Python黑魔法之描述符
ytxwz0101
8年前
<p>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。</p> <h2>描述符的定义</h2> <pre> <code class="language-python">descr__get__(self, obj, objtype=None) --> value descr.__set__(self, obj, value) --> None descr.__delete__(self, obj) --> None </code></pre> <p>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。</p> <h2>描述符基础</h2> <p>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。</p> <pre> <code class="language-python">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)) </code></pre> <p>EX1实例属性</p> <p>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。</p> <pre> <code class="language-python">>>> 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'> </code></pre> <p>EX2类属性</p> <p>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。</p> <pre> <code class="language-python">>>> MyClass.x self in RevealAccess: <__main__.RevealAccess object at 0x7f53651070f0> self: <__main__.RevealAccess object at 0x7f53651070f0> obj: None objtype: <class'__main__.MyClass'> </code></pre> <h2>描述符的原理</h2> <h3>描述符触发</h3> <p>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:</p> <ul> <li> <p>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)) 。</p> </li> <li> <p>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。</p> </li> </ul> <p>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。</p> <h3>描述符优先级</h3> <p>首先,描述符分为两种:</p> <ul> <li> <p>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 。</p> </li> <li> <p>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 。</p> </li> </ul> <p>我们对属性进行访问的时候存在下面四种情况:</p> <ul> <li>data descriptor</li> <li>instance dict</li> <li>non-data descriptor</li> <li>__getattr__()</li> </ul> <p>它们的优先级大小是:</p> <pre> <code class="language-python">data descriptor > instance dict > non-data descriptor > __getattr__() </code></pre> <p>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->d 和 instance attribute->d , obj.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'] 。</p> <h2>Property</h2> <p>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。</p> <pre> <code class="language-python">property(fget=None, fset=None, fdel=None, doc=None) -> property attribute </code></pre> <p>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:</p> <pre> <code class="language-python">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.') </code></pre> <p>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。</p> <pre> <code class="language-python">>>> acct = Account() >>> acct.acct_num = 1000 >>> acct.acct_num 1000 </code></pre> <p>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。</p> <pre> <code class="language-python">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 </code></pre> <p>如果想让属性只读,只需要去掉setter方法。</p> <h2>在运行时创建描述符</h2> <p>我们可以在运行时添加property属性:</p> <pre> <code class="language-python">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) </code></pre> <pre> <code class="language-python">>>> 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'} </code></pre> <h2>静态方法和类方法</h2> <p>我们可以使用描述符来模拟Python中的 @staticmethod 和 @classmethod 的实现。我们首先来浏览一下下面这张表:</p> <table> <thead> <tr> <th>Transformation</th> <th>Called from an Object</th> <th>Called from a Class</th> </tr> </thead> <tbody> <tr> <td>function</td> <td>f(obj, *args)</td> <td>f(*args)</td> </tr> <tr> <td>staticmethod</td> <td>f(*args)</td> <td>f(*args)</td> </tr> <tr> <td>classmethod</td> <td>f(type(obj), *args)</td> <td>f(klass, *args)</td> </tr> </tbody> </table> <h3>静态方法</h3> <p>对于静态方法 f 。 c.f 和 C.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。</p> <p>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。</p> <p>使用非数据描述符来模拟一下静态方法的实现:</p> <pre> <code class="language-python">classStaticMethod(object): def__init__(self, f): self.f = f def__get__(self, obj, objtype=None): return self.f </code></pre> <p>我们来应用一下:</p> <pre> <code class="language-python">classMyClass(object): @StaticMethod defget_x(x): return x print(MyClass.get_x(100)) # output: 100 </code></pre> <h3>类方法</h3> <p>Python的 @classmethod 和 @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。</p> <p>使用非数据描述符来模拟一下类方法的实现:</p> <pre> <code class="language-python">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 </code></pre> <h2>其他的魔术方法</h2> <p>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。</p> <h3>__getattr__</h3> <p>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。</p> <p>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__ 。</p> <pre> <code class="language-python">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__' </code></pre> <p>应用</p> <p>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:</p> <pre> <code class="language-python">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) + '>' </code></pre> <p>我们来使用一下我们自定义的加强版字典:</p> <pre> <code class="language-python">>>> s = Storage(a=1) >>> s['a'] 1 >>> s.a 1 >>> s.a = 2 >>> s['a'] 2 >>> del s.a >>> s.a ... AttributeError: 'a' </code></pre> <h3>__getitem__</h3> <p>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。</p> <pre> <code class="language-python">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] </code></pre> <p>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。</p> <p>应用</p> <p>下面是参考 <a href="/misc/goto?guid=4959735739397435090" rel="nofollow,noindex">requests库</a> 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。</p> <p>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 。</p> <pre> <code class="language-python">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 </code></pre> <p>我们来调用一下这个类:</p> <pre> <code class="language-python">>>> 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 </code></pre> <p> </p> <p>来自:http://www.ziwenxie.site/2017/01/29/python-descriptors/</p> <p> </p>