鸭子类型和多态
引言
在鸭子类型中，关注的不是对象的类型本身，而是它是如何使用的。
例如，在不使用鸭子类型的语言中，我们可以编写一个函数，它接受一个类型为鸭子的对象，并调用它的 走 和 叫方法。
在使用鸭子类型的语言中，这样的一个函数可以接受一个任意类型的对象，并调用它的 走 和 叫 方法。如果这些需要被调用的方法不存在，那么将引发一个运行时错误。任何拥有这样的正确的 走 和 叫 方法的对象都可被函数接受的这种行为引出了以上表述，这种决定类型的方式因此得名。
使用案例
class Cat(object):
def say(self):
print(“I am a cat”)
class Dog(object):
def say(self):
print(“I am a dog”)
class Duck(object):
def say(self):
print(“I am a duck”)
# 这里又是一切皆对象的说明，把类作为对象放入 list
animal_list = [Cat, Dog, Duck]
for animal in animal_list:
animal().say()
# result:
# I am a cat
# I am a dog
# I am a duck
上面的案例中，我们并不需要确定 animal 的类型，只要具有了 say() 这个方法，就能满足调用的条件，程序就可以正常运行。如果在 java 中，则需要抽象出一个 Animal的类，其中包含了 say() 方法，让一系列子类来实现这个方法。这就是动态语言的灵活所在。
再来看一个平时经常使用的例子：
li_a, li_b =[1, 2], [3, 4]
# 初学列表时，应该都知道列表的 extend()方法，将两个列表合并
li_a.extend(li_b)
print(li_a)
# result:
# [1, 2, 3, 4]
实际上，extend() 这个方法的原型是什么样的呢
def extend(self, iterable):
pass
它的参数并未要求是一个列表，而是一个可迭代对象即可，所以，下面这种使用方都是可以的：
li_a = [1, 2]
tuple_b = (3, 4) # 元组
set_c = set([5, 6]) # 集合，用列表转换而成
li_a.extend(tuple_b)
print(li_a)
li_a.extend(set_c)
print(li_a)
# result:
# [1, 2, 3, 4]
# [1, 2, 3, 4, 5, 6]
可迭代对象的本质就是定义了某些魔法函数，使用特定的语法时，魔法函数会隐式地去调用。这里和上一个案例中的 say() 方法是有些类似的。
抽象基类和abc模块
引言
可以类比于 java 中的接口
这个类无法实例化
用来检测某个类是否具有某种方法属性
用来模拟实现抽象类
使用案例
检测对象属性
class Language(object):
def __init__(self, lan_list):
self.lans = lan_list
# 有了这个魔法函数，它的对象可以用 len()
def __len__(self):
return len(self.lans) # 具体的实现委托给了底层列表
language = Language([“C”], [“Python”])
print(len(language))
# result:
# 2
如果我们不知道某个对象能不能作为 len() 的参数，直接调用会报异常。我们可以采用一种方式来检验这个对象能否用 len()：
print(hasattr(language, “__len__”))
# result:
# True
不过这种方式语义不够明显，我们可以像 Java 一样，采用更加适合于编码习惯的方式。 collections.abc 模块中定义好了很多抽象基类，每一个都具有不同的属性，下一小节会讨论一下 Sized 这个抽象基类。
# 这里的 Sized 就是定义了某些必须实现函数的抽象基类
from collections.abc import Sized
print(isinstance(language, Sized))
“””
isinstance放在下一个话题详细讨论
这里先理解为 language 有了 Sized 里定义的属性
“””
# result:
# True
构建抽象类
还有一个位于全局的直接 abc 模块，可以通过它来声明一个抽象的类，然后通过其他具体的类去继承实现这个类。强制约束类的行为。具体说明可以查看 这里
# 首先需要导入这个模块，abstract base class
import abc
class Base(metaclass=abc.ABCMeta): # metaclass? 放在元类编程里讲
@abc.abstractmethod # 采用装饰器将这个方法修饰成抽象方法
def get(self, key):
pass
class Test(Base):
pass # 未实现抽象方法
test = Test() # 实例化阶段就会报错
# result:
# TypeError: Can’t instantiate abstract class Test with abstract methods get
看看 Sized 这个抽象基类中都有什么东西：
“””
接上一小节
“””
class Sized(metaclass=ABCMeta):
__slots__ = ()
@abstractmethod
def __len__(self): # 上一小节使用 Sized 做检测的关键
return 0
@classmethod
def __subclasshook__(cls, C): # 能打印 True 是因为这个魔法函数自动调用了
if cls is Sized:
if any(“__len__” in B.__dict__ for B in C.__mro__):
return True
return NotImplemented
关于 __subclasshook__()，参阅：https://docs.python.org/3/library/abc.html#abc.ABCMeta.subclasshook
小结
abc 模块可以让我们定义自己的抽象基类，但是你可能已经注意到，这样的功能似乎和 Python 的动态语言灵活特性相违背，所以，这里并不推荐采用这种方式来编写代码，鸭子类型才应该是我们关注的重点。
collections.abc 中定义了各种抽象基类，每一种都具有专门的特性，这些抽象基类不是为我们提供的，只是以一种类似文档的方式让我们了解 Python 灵活的各种内置对象的构成。
isinstance 和 type
引言
isinstance(obj, class) : 判断前面的对象是不是后面类的一个实例。
type(obj): 获得对象的类型
使用案例
class A:
pass
class B(A):
pass
b = B()
print(isinstance(b, B))
print(isinstance(b, A)) # 内部会沿着继承链往上找
# result:
# True
# True
print(type(b) is B)
print(type(b) is A)
# result:
# True
# False
如果要判断一个对象的类型，应尽量采用 isinstance()。
类变量和实例变量
引言
类变量属于类，是由所有实例共享的
实例变量只属于特定的实例
使用案例
class Vector:
v = 1
def __init__(self, x, y):
self.x = x
self.y = y
m = Vector(2, 3)
print(m.x, m.y, m.v, Vector.v) # 实例可以访问到类变量
# result:
# 2, 3, 1， 1
Vector.v = 11
print(m.x, m.y, m.v, Vector.v) # 通过类修改了类变量的值
# result:
# 2, 3, 11，11
“””
通过实例无法修改类变量
这样写本质上是给实例 m 增加了一个实例变量 v
“””
m.v = 111
print(m.x, m.y, m.v, Vector.v)
# result:
# 2, 3, 111, 11
MRO
引言
MRO：方法解析顺序（Method Resolution Order）
对象在使用属性或者调用方法的时候会按照一定的顺序进行查找
使用案例
现在有这样两种多继承的关系结构：
在 1 中若在A中调用了某一个方法，但是这个方法并不存在于A中，则它就会按照如下顺序向上查找并调用：A->B->D->C->E
在 2 中，会沿着这样的一个顺序：A->B->C->D
详细的算法步骤比较复杂，就不仔细讲解。我们可以通过__mro__属性来查看这种搜索顺序
“””
图2中的继承关系
“””
class D:
pass
class B(D):
pass
class C(D):
pass
class A(B, C):
pass
print(A.__mro__)
# result:
# (, , , , )
类方法 静态方法 实例方法
引言
类方法和静态方法在使用时要加上特殊的装饰器
类方法和整个类有关，而且需要引用这个类
静态方法和类有关，但不需要引用类或者实例
使用案例
class Date:
def __init__(self, year, month, day):
self.year = year
self.month = month
self.day = day
def __str__(self):
return “{y}/{m}/{d}”.format(y=self.year, m=self.month, d=self.day)
def tommorrow(self):
self.day += 1
@classmethod
def parse_from_str(cls, data_str):
year, month, day = tuple(data_str.split(“-“))
return cls(int(year), int(month), int(day))
@staticmethod
def is_valid_str(data_str):
year, month, day = tuple(data_str.split(“-“))
valid_year = int(year)>0
valid_month = int(month)>0 and int(month)<=12
valid_day = int(day)>0 and int(day)<31
return valid_year and valid_month and valid_day
# 1.测试实例方法
new_day = Date(2019, 8, 1)
new_day.tommorrow()
“””
实例方法定义的时候会有 self 参数
实际调用时，不需要进行传递，谁调用谁就是self
解释器会把它转化成：tommorrow(new_day)
“””
print(new_day)
# result:
# 2019/8/2
# 2.使用 classmethod 完成初始化
new_day = Date.parse_from_str(“2019-8-1”)
print(new_day)
# result:
# 2019/8/1
# 3.使用 staticmethod 进行格式校验
date_str = “2019-8-32”
print(Date.is_valid_str(date_str))
# result:
# False
数据封装和私有属性
引言
Python中对象的私有属性都是通过双下划线开头
Python语言中并没有严格地数据私有化机制，而是通过名字重整，间接私有属性
使用案例
class Person:
def __init__(self, age):
self.__age = age
def get_age():
return self.age
person = Person(20)
print(person.age)
# result:
# AttributeError: ‘Person’ object has no attribute ‘age’
“””
名字重整就是将双下划线开头的私有变量，在内部用另外一个名字替换掉了
替换方式：_ClassName__property
“””
print(person._Person__age) # 还是访问到了我们所谓的 “私有属性”
# result:
# 20
Python自省机制
引言
自省是通过一定的机制查询到对象的内部结构
通过__dict__来查询属性
通过dir(obj)查看更加详细的属性
使用案例
class Person:
name = “MetaTian”
class Student(Person):
def __init__(self, school_name):
self.school_name = school_name
me = Student(“Rity”)
print(me.__dict__) # 查看 me 的所有属性
# result:
# {‘school_name’: ‘Rity’}
“””
name 是属于 Person 的属性，能被打印不报错是因为
按照了一定的查找规则，找到了它，可以调用，但并不属于 me
“””
print(me.name)
# result:
# MetaTian
“””
类也是对象，但是它的属性结构要比对象复杂的多
“””
print(Person.__dict__)
# result:
# {‘__module__’: ‘__main__’, ‘name’: ‘MetaTian’, ‘__dict__’: , ‘__weakref__’: , ‘__doc__’: None}
“””
这就是对象属性存储的本质了
“””
me.__dict__[“hobby”] = “reading”
print(me.hobby)
# result:
# reading
print(dir(me))
这里给出的属性会更加详细，不过没有对应的值。通过给出的这些属性，我们大概就能猜到它实现了哪些魔法函数
关于super
引言
调用父类的方法？
多半用在构造函数中，既然重写了父类构造函数，为什么还要去调用？
使用案例
“””
定义自己的一个线程
可以重用父类的构造方法，完成线程创建
“””
from threading import Thread
class MyThread(Thread):
def __init__(self, myname, user):
self.user = user
super().__init__(name=myname) # 调用父类的构造方法
“””
这里参考 MRO 小结中的第二种继承关系
可以看到，B被打印后并没有找到其父类D，进行D的打印，而是打印了C
super() 调用顺序与 mro 中定义的顺序是一样的
“””
class D:
def __init__(self):
print(“D”)
class B(D):
def __init__(self):
print(“B”)
super().__init__()
class C(D):
def __init__(self):
print(“C”)
super().__init__()
class A(B, C):
def __init__(self):
print(“A”)
super().__init__()
a = A()
# result:
# A
# B
# C
# D
# (, , , , )
小结
super()函数一般用在子类的构造函数中，可以让我们重用父类构造函数的代码，特别是父类构造函数非常复杂的情况下。
这里的父类也不是严格的继承关系上的父类，而是MRO顺序中的上一个，对于复杂的继承关系结构，把super()简单地理解为调用父类是不准确的。
with和contexlib
引言
就是上下文管理器，涉及到两个魔法函数__enter__()和__exit__()
用来简化try和finally的用法
实现了上下文管理器协议的类都可以直接使用with语句
使用案例
class Sample:
def __enter__(self):
print(“enter”) # 获取资源
return self
def __exit__(self, exc_type, exc_val, exc_tb):
print(“exit”) # 释放资源
def do_sth(self):
print(“doing something”)
with Sample() as sample:
sample.do_sth()
# result:
# enter
# doing something
# exit
import contexlib
“””
使用contexlib库中提供的一个装饰器可以将一个函数变成上下文管理器
所修饰的函数必须是一个生成器
yield 语句之前的代码对应 __enter__()中的逻辑
yield 语句之后的代码对应 __exit__()中的逻辑
“””
@contexlib.contexmanager
def file_open(file_name):
print(“file open”)
yield {} # 模拟一下,后面部分会详细讲解生成器
print(“file end”)
with file_open(“Metatian.txt”) as f_opened:
print(“file processing”)
# result:
# file open
# file processing
# file end
喜欢python + qun：839383765 可以获取Python各类免费最新入门学习资料！
