转载

Python黑魔法之描述符

Descriptors(描述符)是Python语言中一个深奥但很重要的一个黑魔法,它被广泛应用于Python语言的内核,熟练掌握描述符将会为Python程序员的工具箱添加一个额外的技巧。本文我将讲述一下描述符的定义以及一些常见的场景,并且在文末会补充一下 __getattr__getattribute__ , __getitem__ 这三个同样涉及到属性访问的魔术方法。

描述符的定义

descr__get__(self, obj, objtype=None) --> value

descr.__set__(self, obj, value) --> None

descr.__delete__(self, obj) --> None

只要一个 object attribute (对象属性)定义了上面三个方法中的任意一个,那么这个类就可以被称为描述符类。

描述符基础

下面这个例子中我们创建了一个 RevealAcess 类,并且实现了 __get__ 方法,现在这个类可以被称为一个描述符类。

classRevealAccess(object):
    def__get__(self, obj, objtype):
        print('self in RevealAccess: {}'.format(self))
        print('self: {}/nobj: {}/nobjtype: {}'.format(self, obj, objtype))


classMyClass(object):
    x = RevealAccess()
    deftest(self):
        print('self in MyClass: {}'.format(self))

EX1实例属性

接下来我们来看一下 __get__ 方法的各个参数的含义,在下面这个例子中, self 即RevealAccess类的实例x, obj 即MyClass类的实例m, objtype 顾名思义就是MyClass类自身。从输出语句可以看出, m.x 访问描述符 x 会调用 __get__ 方法。

>>> m = MyClass()
>>> m.test()
self in MyClass: <__main__.MyClass object at 0x7f19d4e42160>

>>> m.x
self in RevealAccess: <__main__.RevealAccess object at 0x7f19d4e420f0>
self: <__main__.RevealAccess object at 0x7f19d4e420f0>
obj: <__main__.MyClass object at 0x7f19d4e42160>
objtype: <class'__main__.MyClass'>

EX2类属性

如果通过类直接访问属性 x ,那么 obj 接直接为None,这还是比较好理解,因为不存在MyClass的实例。

>>> MyClass.x
self in RevealAccess: <__main__.RevealAccess object at 0x7f53651070f0>
self: <__main__.RevealAccess object at 0x7f53651070f0>
obj: None
objtype: <class'__main__.MyClass'>

描述符的原理

描述符触发

上面这个例子中,我们分别从实例属性和类属性的角度列举了描述符的用法,下面我们来仔细分析一下内部的原理:

  • 如果是对 实例属性 进行访问,实际上调用了基类object的__getattribute__方法,在这个方法中将obj.d转译成了 type(obj).__dict__['d'].__get__(obj, type(obj))

  • 如果是对 类属性 进行访问,相当于调用了元类type的__getattribute__方法,它将cls.d转译成 cls.__dict__['d'].__get__(None, cls) ,这里__get__()的obj为的None,因为不存在实例。

简单讲一下 __getattribute__ 魔术方法,这个方法在我们访问一个对象的属性的时候会被无条件调用,详细的细节比如和 __getattr , __getitem__ 的区别我会在文章的末尾做一个额外的补充,我们暂时并不深究。

描述符优先级

首先,描述符分为两种:

  • 如果一个对象同时定义了__get__()和__set__()方法,则这个描述符被称为 data descriptor

  • 如果一个对象只定义了__get__()方法,则这个描述符被称为 non-data descriptor

我们对属性进行访问的时候存在下面四种情况:

  • data descriptor
  • instance dict
  • non-data descriptor
  • __getattr__()

它们的优先级大小是:

data descriptor > instance dict > non-data descriptor > __getattr__()

这是什么意思呢?就是说如果实例对象obj中出现了同名的 data descriptor->dinstance attribute->dobj.d 对属性 d 进行访问的时候,由于data descriptor具有更高的优先级,Python便会调用 type(obj).__dict__['d'].__get__(obj, type(obj)) 而不是调用obj.__dict__[‘d’]。但是如果描述符是个non-data descriptor,Python则会调用 obj.__dict__['d']

Property

每次使用描述符的时候都定义一个描述符类,这样看起来非常繁琐。Python提供了一种简洁的方式用来向属性添加数据描述符。

property(fget=None, fset=None, fdel=None, doc=None) -> property attribute

fget、fset和fdel分别是类的getter、setter和deleter方法。我们通过下面的一个示例来说明如何使用Property:

classAccount(object):

    def__init__(self):
        self._acct_num = None

    defget_acct_num(self):
        return self._acct_num

    defset_acct_num(self, value):
        self._acct_num = value

    defdel_acct_num(self):
        del self._acct_num

    acct_num = property(get_acct_num, set_acct_num, del_acct_num, '_acct_num property.')

如果acct是Account的一个实例,acct.acct_num将会调用getter,acct.acct_num = value将调用setter,del acct_num.acct_num将调用deleter。

>>> acct = Account()
>>> acct.acct_num = 1000
>>> acct.acct_num
1000

Python也提供了 @property 装饰器,对于简单的应用场景可以使用它来创建属性。一个属性对象拥有getter,setter和deleter装饰器方法,可以使用它们通过对应的被装饰函数的accessor函数创建属性的拷贝。

classAccount(object):

    def__init__(self):
        self._acct_num = None

 @property
     # the _acct_num property. the decorator creates a read-only property
    defacct_num(self):
        return self._acct_num

 @acct_num.setter
    # the _acct_num property setter makes the property writeable
    defset_acct_num(self, value):
        self._acct_num = value

 @acct_num.deleter
    defdel_acct_num(self):
        del self._acct_num

如果想让属性只读,只需要去掉setter方法。

在运行时创建描述符

我们可以在运行时添加property属性:

classPerson(object):

    defaddProperty(self, attribute):
        # create local setter and getter with a particular attribute name
        getter = lambda self: self._getProperty(attribute)
        setter = lambda self, value: self._setProperty(attribute, value)

        # construct property attribute and add it to the class
        setattr(self.__class__, attribute, property(fget=getter, /
                                                    fset=setter, /
                                                    doc="Auto-generated method"))

    def_setProperty(self, attribute, value):
        print("Setting: {} = {}".format(attribute, value))
        setattr(self, '_' + attribute, value.title())

    def_getProperty(self, attribute):
        print("Getting: {}".format(attribute))
        return getattr(self, '_' + attribute)
>>> user = Person()
>>> user.addProperty('name')
>>> user.addProperty('phone')
>>> user.name = 'john smith'
Setting: name = john smith
>>> user.phone = '12345'
Setting: phone = 12345
>>> user.name
Getting: name
'John Smith'
>>> user.__dict__
{'_phone': '12345', '_name': 'John Smith'}

静态方法和类方法

我们可以使用描述符来模拟Python中的 @staticmethod@classmethod 的实现。我们首先来浏览一下下面这张表:

Transformation Called from an Object Called from a Class
function f(obj, *args) f(*args)
staticmethod f(*args) f(*args)
classmethod f(type(obj), *args) f(klass, *args)

静态方法

对于静态方法 fc.fC.f 是等价的,都是直接查询 object.__getattribute__(c, ‘f’) 或者 object.__getattribute__(C, ’f‘) 。静态方法一个明显的特征就是没有 self 变量。

静态方法有什么用呢?假设有一个处理专门数据的容器类,它提供了一些方法来求平均数,中位数等统计数据方式,这些方法都是要依赖于相应的数据的。但是类中可能还有一些方法,并不依赖这些数据,这个时候我们可以将这些方法声明为静态方法,同时这也可以提高代码的可读性。

使用非数据描述符来模拟一下静态方法的实现:

classStaticMethod(object):
    def__init__(self, f):
        self.f = f

    def__get__(self, obj, objtype=None):
        return self.f

我们来应用一下:

classMyClass(object):
 @StaticMethod
    defget_x(x):
        return x

print(MyClass.get_x(100))  # output: 100

类方法

Python的 @classmethod@staticmethod 的用法有些类似,但是还是有些不同,当某些方法只需要得到 类的引用 而不关心类中的相应的数据的时候就需要使用classmethod了。

使用非数据描述符来模拟一下类方法的实现:

classClassMethod(object):
    def__init__(self, f):
        self.f = f

    def__get__(self, obj, klass=None):
        if klass is None:
            klass = type(obj)
        defnewfunc(*args):
            return self.f(klass, *args)
        return newfunc

其他的魔术方法

首次接触Python魔术方法的时候,我也被 __get__ , __getattribute__ , __getattr__ , __getitem__ 之间的区别困扰到了,它们都是和属性访问相关的魔术方法,其中重写 __getattr____getitem__ 来构造一个自己的集合类非常的常用,下面我们就通过一些例子来看一下它们的应用。

__getattr__

Python默认访问类/实例的某个属性都是通过 __getattribute__ 来调用的, __getattribute__ 会被无条件调用,没有找到的话就会调用 __getattr__ 。如果我们要定制某个类,通常情况下我们不应该重写 __getattribute__ ,而是应该重写 __getattr__ ,很少看见重写 __getattribute__ 的情况。

从下面的输出可以看出,当一个属性通过 __getattribute__ 无法找到的时候会调用 __getattr__

In [1]: classTest(object):
    ...:     def__getattribute__(self, item):
    ...:         print('call __getattribute__')
    ...:         return super(Test, self).__getattribute__(item)
    ...:     def__getattr__(self, item):
    ...:         return 'call __getattr__'
    ...:

In [2]: Test().a
call __getattribute__
Out[2]: 'call __getattr__'

应用

对于默认的字典,Python只支持以 obj['foo'] 形式来访问,不支持 obj.foo 的形式,我们可以通过重写 __getattr__ 让字典也支持 obj['foo'] 的访问形式,这是一个非常经典常用的用法:

classStorage(dict):
    """
    A Storage object is like a dictionary except `obj.foo` can be used
    in addition to `obj['foo']`.
    """

    def__getattr__(self, key):
        try:
            return self[key]
        except KeyError as k:
            raise AttributeError(k)

    def__setattr__(self, key, value):
        self[key] = value

    def__delattr__(self, key):
        try:
            del self[key]
        except KeyError as k:
            raise AttributeError(k)

    def__repr__(self):
        return '<Storage ' + dict.__repr__(self) + '>'

我们来使用一下我们自定义的加强版字典:

>>> s = Storage(a=1)
>>> s['a']
1
>>> s.a
1
>>> s.a = 2
>>> s['a']
2
>>> del s.a
>>> s.a
...
AttributeError: 'a'

__getitem__

getitem用于通过下标 [] 的形式来获取对象中的元素,下面我们通过重写 __getitem__ 来实现一个自己的list。

classMyList(object):
    def__init__(self, *args):
        self.numbers = args

    def__getitem__(self, item):
        return self.numbers[item]


my_list = MyList(1, 2, 3, 4, 6, 5, 3)
print my_list[2]

这个实现非常的简陋,不支持slice和step等功能,请读者自行改进,这里我就不重复了。

应用

下面是参考 requests库 中对于 __getitem__ 的一个使用,我们定制了一个忽略属性大小写的字典类。

程序有些复杂,我稍微解释一下:由于这里比较简单,没有使用描述符的需求,所以使用了 @property 装饰器来代替, lower_keys 的功能是将 实例字典 中的键全部转换成小写并且存储在字典 self._lower_keys 中。重写了 __getitem__ 方法,以后我们访问某个属性首先会将键转换为小写的方式,然后并不会直接访问实例字典,而是会访问字典 self._lower_keys 去查找。赋值/删除操作的时候由于实例字典会进行变更,为了保持 self._lower_keys 和实例字典同步,首先清除 self._lower_keys 的内容,以后我们重新查找键的时候再调用 __getitem__ 的时候会重新新建一个 self._lower_keys

classCaseInsensitiveDict(dict):

 @property
    deflower_keys(self):
        if not hasattr(self, '_lower_keys') or not self._lower_keys:
            self._lower_keys = dict((k.lower(), k) for k in self.keys())
        return self._lower_keys

    def_clear_lower_keys(self):
        if hasattr(self, '_lower_keys'):
            self._lower_keys.clear()

    def__contains__(self, key):
        return key.lower() in self.lower_keys

    def__getitem__(self, key):
        if key in self:
            return dict.__getitem__(self, self.lower_keys[key.lower()])

    def__setitem__(self, key, value):
        dict.__setitem__(self, key, value)
        self._clear_lower_keys()

    def__delitem__(self, key):
        dict.__delitem__(self, key)
        self._lower_keys.clear()

    defget(self, key, default=None):
        if key in self:
            return self[key]
        else:
            return default

我们来调用一下这个类:

>>> d = CaseInsensitiveDict()
>>> d['ziwenxie'] = 'ziwenxie'
>>> d['ZiWenXie'] = 'ZiWenXie'

>>> print(d)
{'ZiWenXie': 'ziwenxie', 'ziwenxie': 'ziwenxie'}
>>> print(d['ziwenxie'])
ziwenxie

# d['ZiWenXie'] => d['ziwenxie']
>>> print(d['ZiWenXie'])
ziwenxie
原文  http://www.ziwenxie.site/2017/01/29/python-descriptors/
正文到此结束
Loading...