__' of 'Foo' objects>}



class Bar(Foo):

pass


print(Bar.__doc__)

# None

print(Bar.__dict__)

# {'__module__': '__main__', '__doc__': None}


24.7、__module__和__class__:

1、说明:

__module__ 表示当前操作的对象在那个模块

__class__ 表示当前操作的对象的类是什么


2、示例:

class C:

def __init__(self):

self.name = 'lc'



from lib.aa import C


obj = C()

print obj.__module__

# 输出 lib.aa,即:输出模块

print obj.__class__

# 输出 lib.aa.C,即:输出类


24.8、__del__:

1、析构方法:

(1)当对象在内存中被释放时,自动触发执行。

(2)如果产生的对象仅仅只是python程序级别的(用户级),那么无需定义__del__,如果产生的对象的同时还会向操作系统发起系统调用,

即一个对象有用户级与内核级两种资源,比如打开一个文件或创建一个数据库链接,则必须在清除对象的同时回收系统资源,这就用到了

__del__。


2、典型的应用场景:

(1)创建数据库类,用该类实例化出数据库连接对象,对象本身是存放于用户空间内存中,而连接则是由操作系统管理的,存放于内核空间内存中

当程序结束时,python只会回收自己的内存空间,即用户态内存,而操作系统的资源则没有被回收,这就需要我们定制__del__,在对象被删

除前向操作系统发起关闭数据库连接的系统调用,回收资源,这与文件处理是一个道理。

(2)

f=open('a.txt')

# 做了两件事,第一是在用户空间创建一个 f 对象,第二是在操作系统内核空间打开一个文件。程序执行完毕后会自动执行 __del___ 清理用户空间

# 的 f 对象资源,但是操作系统的文件还处于打开状态,所以我们应该在 __del___ 清理 f 对象资源前清理系统的内核空间。

# 于是文件操作的正确用法如下:

f=open('a.txt')

# 读写...

f.close()

# 很多情况下大家都容易忽略 f.close;


3、示例:

class Foo:


def __del__(self):

print('来自Foo')


f1 = Foo()

del f1

print('------->')

"""

输出结果:

来自Foo

------->

"""



class Foo:


def __del__(self):

print('来自Foo')


f1 = Foo()

print('------->')

"""

输出结果:

------->

来自Foo

"""


24.9、__call__:

1、说明:

(1)对象后面加括号,触发执行。

(2)构造方法的执行是由创建对象触发的,即:对象 = 类名() ;而对于 __call__ 方法的执行是由对象后加括号触发的,

即:对象() 或者 类()()。


2、示例:

class Foo:


def __init__(self):

print('来自__init__')


def __call__(self, *args, **kwargs):

print('来自__call__')


obj = Foo()

# 执行 __init__

# 来自__init__

obj()

# 执行 __call__

# 来自__call__


24.10、描述符(__get__,__set__,__delete__):

1、介绍:

(1)描述符是什么:

1)描述符本质就是一个新式类,在这个新式类中,至少实现了__get__,__set__,__delete__,中的一个,这也被称为描述符协议。

__get__():调用一个属性时触发

__set__():为一个属性赋值时触发

__delete__():采用del删除属性时触发

2)描述符用另外一个类来代理当前类的属性,必须把描述符定义成当前类的类属性,不能定义到构造函数中。

(2)描述符的优先级从高到低分别是:

1)类属性

2)数据描述符

说明:代理类中有__set__的是数据描述符,无__set__的是非数据描述符

3)实例属性

4)非数据描述符

5)找不到的属性触发__getattr__

(3)注意事项:

1)描述符本身应该定义成新式类,被代理的类也应该是新式类。

2)必须把描述符定义成被代理类的类属性,不能为定义到构造函数中。

3)要严格遵循描述符的优先级。

(4)描述符的用途:

众所周知,python是弱类型语言,即参数的赋值没有类型的限制,通过描述符机制来实现参数类型的限制功能。


2、示例:

class Typed:

def __init__(self, key, expected_type):

self.key = key

self.expected_type = expected_type

# 初始化数据类型


def __get__(self, instance, owner):

print('get--->', instance, owner)

if instance is None:

return self

# 当被代理类调用自己的属性时instance的返回值为None

return instance.__dict__[self.key]

# 当被代理类对象调用自己的属性时instance的返回值为被代理类的对象


def __set__(self, instance, value):

print('set--->', instance, value)

if not isinstance(value, self.expected_type):

raise TypeError('Expected %s' % str(self.expected_type))

instance.__dict__[self.key] = value


def __delete__(self, instance):

print('delete--->', instance)

instance.__dict__.pop(self.key)


# self: 表示代理类的对象;

# instance:表示被代理类的对象;

# value:表示被代理类对象属性的值;

# owner:表示被代理的类;


class People:

name = Typed('name', str)

age = Typed('age', int)

salary = Typed('salary', float)

# 创建代理类的对象

# print(name.__dict__)

# {'key': 'name', 'expected_type': <class 'str'>}


def __init__(self, name, age, salary):

self.name = name

self.age = age

self.salary = salary


p1 = People('lc', 18, 33.3)

# set---> <__main__.People object at 0x000002AA852237B8> lc

# set---> <__main__.People object at 0x000002AA852237B8> 18

# set---> <__main__.People object at 0x000002AA852237B8> 33.3

print(p1.__dict__)

# {'name': 'lc', 'age': 18, 'salary': 33.3}

print(People.name)

# <__main__.Typed object at 0x000002AA85223358>

# 调用类属性name,本质就是在调用描述符Str,触发了__get__()

# 那赋值呢,直接赋值了一个类属性,它拥有更高的优先级,相当于覆盖了描述符,肯定不会触发描述符的


24.11、__iter__和__next__实现迭代器协议:

1、介绍:

__iter__和__next__用于对象实现迭代器协议,使用<对象名>.__next__()、next(<对象名>)、iter(<对象名>).__next__()方法时,

先触发__iter__函数将对象变为可迭代对象后返回self,然后再触发__next__函数。


2、示例:

(1)基础示例:

1)基础:

class Foo:

def __init__(self, start, stop):

self.start = start

self.stop = stop


def __iter__(self):

return self


def __next__(self):

if self.start > self.stop:

raise StopIteration

num = self.start

self.start = self.start + 1

return num


f = Foo(1, 5)

print(f.__next__())

print(iter(f).__next__())

print(next(f))

print('=====>')

for i in f: # f----->f.__iter__()----->iter(f)

print(i)

"""

输出结果:

1

2

3

=====>

4

5

"""

2)步长:

class Range:

def __init__(self,start,stop,step):

self.start=start

self.stop=stop

self.step=step


def __iter__(self):

return self


def __next__(self):

if self.start > self.stop:

raise StopIteration

num=self.start

self.start+=self.step

return num


f=Range(1,7,2)

for i in f:

print(i)

"""

输出结果:

1

3

5

7

"""

(2)斐波那契数列:

class Fib:

def __init__(self):

self._a=0

self._b=1


def __iter__(self):

return self


def __next__(self):

self._a,self._b=self._b,self._a + self._b

return self._a

"""

循环步骤:

1、a=1,b=1

2、a=1,b=2

3、a=2,b=3

4、a=3,b=4

"""


f=Fib()


print(f.__next__())

print(next(f))

print(iter(f).__next__())

print('=====>')

for i in f:

if i > 100:

break

print('%s ' %i,end='')

"""

输出结果:

1

1

2

=====>

3 5 8 13 21 34 55 89

"""


24.12、__enter__和__exit__上下文管理:

1、说明:

(1)用于对象;

(2)我们知道在操作文件对象的时候可以写成如下的方式:

with open('a.txt') as f:

  '代码块'

上述叫做上下文管理协议,即with语句,为了让一个对象兼容with语句,必须在这个对象的类中声明 __enter__和__exit__方法。

(3)运行原理:

1)出现with语句时,对象的__enter__被触发,将返回值赋值给as声明的变量,with中代码块执行完毕时执行__exit__。

2)__exit__(self, exc_type, exc_val, exc_tb) 中的三个参数分别代表异常类型(exc_type),异常值(exc_val)和追溯信息(exc_tb),

当with语句中代码块无异常的情况下,三者返回值都为None。当with语句中代码块出现异常,三者返回值都为具体的错误信息,

with后的代码都无法执行,如果__exit__返回值为True,那么异常会被清空,with中异常后的代码无法运行,with后面的代码继

续运行。

(4)使用上下文管理的好处:

1)使用with语句的目的就是把代码块放入with中执行,with结束后,自动完成清理工作(__exit__),无须手动干预。

2)在需要管理一些资源比如文件,网络连接和锁的编程环境中,可以在__exit__中定制自动释放资源的机制,你无须再去关心这个问

题,这将大有用处。


2、示例:

(1)基础:

class Open:

def __init__(self,name):

self.name=name


def __enter__(self):

print('出现with语句,对象的__enter__被触发,有返回值则赋值给as声明的变量')

return self


def __exit__(self, exc_type, exc_val, exc_tb):

print('with中代码块执行完毕时执行我啊')


with Open('a.txt') as f:

print('=====>执行代码块')

print(f.name)

print('=====>')

"""

输出结果:

出现with语句,对象的__enter__被触发,有返回值则赋值给as声明的变量

=====>执行代码块

a.txt

with中代码块执行完毕时执行我啊

=====>

"""

(2)模拟open:

class Open:

def __init__(self,filepath,mode='r',encoding='utf-8'):

self.filepath=filepath

self.mode=mode

self.encoding=encoding


def __enter__(self):

self.file=open(self.filepath,mode=self.mode,encoding=self.encoding)

return self.file


def __exit__(self, exc_type, exc_val, exc_tb):

self.file.close()

return True


def __getattr__(self, item):

return getattr(self.file,item)


with Open('a.txt','w',encoding='utf8') as f:

print(f)

# <_io.TextIOWrapper name='a.txt' mode='w' encoding='utf8'>

f.write('呵呵')

f.wasdf

# 抛出异常,交给__exit__处理,返回值为True,with中异常后的代码无法运行,with后面的代码继续运行;

print('continue')

print('end')

# end


24.13、property:

1、说明:

一个静态属性property的本质就是实现了__get__,__set__,__delete__三种方法。


2、示例:

(1)基础:

class Foo:

@property

def AAA(self):

print('get的时候运行我啊')


@AAA.setter

def AAA(self, value):

print('set的时候运行我啊')


@AAA.deleter

def AAA(self):

print('delete的时候运行我啊')


# 只有在属性AAA定义property后才能定义AAA.setter,AAA.deleter


f1 = Foo()

f1.AAA

f1.AAA = 'aaa'

del f1.AAA

print(f1.__dict__)

"""

输出结果:

get的时候运行我啊

set的时候运行我啊

delete的时候运行我啊

{}

"""

(2)实现类型检测功能:

class People:

def __init__(self,name):

self.name=name

# 实例化就触发property,因为property自动实现了

# set和get方法,属于数据描述符,比实例属性优先级

# 高,所以这么写会触发property内置的set。


@property

def name(self):

print('get------>')

return self.NAME

# return self.name #无限递归


@name.setter

def name(self,value):

print('set------>')

if not isinstance(value,str):

raise TypeError('必须是字符串类型')

self.NAME=value


@name.deleter

def name(self):

print('delete------>')

del self.NAME



# __set__

p1=People('lc')

# set------>

p1.name='lc1'

# set------>

# self.name 实际是存放到self.NAME里

print(p1.__dict__)

# {'NAME': 'lc1'}


#__get__

print(p1.name)

# get------>

# lc1

print(p1.__dict__)

# {'NAME': 'lc1'}


# __delete__

del p1.name

print(p1.__dict__)

# delete------>

# {}


24.14、元类(了解):

1、介绍:

(1)什么是元类:

1)元类属于python面向对象编程的深层类,python中一切皆为对象,所有的对象都是实例化或者说调用类而得到的(调用类的过程称为类的实例化),

那产生类的类就是元类,python中的元类是type类。

2)一个类没有声明自己的元类,默认他的元类就是type,除了使用内置元类type,我们也可以通过继承type来自定义元类,然后使用metaclass关键字

参数为一个类指定元类(默认为metaclass=type)。


2、示例:

(1)普通类创建方法:

class Teacher(object):

school='university'


def __init__(self,name,age):

self.name=name

self.age=age


def say(self):

print('%s says welcome to the %s to learn Python' %(self.name,self.school))


t1 = Teacher('lc', 18)

print(type(t1))

# 查看对象t1的类是<class '__main__.Teacher'>

print(type(Teacher))

# 结果为 <class 'type'>,证明是调用了type这个元类而产生的Teacher,即默认的元类为type


# 如果一切皆为对象,那么类Teacher本质也是一个对象,既然所有的对象都是调用类得到的,那么Teacher必然也是调用了一个类得到的,

# 这个类称为元类,于是我们可以推导出产生Teacher类的过程一定发生了:Teacher=元类(...)。


(2)使用元类创建类:

school='university'


def __init__(self, name, age):

self.name = name

self.age = age


def say(self):

print('%s says welcome to the %s to learn Python' %(self.name,self.school))


Teacher=type('Teacher',(object,),{'school':school,'__init__':__init__,'say':say})

t1 = Teacher('lc', 18)

print(type(t1))

# <class '__main__.Teacher'>

print(t1.__dict__)

# {'name': 'lc', 'age': 18}

t1.say()

# lc says welcome to the university to learn Python


(3)自定义元类(略):


标签:24,__,内置,name,self,面向对象,print,Foo,def
From: https://blog.51cto.com/u_11409186/5743234

相关文章