元类
在python中一切皆对象，类也是对象，只不过类是一个创建对象的对象，我们可以在类中动态的创建一个类，比如
def func(name): if name == "Plane": class Plane(object): pass return Plane else: class Metrorolite(object): pass return Mrtroolite
虽然根据上述代码可以动态创建一个类，但是整个类的代码仍需要我们编写的
type()有两种作用：
1、检查对象类型
class People(object): def __init__(self, id, name, employees): self.id = id self.name = name def func(self): return if __name__ == "__main__": id = 1001 name = "abc" employees = [1,2,3] people = People(id, name, employees) # 检查整型 print(type(id)) ## 检查字符串型 print(type(name)) # # 检查列表型 print(type(employees)) # # 检查类的对象型 print(type(people)) # # 检查类类型 print(type(People)) # # 检查函数型 print(type(people.func)) # # 如果我们对其结果再次type()得到的结果都是type类型，这就验证了一切解释对象
2、还有一个高大上的作用就是动态的创建类
语法：type(类名, 由父类名称组成的元组（可以为空）, 包含属性的字典（名称和值）)
返回值是一个类
# 空类 Chinese = type("People", (), {}) # 继承父类，父类以元组的形式表达 Chinses = type("People", (object, ), {}) # 给类一些属性(下述都是类属性）和方法（方法可以自定义，依次是实例方法、类方法、静态方法） def sayHI(self): print("HI") @classmethod def sayHello(cls): print("Hello") @staticmethod def sayBye(): print("Bye") Chinese = type("People", (object, ), {"id": 1001, "name": "zhangsan", "func1": sayHI, "func2": sayHello, "func3": sayBye}) # Chinese 不是类名，People是类名，Chinese是一个引用变量
元类的定义：
元类就是用来创建类的“东西”
元类是类的类， 是类的模板
元类是用来控制如何创建类的， 正如类是创建对象的模板一样，而元类的主要目的是为了控制类的创建行为
元类的实例化结果是我们用class定义的类，正如类的实例为对象
type是python的一个内建元类， 用来直接控制生成类
python中任何class定义的类其实都是type类实例化的对象
当然了，你也可以创建自己的元类，需要继承 type。
元类的定义和使用：
通过函数返回一个元类：
# 自定义函数 def summary(a, b): return a+b # 这个函数的作用是修改当前类的属性的值和方法的功能，并且返回一个类 def upper_attr(future_class_name, future_class_parent, future_class_attr): # 可以修改当前类定义的属性的值和方法的功能 newAttr = {} for name, value in future_class_attr.items(): if name == "bar": newAttr[name] = "变量值修改了" if name == "func": newAttr[name] = summary return type(future_class_name, future_class_parent, newAttr) class Operation(object, metaclass=upper_attr): bar = "修改之前的值" func = None if __name__ == "__main__": print(Operation.bar) # 变量值修改了 print(Operation.func(2, 4)) # 返回值6
通过继承type生成元类（博主也没有看懂，了解即可，用到极少）：
class Meta(type): def __init__(cls, *args, **kwargs): super().__init__(*args) def __new__(cls, *args, **kwargs):
name, bases, attrs = args
return super().__new__(cls, name, bases, attrs)
class M_Class(metaclass=Meta):
def __new__(cls, *args, **kwargs):
return super().__new__(cls)
def __init__(self):
pass
动态语言
静态语言和动态语言的区别：
静态语言（强类型语言）
静态语言是在编译时变量的数据类型即可确定的语言，多数静态类型语言要 求在使用变量之前必须声明数据类型。
例如：C++、Java、Delphi、C#等。
动态语言（弱类型语言）
动态语言是在运行时确定数据类型的语言。变量使用之前不需要类型声明， 通常变量的类型是被赋值的那个值的类型。
例如：PHP/ASP/Ruby/Python/Perl/ABAP/SQL/JavaScript/Unix Shell等等。
动态语言的特性：
运行的过程中给对象绑定(添加)属性
运行的过程中给类绑定(添加)属性
运行的过程中给类绑定(添加)方法
运行的过程中删除属性、方法
class Person(object): def __init__(self, name, age): self.name = name self.age = age def show(): print("通过类动态增加类方法.") @classmethod def show2(cls): print("通过类动态增加类方法，并且打印id.", cls.id) if __name__ == "__main__": person = Person("张三", 22) # 运行过程中，给对象添加属性 person.phone = "1847015XXXX" print(person.phone) # 1847015XXXX # 运行过程中，对象是不能添加方法，否则会报错 # person.func = show # person.func() # 运行过程中，给类增加属性 Person.id = 10001 print("对象访问类属性", person.id) # 对象访问类属性10001 print("类访问类属性", Person.id) # 类访问类属性10001 # 运行过程中给类增加方法 Person.func = show Person.func() # 通过类动态增加类方法. # 运行过程中给类增加类方法 Person.func = show2 Person.func() # 通过类动态增加类方法，并且打印id。10001
__slots__
__slots__作用：
Python允许在定义class的时候，定义一个特殊变量__slots__来限制该 class能添加的属性，当前类就不能定义或者增加__slots__之外的属性了
__slots__注意事项：
__slots__只对类的实例化对象进行限制，不对类进行限制，__slots__变量值是以元组形式表示
__slots__不仅限制类对象的属性，还限制类对象的方法
__slots__仅对当前类起作用，对继承的子类不起作用
在子类中定义__slots__，子类允许定义的属性就是自身的__slots__加上父类的 __slots__
class Person(object): __slots__ = ("name", "age") def __init__(self, name, age): self.name = name self.age = age if __name__ == "__main__": person = Person("张三", 22) # 运行过程中，给对象添加属性实例对象属性只限于name，age # person.phone = "1847015XXXX" # print(person.phone) # 运行过程中，给类增加属性，__slots__ 不限制类 Person.id = 10001 print("对象访问类属性", person.id) # 对象访问类属性 10001 print("类访问类属性", Person.id) # 类访问类属性 10001
生成器
概念：Python中，这种一边循环一边计算的机制，称为生成器：generator。
创建生成器的两种方式：
方法1：列表生成式的 [ ] 改成 ( )
numbers = ( i for i in range(100))
通过 next() 函数获得生成器的下一个返回值
没有更多的元素时，抛出 StopIteration 的异常
正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心 StopIteration 异
方法2：使用函数创建生成器（实例）
# 斐波那契数列 def fibonacci(num): a = 0 b = 1 count = 0 temp = 1 while count < num: yield b a, b = b, a+b count += 1 fi = fibonacci(4) print(next(fi)) # 1 print(next(fi)) # 1 print(next(fi)) # 2 print(next(fi)) # 3 # 没有更多的元素时，抛出 StopIteration 的异常 # 正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心StopIteration 异常 print(next(fi)) # error # 所以在使用生成器的时候，需要捕获异常 fi = fibonacci(10) while True: try: print(next(fi)) except StopIteration as e: print(e) break
另外生成器也可以传递参数通过send(参数值)：
# 斐波那契数列 def fibonacci(num): a = 0 b = 1 count = 0 temp = 1 while count < num: temp = yield temp*b print("temp{}:{}".format(count, temp)) a, b = b, a+b count += 1 fi = fibonacci(10) print(next(fi)) while True: try: print(fi.send(1)) except: break
迭代器
可迭代对象：
这里先提一下迭代器对象，如果一个对象可以通for循环进行遍历的对象一般都是迭代器对象；python提供了一个Iterable类就是鉴别对象是否是迭代器对象，在鉴别的过程中需要借助isinstance()方法，这个方法是鉴别对象是否属于一个类的对象，这里不能用type()方法，因为type()的作用是鉴别对象是否是类的实例化对象（通过继承的是false)
首先先简单介绍两者检验对象类型的区别：
class A: def __init__(self): pass class B(A): def __init__(self): super().__init__() if __name__ == "__main__": a = 123 # 两者检验整型,类似这种，字符串、列表、元组、集合、字典都是一样的结果 print(type(a) == int) # True print(isinstance(a, int)) # True # 两者主要的区别 直接通过类生成的对象，两者检验的结果是一样的 b = B() print(type(b) == B) # True print(isinstance(b, B)) # True # 若是父类就会有不一样的结果 print(type(b) == A) # False print(isinstance(b, A)) # True
所以在检验对象时，采用isinstance()比较好，
from collections import Iterable class A: def __init__(self): pass class B(A): def __init__(self): super().__init__() # 实例生成器函数 def func(self, a): yield a a = a + 1 if a == 5: return if __name__ == "__main__": b = B() print(isinstance(b, Iterable)) # False # 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典 b = "" print(isinstance(b, Iterable)) # True # 前面提到的生成器，他也是可迭代对象 a = B() b = a.func(0) print(isinstance(b, Iterable)) # True
迭代器：
可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。
可以使用 isinstance() 判断一个对象是否是 Iterator 对象：
有两种情况是迭代器：
1、通过生成器函数生成的生成器就是迭代器
2、通iter()函数将可迭代对象转换成迭代器
from collections import Iterator class A: def __init__(self): pass class B(A): def __init__(self): super().__init__() # 实例生成器函数 def func(self, a): yield a a = a + 1 if a == 5: return if __name__ == "__main__": b = B() print(isinstance(b, Iterator)) # False # 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典 b = "" print(isinstance(b, Iterator)) # True # 前面提到的生成器，他也是可迭代对象 a = B() b = a.func(0) print(isinstance(b, Iterator)) # True # 通过iter()函数将字符串、列表、元组、集合、字典转换成迭代器 b = {} b = iter(b) print(isinstance(b, Iterator))
迭代器是可以自定义，只要重写迭代器协议的两个方法
迭代器对象符合迭代器协议，提供两种方法： __iter__() 和 __next__()
__iter__ 返回迭代器对象，并在循环开始时隐式调用。
__next__方法返回下一个值，并在每个循环增量处隐式调用。
__next__在没有更多值返回时引发StopIteration异常，循环结构隐式捕获该 异常以停止迭代。
class Counter: def __init__(self, low, high): self.current = low self.high = high # 生成器的一般固定写法 def __iter__(self): return self # 在下面函数可以改变迭代器返回的下一个值 def __next__(self): if self.current > self.high: raise StopIteration else: self.current += 2 return self.current -2