<>学习笔记 | 第09章 | 魔法方法、属性和迭代器

这一章，有点抽象，看着有点蛋疼！

双下划线__future__或单下划线有特殊含义，在Python中，这些名字的集合称为魔法方法:最重要的是__init__和一些处理访问对象的方法,这些方法允许你创建自己的序列或者是映射.

------

准备工作:

将__metaclass__=type放在模块的最开始位置，以确保类时最新式的。考虑下面两个类

class NewStyle(object):
    more_code_here
class OldStyle:
    more_code_here

如果文件以__metclass__=type开始，那么这个类都是新式类

------

构造方法:

和普通方法的不同在于:当一个对象被创建后，会立即调用构造方法。因此，之前章节的

>>>f = FooBar()
>>>f.init()

等同于

>>>f = FooBar()
>>> class FooBar:
def __init__(self):
self.var = 42


>>> f = FooBar()
>>> f.var
42

#如果有默认参数呢？

>>> class Foobar:
def __init__(self,value=42):
self.var = value

>>> f = Foobar()     #无参的话，使用默认值
>>> f.var
42
>>> f1 = Foobar(44)  #有参的话，使用新参数
>>> f1.var
44

在Python中__init__是使用最多的一个.

Python中有个魔法方法__del__，析构方法，她在对象要被垃圾回收之前调用.但是发生调用的具体时间是不可知的。

所以建立尽力避免使用__del__函数.

------

重写一般方法和特殊构造方法:

>>> class A:
...     def hello(self):
...         print 'Hello,World!'
...
>>> class B(A): pass
...
>>> class C(B): pass
...

#看看他们的工作机制

#c是C类的实例，当c调用hello()，首先找自己类有没有，没有话，去超类B中找，如果还没有话，

就去超类的超类去找。还没有的话，就报错。

>>> c = C()
>>> c.hello()
Hello,World!

如果重写B类，hello的方法呢?

>>> class A:
...     def hello(self):
...         print "Hello,I am A!"
...
>>> class B(A):
...     def hello(self):
...         print "Hello,I am B!"
...
>>> b = B()
>>> b.hello()
Hello,I am B!

重写是继承机制中的一个重要内容，对于构造方法尤其重要。构造方法用来初始化新创建对象的状态，大多数子类不仅要拥有自己的初始化代码，还要拥有超类的初始化代码。虽然重写的机制对于所有方法来说都是一样的，但是当处理构造方法比重写普通方法时，更可能遇到特别的问题：如果一个类的构造方法被重写，那么就需要调用超类的构造方法，否则对象不会被正确初始化。看下面的例子

class Bird:
    def __init__(self):
        self.hungry = True
    def eat(self):
        if self.hungry:
            print "Ahaha..."
            self.hungry = False
        else:
            print "No, Thanks!"

该类定义鸟的基本功能吃，吃饱了就不再吃

输出结果:

>>> b = Bird()
>>> b.eat()
Ahaha...
>>> b.eat()
No, Thanks!
下面一个子类SingBird,
class SingBird(Bird):
    def __init__(self):
        self.sound = 'squawk'
    def sing(self):
        print self.sound

输出结果:

>>> s = SingBird()
>>> s.sing()
squawk

SingBird是Bird的子类，但如果调用Bird类的eat()方法时,

>>> s.eat()
Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    s.eat()
  File "D:\Learn\Python\Person.py", line 42, in eat
    if self.hungry:
AttributeError: SingBird instance has no attribute 'hungry'

代码错误很清晰,SingBird中初始化代码被重写，但没有任何初始化hungry的代码

------

调用未绑定的超类构造方法:

class SingBird(Bird):
    def __init__(self):
        Bird.__init__(self)    #增加这行代码就搞定
        self.sound = 'squawk'
    def sing(self):
        print self.sound
>>> sb = SingBird()
>>> sb.sing()
squawk
>>> sb.eat()
Ahaha...
>>> sb.eat()
No, Thanks!

------

使用super函数:

__metaclass__=type
class Bird:
    def __init__(self):
        self.hungry = True
    def eat(self):
        if self.hungry:
            print "Ahaha..."
            self.hungry = False
        else:
            print "No, Thanks!"
class SingBird(Bird):
    def __init__(self):
        super(SingBird,self).__init__()
        self.sound = 'squawk'
    def sing(self):
        print self.sound

Note:

1. __metaclass__=type 必不可少，否则报错如下:

>>> sb = SingBird()
Traceback (most recent call last):
  File "<pyshell#5>", line 1, in <module>
    sb = SingBird()
  File "D:\Learn\Python\Person.py", line 51, in __init__
    super(SingBird,self).__init__()
TypeError: must be type, not classobj

2.  super(SingBird,self).__init__()  多了这么一句

输出结果:

>>> sb = SingBird()
>>> sb.sing()
squawk
>>> sb.eat()
Ahaha...
>>> sb.eat()
No, Thanks!

------

基本的序列和映射规则:

序列和映射是对象的集合，为了实现他们的基本行为，如果对象是不可变的，那么就需要两个魔法方法，如果对象时可变的，那么就需要四个魔法方法

__len__(self):返回集合中所含项目的数量

__getitem__(self,key):返回与所给的键对应的值

__setitem__(self,key,value):按一定的方法存储和key相关的value

__delitem__(self,key):删除对象相关的键

实践一下，创建一个无穷序列

def checkIndex(key):
    if not isinstance(key,(int,long)):
        raise TypeError
    if key<0:
        raise IndexError
class ArithmeticSequence:
    def __init__(self,start=0,step=1):
        self.start   = start
        self.step    = step
        self.changed = {}
    def __getitem__(self,key):
        checkIndex(key)
        try:
            return self.changed[key]
        except KeyError:
            return self.start + key*self.step

    def __setitem__(self,key,value):
        checkIndex(key)
        self.changed[key] = value

输出结果

>>> s[100]
201
>>> s = ArithmeticSequence(1,2)
>>> s[4]
9
>>> s[10]
21
>>> del s[4]
Traceback (most recent call last):
  File "<pyshell#10>", line 1, in <module>
    del s[4]
AttributeError: ArithmeticSequence instance has no attribute '__delitem__'
>>> s['four']
Traceback (most recent call last):
  File "<pyshell#11>", line 1, in <module>
    s['four']
  File "D:\Learn\Python\Person.py", line 71, in __getitem__
    checkIndex(key)
  File "D:\Learn\Python\Person.py", line 62, in checkIndex
    raise TypeError
TypeError
>>> s[-4]
Traceback (most recent call last):
  File "<pyshell#12>", line 1, in <module>
    s[-4]
  File "D:\Learn\Python\Person.py", line 71, in __getitem__
    checkIndex(key)
  File "D:\Learn\Python\Person.py", line 64, in checkIndex
    raise IndexError
IndexError

------

子类化列表，字典和字符串

三个关于序列和映射规则(UserList,UserString,UserDict),如果希望实现一个和内建列表行为相似的序列，可以使用子类list，看看下面的例子，带有访问计数的列表

class CounterList(list):
    def __init__(self,*args):
        super(CounterList,self).__init__(*args)
        self.counter = 0
    def __getitem__(self,index):
        self.counter +=1
        return super(CounterList,self).__getitem__(index)

#下面是她如何使用的一些例子

>>> c = CounterList(range(10))
>>> c
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> c.reverse()
>>> c
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
>>> del c[3:6]
>>> c
[9, 8, 7, 3, 2, 1, 0]
>>> c.counter
0
>>> c[4]+c[2]
9
>>> c.counter
2

#其他跟list性能一样，但有个counter特性，每次执行加法后会自增。

------

属性:

class Rectangle:
    def __init__(self):
        self.width  = 0
        self.height = 0
    def setSize(self,size):
        self.width,self.height = size
    def getSize(self):
        return self.width,self.height
>>> r= Rectangle()
>>> r.width = 10
>>> r.height= 5
>>> r.getSize()
(10, 5)
>>> r.setSize((150,100))
>>> r.width
150

------

property函数:

__metaclass__=type
class Rectangle:
    def __init__(self):
        self.width  = 0
        self.height = 0
    def setSize(self,size):
        self.width,self.height = size
    def getSize(self):
        return self.width,self.height
    size = property(getSize,setSize)

在这个新版的Rectangle中，property函数创建了一个属性，其中访问器函数被用做参数(先是取值，然后是赋值)，这个属性命为size，这样一来，就不用担心是如何实现的，可以用同样的方式处理width,height和size.

>>> r = Rectangle()
>>> r.width = 10
>>> r.height= 20
>>> r.size
(10, 20)
>>> r.size = 100,200
>>> r.width
100

property函数可以用0,1,2,3或4个参数来调用。如果没有参数，产生的属性即不可读，也不可写。如果只使用一个参数调用，产生的属性是只读的第3个参数。名字分别叫:fget,fset,fdel,doc__

------

静态方法和类成员方法

静态方法和类成员方法分别在创建时被装入Staticmethod类型和Classmethod类型的对象中。

静态方法的定义没有self参数，且可能被类本身直接调用。

类方法在定义时需要名为cls的类似于self的参数，类成员方法可以直接用类的具体对象调用。但cls参数是自动被绑定类的。看下例子:

class MyClass:
    def smeth():
        print 'This is a stacie method'
    smeth = staticmethod(smeth)
    def cmeth(cls):
        print 'This is a class method of', cls
    cmeth = classmethod(cmeth)

#用@来替代

__metaclass__ = type
class MyClass:
    @staticmethod
    def smeth():
        print 'This is a stacie method'
    @classmethod
    def cmeth(cls):
        print 'This is a class method of', cls

#定义好了方法后，可以这样调用。

>>> MyClass.smeth()
This is a stacie method
>>> MyClass.cmeth()
This is a class method of <class '__main__.MyClass'>

------

__getattr__,__setattr__

为了访问特性的时候可以执行代码，必须使用一些魔法方法。下面四种方法提供了需要的功能。

__getattrbute__(self,name): 当特性name被访问时，自动被调用

__getattr__(self,name):当特性name被访问，且对象没有相应的特性时被自动调用

__setattr__(self,name,value):当试图给特性name赋值时会被自动调用

__delattr__(self,name): 当试图删除特性name时被自动调用。

class Rectangle:
    def __init__(self):
        self.width  = 0
        self.height = 0
    def __setattr__(self,name,value):
        if name == 'size':
            self.width,self.height = value
        else:
            self.__dict__[name] = value
    def __getattr__(self,name):
        if name == 'size':
            return self.width,self.height
        else:
            raise AttributeError

------

迭代器:

主要讨论特殊的方法:__iter__这个迭代器规则的基础.__iter__方法返回一个迭代器，所谓迭代器就是具有next方法的对象。如果next被调用，却没有值可以返回，则会返回StopIteration的异常.为什么要用迭代器而不用列表呢？

如果值很多，列表一次性获得，会占用太多的内存。而迭代则可以一个一个获取。还有为什么要用迭代器的原因：

迭代器更通用，更简单，更优雅。

class Fibs:
    def __init__(self):
        self.a = 0
        self.b = 1
    def next(self):
        self.a,self.b = self.b,self.a + self.b
        return self.a
    def __iter__(self):
        return self

首先是实现了__iter__方法，这个方法实际上返回迭代器本身。很多情况下，__iter__会放到for循环中使用的对象中. 首先产生一个Fibs对象

>>> fibs = Fibs()

其次可在for循环中使用该对象-比如去查找在斐波那契数列中比1000大的数中的最小的数:

>>> for f in fibs:
if f>1000:
print f
break

1597

Note: 内建函数iter可以从可迭代的对象中获得迭代器.

>>> it = iter([1,2,3])
>>> it.next()
1
>>> it.next()
2

除此之外，它也可以从函数或者其他可调用对象中获取可迭代对象.

------

从迭代器中得到序列:

除了再迭代器和可迭代对象上进行迭代外，还能把它们转换为序列。在大部分能使用序列的情况下，能使用迭代器替换。一个很有用的例子是使用list构造方法显式地将迭代器转化为列表

class TestIter:
    value = 0
    def next(self):
        self.value +=1
        if self.value > 10 :
            raise StopIteration
        return self.value
    def __iter__(self):

输出结果:

>>> ti = TestIter()
>>> ti
<__main__.TestIter instance at 0x0000000002A81A08>
>>> list(ti)
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

------

生成器: 是Python新引入的概念，由于历史原因，它也叫简单生成器。它和迭代器可能是近几年来引入的最强大的两个特性。生成器可以帮助程序员写出非常优雅的代码，当然编写任何程序也不可以不使用。生成器是一种用普通的函数语法定义的迭代器。

------

创建生成器:

nested = [[1,2],[3,4],[5]]如果像这么个例子，怎么样用将数字一一打印出来。

def flatten(nested):
    for sublist in nested:
        for element in sublist:
            yield element

#如何包含yield的语句，称为生成器

>>> nested = [[1],[2,3],[4,5,6]]
>>> flatten(nested)
<generator object flatten at 0x00000000020635A0>
>>> for num in flatten(nested):
        print num 
1
2
3
4
5
6

------

递归生成器:

上一个例子创建的生成器只能处理两层嵌套，使用了两个for循环。如果要处理任意层的嵌套怎么办？就应该更灵活，现在就到了递归生成器登场的时候了。

def flatten(nested):
    try:
        for sublist in nested:
            for element in flatten(sublist):
                yield element
    except TypeError:
        yield nested

两种情况: 基本情况和需要递归的情况

1. 如果只是元素，函数被告知展开一个元素，这种情况下，for循环会引发一个TypeError异常，生成器会产生一个元素.

2. 如果是一个列表，那么就要进行特殊处理。程序必须遍历所有子列表，并对它们调用flatten，然后使用另一个for循环来产生被展开的子列表中的所有元素，很神奇吧。

>>> nested = [[[[1,2],3],4],5]
>>> list(flatten(nested))
[1, 2, 3, 4, 5]

如果是字符串对象，那么它就是一个序列，不会引发TypeError，如果你不想对这样的对象进行迭代。为了处理这种情况，则必须在生成器的开始处添加一个检查语句。试着将传入的对象和一个字符串拼接，看看会不会出现TypeError，这是检查一个对象是不是类似于字符串的最简单，最快速的方法。下面加入检查语句的生成器。

>>> nested=['a',[[[1,2],3],4],5]
>>> list(flatten(nested))
['a', 1, 2, 3, 4, 5]

------

通用生成器:

生成器是一个包含yield关键字的函数。当它被调用时，在函数体中的代码不会被执行，而会返回一个迭代器。每次请求一个值，就会执行生成器中的代码，知道遇到一个yield或者return语句。yield意味着应该生成一个值。return语句意味着生成器要停止执行。换句话说，生成器由两部分组成:生成器的函数和生成器的迭代器。生成器的函数是用def语句定义，包含yield部分，生成器的迭代器是这个函数返回的部分。

>>> def simple_generator():
yield 1

>>> simple_generator
<function simple_generator at 0x0000000002AFB0B8>
>>> simple_generator()
<generator object simple_generator at 0x00000000027C8EE8>
>>> 

------

生成器方法:

>>> def repeater(value):
         while True:
             new = (yield value)
             if new is not None: value = new

输出结果:

>>> r = repeater(42)
>>> r.next()
42
>>> r.next()
42
>>> r.send('Hello,World!')
'Hello,World!'

#next()方法，send()方法，throw()方法，close()方法

------

模拟生成器:

如何使用普通的函数模拟生成器

首先将下面语句放在程序的开始处

result = []

然后将下面这种形式的代码:

yield some_expression

用下面的语句替换:

result.append(some_expression)

最后在函数的末尾，添加下面的语句: 

return result

下面是flatten生成器用普通的函数重写的版本

def flatten(nested):
    result = []
    try:
        try: nested + ''
        except TypeError: pass
        else: raise TypeError
        for sublist in nested:
            for element in flatten(sublist):
                result.append(element)
    except TypeError:
        result.append(nested)
    return result

输出结果:

>>> n = [[[[[['HaHa...'],1],2],3],4],5]
>>> flatten(n)
['HaHa...', 1, 2, 3, 4, 5]

------

本章新函数

iter(obj)                            从一个可迭代的对象得到迭代器

property(fget,fset,fdel,doc)         返回一个属性，所有参数都是可选的

super(class,obj)                     返回一个类的超类的绑定实例