Python 进阶——什么是描述符？
在 Python 开发中，你可能听说过「描述符」这个概念，由于我们很少直接使用它，所以大部分开发人员并不了解它的原理。
但作为熟练使用 Python，想要进阶的你，建议还是了解一下描述符的原理，这也便于你更深层次地理解 Python 的设计思想。
其实，在开发过程中，虽然我们没有直接使用到描述符，但是它在底层却无时不刻地被使用到，例如以下这些：
-
function、bound method、unbound method -
装饰器
property、staticmethod、classmethod
是不是都很熟悉？
这些都与描述符有着千丝万缕的关系，这篇文章我们就来看一下描述符背后的工作原理。
什么是描述符？
在解释什么是「描述符」之前，我们先来看一个简单的例子。
class A:
x = 10
print(A.x) # 10
这个例子非常简单，我们在类 A 中定义了一个类属性 x，然后打印它的值。
其实，除了直接定类属性之外，我们还可以这样定义一个类属性：
class Ten:
def __get__(self, obj, objtype=None):
return 10
class A:
x = Ten() # 属性换成了一个类
print(A.x) # 10仔细看，这次类属性 x 不再是一个具体的值，而是一个类 Ten。Ten 中定义了一个 get 方法，返回具体的值。
在 Python 中，允许把一个类属性，托管给一个类，这个属性就是一个「描述符」。
换句话说，「描述符」是一个「绑定行为」的属性。
怎么理解这句话？
回忆一下，我们开发时，一般把「行为」叫做什么？是的，「行为」一般指的是一个方法。
所以我们也可以把「描述符」理解为：对象的属性不再是一个具体的值，而是交给了一个方法去定义。
可以想一下，如果我们用一个方法去定义一个属性，这么做的好处是什么？
有了方法，我们就可以在方法内实现自己的逻辑，最简单的，我们可以根据不同的条件，在方法内给属性赋予不同的值，就像下面这样：
class Age:
def __get__(self, obj, objtype=None):
if obj.name == 'zhangsan':
return 20
elif obj.name == 'lisi':
return 25
else:
return ValueError("unknow")
class Person:
age = Age()
def __init__(self, name):
self.name = name
p1 = Person('zhangsan')
print(p1.age) # 20
p2 = Person('lisi')
print(p2.age) # 25
p3 = Person('wangwu')
print(p3.age) # unknow这个例子中，age 类属性被另一个类托管了，在这个类的 __get__ 中，它会根据 Person 类的属性 name，决定 age 是什么值。
这只是一个非常简单的例子，我们可以看到，通过描述符的使用，我们可以轻易地改变一个类属性的定义方式。
描述符协议
了解了描述符的定义，现在我们把重点放到托管属性的类上。
其实，一个类属性想要托管给一个类，这个类内部实现的方法不能是随便定义的，它必须遵守「描述符协议」，也就是要实现以下几个方法：
-
__get__(self, obj, type=None) -> value -
__set__(self, obj, value) -> None -
__delete__(self, obj) -> None
只要是实现了以上几个方法的其中一个，那么这个类属性就可以称作描述符。
另外，描述符又可以分为「数据描述符」和「非数据描述符」：
-
只定义了
__get___，叫做非数据描述符 -
除了定义
__get__之外，还定义了__set__或delete，叫做数据描述符
它们两者有什么区别，我会在下面详述。
现在我们来看一个包含 __get__ 和 __set__ 方法的描述符例子：
# coding: utf8
class Age:
def __init__(self, value=20):
self.value = value
def __get__(self, obj, type=None):
print('call __get__: obj: %s type: %s' % (obj, type))
return self.value
def __set__(self, obj, value):
if value <= 0:
raise ValueError("age must be greater than 0")
print('call __set__: obj: %s value: %s' % (obj, value))
self.value = value
class Person:
age = Age()
def __init__(self, name):
self.name = name
p1 = Person('zhangsan')
print(p1.age)
# call __get__: obj: <__main__.Person object at 0x1055509e8> type:
# 20
print(Person.age)
# call __get__: obj: None type:
# 20
p1.age = 25
# call __set__: obj: <__main__.Person object at 0x1055509e8> value: 25
print(p1.age)
# call __get__: obj: <__main__.Person object at 0x1055509e8> type:
# 25
p1.age = -1
# ValueError: age must be greater than 0
在这例子中，类属性 age 是一个描述符，它的值取决于 Age 类。
从输出结果来看，当我们获取或修改 age 属性时，调用了 Age 的 __get__ 和 set 方法：
-
当调用
p1.age时，__get__被调用，参数obj是Person实例，type是type(Person) -
当调用
Person.age时，__get__被调用，参数obj是None，type是type(Person) -
当调用
p1.age = 25时，__set__被调用，参数obj是Person实例，value是 25 -
当调用
p1.age = -1时，__set__没有通过校验，抛出ValueError
其中，调用 __set__ 传入的参数，我们比较容易理解，但是对于 __get__ 方法，通过类或实例调用，传入的参数是不同的，这是为什么？
这就需要我们了解一下描述符的工作原理。
描述符的工作原理
要解释描述符的工作原理，首先我们需要先从属性的访问说起。
在开发时，不知道你有没有想过这样一个问题：通常我们写这样的代码 a.b，其背后到底发生了什么？
这里的 a 和 b 可能存在以下情况：
-
a可能是一个类，也可能是一个实例，我们这里统称为对象 -
b可能是一个属性，也可能是一个方法，方法其实也可以看做是类的属性
其实，无论是以上哪种情况，在 Python 中，都有一个统一的调用逻辑：
-
先调用
__getattribute__尝试获得结果 -
如果没有结果，调用
__getattr__
用代码表示就是下面这样：
def getattr_hook(obj, name):
try:
return obj.__getattribute__(name)
except AttributeError:
if not hasattr(type(obj), '__getattr__'):
raise
return type(obj).__getattr__(obj, name) 我们这里需要重点关注一下 __getattribute__，因为它是所有属性查找的入口，它内部实现的属性查找顺序是这样的：
-
要查找的属性，在类中是否是一个描述符
-
如果是描述符，再检查它是否是一个数据描述符
-
如果是数据描述符，则调用数据描述符的
__get__ -
如果不是数据描述符，则从
__dict__中查找 -
如果
__dict__中查找不到，再看它是否是一个非数据描述符 -
如果是非数据描述符，则调用非数据描述符的
__get__ -
如果也不是一个非数据描述符，则从类属性中查找
-
如果类中也没有这个属性，抛出
AttributeError异常
写成代码就是下面这样：
# 获取一个对象的属性
def __getattribute__(obj, name):
null = object()
# 对象的类型 也就是实例的类
objtype = type(obj)
# 从这个类中获取指定属性
cls_var = getattr(objtype, name, null)
# 如果这个类实现了描述符协议
descr_get = getattr(type(cls_var), '__get__', null)
if descr_get is not null:
if (hasattr(type(cls_var), '__set__')
or hasattr(type(cls_var), '__delete__')):
# 优先从数据描述符中获取属性
return descr_get(cls_var, obj, objtype)
# 从实例中获取属性
if hasattr(obj, '__dict__') and name in vars(obj):
return vars(obj)[name]
# 从非数据描述符获取属性
if descr_get is not null:
return descr_get(cls_var, obj, objtype)
# 从类中获取属性
if cls_var is not null:
return cls_var
# 抛出 AttributeError 会触发调用 __getattr__
raise AttributeError(name)
如果不好理解，你最好写一个程序测试一下，观察各种情况下的属性的查找顺序。
到这里我们可以看到，在一个对象中查找一个属性，都是先从 __getattribute__ 开始的。
在 __getattribute__ 中，它会检查这个类属性是否是一个描述符，如果是一个描述符，那么就会调用它的 __get__ 方法。但具体的调用细节和传入的参数是下面这样的：
-
如果
a是一个实例，调用细节为：
type(a).__dict__['b'].__get__(a, type(a))如果 a 是一个类，调用细节为：
a.__dict__['b'].__get__(None, a)所以我们就能看到上面例子输出的结果。
数据描述符和非数据描述符
了解了描述符的工作原理，我们继续来看数据描述符和非数据描述符的区别。
从定义上来看，它们的区别是：
-
只定义了
__get___，叫做非数据描述符 -
除了定义
__get__之外，还定义了__set__或delete，叫做数据描述符
此外，我们从上面描述符调用的顺序可以看到，在对象中查找属性时，数据描述符要优先于非数据描述符调用。
在之前的例子中，我们定义了 __get__ 和 __set__，所以那些类属性都是数据描述符。
我们再来看一个非数据描述符的例子：
class A:
def __init__(self):
self.foo = 'abc'
def foo(self):
return 'xyz'
print(A().foo) # 输出什么？
这段代码，我们定义了一个相同名字的属性和方法 foo，如果现在执行 A().foo，你觉得会输出什么结果？
答案是 abc。
为什么打印的是实例属性 foo 的值，而不是方法 foo 呢？
这就和非数据描述符有关系了。
我们执行 dir(A.foo)，观察结果：
print(dir(A.foo))
# [... '__get__', '__getattribute__', ...]
看到了吗？A 的 foo 方法其实实现了 __get__，我们在上面的分析已经得知：只定义 get 方法的对象，它其实是一个非数据描述符，也就是说，我们在类中定义的方法，其实本身就是一个非数据描述符。
所以，在一个类中，如果存在相同名字的属性和方法，按照上面所讲的 __getattribute__ 中查找属性的顺序，这个属性就会优先从实例中获取，如果实例中不存在，才会从非数据描述符中获取，所以在这里优先查找的是实例属性 foo 的值。
到这里我们可以总结一下关于描述符的相关知识点：
-
描述符必须是一个类属性
-
__getattribute__是查找一个属性（方法）的入口 -
__getattribute__定义了一个属性（方法）的查找顺序：数据描述符、实例属性、非数据描述符、类属性 -
如果我们重写了
__getattribute__方法，会阻止描述符的调用 -
所有方法其实都是一个非数据描述符，因为它定义了
__get__
描述符的使用场景
了解了描述符的工作原理，那描述符一般用在哪些业务场景中呢？
在这里我用描述符实现了一个属性校验器，你可以参考这个例子，在类似的场景中去使用它。
首先我们定义一个校验基类 Validator，在 __set__ 方法中先调用 validate 方法校验属性是否符合要求，然后再对属性进行赋值。
class Validator:
def __init__(self):
self.data = {}
def __get__(self, obj, objtype=None):
return self.data[obj]
def __set__(self, obj, value):
# 校验通过后再赋值
self.validate(value)
self.data[obj] = value
def validate(self, value):
pass 接下来，我们定义两个校验类，继承 Validator，然后实现自己的校验逻辑。
class Number(Validator):
def __init__(self, minvalue=None, maxvalue=None):
super(Number, self).__init__()
self.minvalue = minvalue
self.maxvalue = maxvalue
def validate(self, value):
if not isinstance(value, (int, float)):
raise TypeError(f'Expected {value!r} to be an int or float')
if self.minvalue is not None and value < self.minvalue:
raise ValueError(
f'Expected {value!r} to be at least {self.minvalue!r}'
)
if self.maxvalue is not None and value > self.maxvalue:
raise ValueError(
f'Expected {value!r} to be no more than {self.maxvalue!r}'
)
class String(Validator):
def __init__(self, minsize=None, maxsize=None):
super(String, self).__init__()
self.minsize = minsize
self.maxsize = maxsize
def validate(self, value):
if not isinstance(value, str):
raise TypeError(f'Expected {value!r} to be an str')
if self.minsize is not None and len(value) < self.minsize:
raise ValueError(
f'Expected {value!r} to be no smaller than {self.minsize!r}'
)
if self.maxsize is not None and len(value) > self.maxsize:
raise ValueError(
f'Expected {value!r} to be no bigger than {self.maxsize!r}'
)最后，我们使用这个校验类：
class Person:
# 定义属性的校验规则 内部用描述符实现
name = String(minsize=3, maxsize=10)
age = Number(minvalue=1, maxvalue=120)
def __init__(self, name, age):
self.name = name
self.age = age
# 属性符合规则
p1 = Person('zhangsan', 20)
print(p1.name, p1.age)
# 属性不符合规则
p2 = person('a', 20)
# ValueError: Expected 'a' to be no smaller than 3
p3 = Person('zhangsan', -1)
# ValueError: Expected -1 to be at least 1
现在，当我们对 Person 实例进行初始化时，就可以校验这些属性是否符合预定义的规则了。
function 与 method
我们再来看一下，在开发时经常看到的 function、unbound method、bound method 它们之间到底有什么区别？
来看下面这段代码：
class A:
def foo(self):
return 'xyz'
print(A.__dict__['foo']) #
print(A.foo) #
print(A().foo) # >
从结果我们可以看出它们的区别：
-
function准确来说就是一个函数，并且它实现了__get__方法，因此每一个function都是一个非数据描述符，而在类中会把function放到dict中存储 -
当
function被实例调用时，它是一个bound method -
当
function被类调用时， 它是一个unbound method
function 是一个非数据描述符，我们之前已经讲到了。
而 bound method 和 unbound method 的区别就在于调用方的类型是什么，如果是一个实例，那么这个 function 就是一个 bound method，否则它是一个 unbound method。
property/staticmethod/classmethod
我们再来看 property、staticmethod、classmethod。
这些装饰器的实现，默认是 C 来实现的。
其实，我们也可以直接利用 Python 描述符的特性来实现这些装饰器，
property 的 Python 版实现：
class property:
def __init__(self, fget=None, fset=None, fdel=None, doc=None):
self.fget = fget
self.fset = fset
self.fdel = fdel
self.__doc__ = doc
def __get__(self, obj, objtype=None):
if obj is None:
return self.fget
if self.fget is None:
raise AttributeError(), "unreadable attribute"
return self.fget(obj)
def __set__(self, obj, value):
if self.fset is None:
raise AttributeError, "can't set attribute"
return self.fset(obj, value)
def __delete__(self, obj):
if self.fdel is None:
raise AttributeError, "can't delete attribute"
return self.fdel(obj)
def getter(self, fget):
return type(self)(fget, self.fset, self.fdel, self.__doc__)
def setter(self, fset):
return type(self)(self.fget, fset, self.fdel, self.__doc__)
def deleter(self, fdel):
return type(self)(self.fget, self.fset, fdel, self.__doc__)staticmethod 的 Python 版实现：
class staticmethod:
def __init__(self, func):
self.func = func
def __get__(self, obj, objtype=None):
return self.func classmethod 的 Python 版实现：
class classmethod:
def __init__(self, func):
self.func = func
def __get__(self, obj, klass=None):
if klass is None:
klass = type(obj)
def newfunc(*args):
return self.func(klass, *args)
return newfunc
除此之外，你还可以实现其他功能强大的装饰器。
由此可见，通过描述符我们可以实现强大而灵活的属性管理功能，对于一些要求属性控制比较复杂的场景，我们可以选择用描述符来实现。
总结
这篇文章我们主要讲了 Python 描述符的工作原理。
首先，我们从一个简单的例子了解到，一个类属性是可以托管给另外一个类的，这个类如果实现了描述符协议方法，那么这个类属性就是一个描述符。此外，描述符又可以分为数据描述符和非数据描述符。
之后我们又分析了获取一个属性的过程，一切的入口都在 __getattribute__ 中，这个方法定义了寻找属性的顺序，其中实例属性优先于数据描述符调用，数据描述符要优先于非数据描述符调用。
另外我们又了解到，方法其实就是一个非数据描述符，如果我们在类中定义了相同名字的实例属性和方法，按照 __getattribute__ 中的属性查找顺序，实例属性优先访问。
最后我们分析了 function 和 method 的区别，以及使用 Python 描述符也可以实现 property、staticmethod、classmethod 装饰器。
Python 描述符提供了强大的属性访问控制功能，我们可以在需要对属性进行复杂控制的场景中去使用它。