============================== 9.19 在定义的时候初始化类的成员 ============================== ---------- 问题 ---------- 你想在类被定义的时候就初始化一部分类的成员,而不是要等到实例被创建后。 ---------- 解决方案 ---------- 在类定义时就执行初始化或设置操作是元类的一个典型应用场景。本质上讲,一个元类会在定义时被触发, 这时候你可以执行一些额外的操作。 下面是一个例子,利用这个思路来创建类似于 ``collections`` 模块中的命名元组的类: .. code-block:: python import operator class StructTupleMeta(type): def __init__(cls, *args, **kwargs): super().__init__(*args, **kwargs) for n, name in enumerate(cls._fields): setattr(cls, name, property(operator.itemgetter(n))) class StructTuple(tuple, metaclass=StructTupleMeta): _fields = [] def __new__(cls, *args): if len(args) != len(cls._fields): raise ValueError('{} arguments required'.format(len(cls._fields))) return super().__new__(cls,args) 这段代码可以用来定义简单的基于元组的数据结构,如下所示: .. code-block:: python class Stock(StructTuple): _fields = ['name', 'shares', 'price'] class Point(StructTuple): _fields = ['x', 'y'] 下面演示它如何工作: .. code-block:: python >>> s = Stock('ACME', 50, 91.1) >>> s ('ACME', 50, 91.1) >>> s[0] 'ACME' >>> s.name 'ACME' >>> s.shares * s.price 4555.0 >>> s.shares = 23 Traceback (most recent call last): File "", line 1, in AttributeError: can't set attribute >>> ---------- 讨论 ---------- 这一小节中,类 ``StructTupleMeta`` 获取到类属性 ``_fields`` 中的属性名字列表, 然后将它们转换成相应的可访问特定元组槽的方法。函数 ``operator.itemgetter()`` 创建一个访问器函数, 然后 ``property()`` 函数将其转换成一个属性。 本节最难懂的部分是知道不同的初始化步骤是什么时候发生的。 ``StructTupleMeta`` 中的 ``__init__()`` 方法只在每个类被定义时被调用一次。 ``cls`` 参数就是那个被定义的类。实际上,上述代码使用了 ``_fields`` 类变量来保存新的被定义的类, 然后给它再添加一点新的东西。 ``StructTuple`` 类作为一个普通的基类,供其他使用者来继承。 这个类中的 ``__new__()`` 方法用来构造新的实例。 这里使用 ``__new__()`` 并不是很常见,主要是因为我们要修改元组的调用签名, 使得我们可以像普通的实例调用那样创建实例。就像下面这样: .. code-block:: python s = Stock('ACME', 50, 91.1) # OK s = Stock(('ACME', 50, 91.1)) # Error 跟 ``__init__()`` 不同的是,``__new__()`` 方法在实例被创建之前被触发。 由于元组是不可修改的,所以一旦它们被创建了就不可能对它做任何改变。而 ``__init__()`` 会在实例创建的最后被触发, 这样的话我们就可以做我们想做的了。这也是为什么 ``__new__()`` 方法已经被定义了。 尽管本节很短,还是需要你能仔细研读,深入思考Python类是如何被定义的,实例是如何被创建的, 还有就是元类和类的各个不同的方法究竟在什么时候被调用。 `PEP 422 `_ 提供了一个解决本节问题的另外一种方法。 但是,截止到我写这本书的时候,它还没被采纳和接受。 尽管如此,如果你使用的是Python 3.3或更高的版本,那么还是值得去看一下的。