"""
# 【【面向对象】】
#【访问限制】
#如果要让内部属性不被外部访问，可加双下划线，编程私有变量。只有内部可以访问，外部不能访问。
class Student(object):
def __init__(self,name,score):
self.__name = name
self.__score = score
def print_score(self):
print("%s : %s " % (self.__name,self.__score))
bart = Student('Bart Simpson',66)
#print(bart.__name) #AttributeError: 'Student' object has no attribute '__name'
#如果想让外部代码获取name score 可以如下
class Student(object):
def __init__(self,name,score):
self.__name = name
self.__score = score
def print_score(self):
print("%s : %s "% (self.__name,self.__score))
def get_name(self):
return self.__name
def get_score(self):
return self.__score
#允许外部代码修改
def set_score(self,score):
if 0 <= score <= 100:
self.__score = score
else:
raise ValueError('bad score')
#【注意】__name__是特殊变量，可直接访问，不是private变量，所以，不能用__name__这样的变量名。
# 一个下划线，外部可以访问，但是按照约定俗成，遇到这样的，就当成是私有的
# 双下划线不能直接访问的原因，python解释器对外把__name改成了_Student__name,所以仍然可通过_Student__name来访问__name变量
print(bart._Student__name) #Bart Simpson
# 但是强烈建议不要这么做，因为不同版本的python解释器，可能会把__name改成不同的变量名。
#注意下面错误写法
bart = Student('Bart Simpson',66)
print(bart.get_name()) #Bart Simpson
bart.__name = 'New Name'
print(bart.__name) #New Name 【注意】此时的__name和类内部的__name不是一回事，内部的已经被python解释器自动改成了_Student__name,外部代码给bart对象新增了一个__name变量
print(bart.get_name()) #Bart Simpson# 【继承&多态】
#继承可以把父类所有功能直接拿过来，这样就不必从零做起。子类只需要新增自己的方法，也可以把父类不适合的方法覆盖重写。
#动态语言的鸭子类型决定了继承不像静态语言那样是必须的。#【获取对象信息】
# 1 使用type() 判断基本数据类型可直接写int str 等。 如果要判断是否是函数，可 用types 模块中定义的常量。
import types
def fn():
passprint (type(fn) == types.FunctionType) #True
print (type(abs) == types.BuiltinFunctionType) #True
print (type(lambda x:x) == types.LambdaType) #True
print (type(x for x in range(10)) == types.GeneratorType) #True# 2 使用isinstance() 可用type() 的都可用isinstance() 但可用isinstance()的不一定就能用type()代替
print (isinstance('12',str)) #True
print (isinstance((lambda x:x),types.LambdaType)) #Trueclass Animal(object):
def run(self):
print ('animal is running..')
class Dog(Animal):
def run(self):
print ('dog is running..')
class Hushy(Dog):
def run(self):
print ('hushy is running..')a = Animal()
d = Dog()
h = Hushy()
print (type(d) == Dog) #True
print (type(d) == Animal) #False
print (isinstance(d,Dog)) #True
print (isinstance(d,Animal)) #True
print (isinstance(h,Animal)) #True
print (isinstance(d,Hushy)) #False
#还可以判断一个变量是否是某些类型中的一种。
print (isinstance([1,2,3],(list,tuple))) #True#【小结】总是优先使用isinstance(), 可以将指定类型及其子类"一网打尽"# 3 使用dir() 获取一个对象所有属性和方法。
print (dir('ABC')) #['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
#仅仅是把属性和方法列出来是不够的，配合getattr() setattr() hasattr() ，可以直接操作一个对象的状态
class MyObject(object):
def __init__(self):
self.x = 9
def power(self):
return self.x * self.x
obj = MyObject()print (hasattr(obj,'x')) #True
print (obj.x) #9
print (hasattr(obj,'y')) #False
setattr(obj,'y',19)
print (hasattr(obj,'y')) #True
print (getattr(obj,'y')) #19
print (obj.y) #19
#如果试图获取不存在的属性，抛出AttributeError
#print (getattr(obj,'z')) #AttributeError: 'MyObject' object has no attribute 'z'
#可传一个default参数，如果属性不存在，就返回默认值
print (getattr(obj,'z',404)) #404
#也可以获得对象的方法
print (hasattr(obj,'power')) #True
print (getattr(obj,'power')) #<bound method MyObject.power of <__main__.MyObject object at 0x102a36470>>
#获取属性power并赋值到变量fn
fn = getattr(obj,'power')
print (fn) #<bound method MyObject.power of <__main__.MyObject object at 0x1022364a8>>
print (fn()) #81'''
获取对象信息阅读: 214832
当我们拿到一个对象的引用时，如何知道这个对象是什么类型、有哪些方法呢？使用type()首先，我们来判断对象类型，使用type()函数：基本类型都可以用type()判断：>>> type(123)
<class 'int'>
>>> type('str')
<class 'str'>
>>> type(None)
<type(None) 'NoneType'>
如果一个变量指向函数或者类，也可以用type()判断：>>> type(abs)
<class 'builtin_function_or_method'>
>>> type(a)
<class '__main__.Animal'>
但是type()函数返回的是什么类型呢？它返回对应的Class类型。如果我们要在if语句中判断，就需要比较两个变量的type类型是否相同：>>> type(123)==type(456)
True
>>> type(123)==int
True
>>> type('abc')==type('123')
True
>>> type('abc')==str
True
>>> type('abc')==type(123)
False
判断基本数据类型可以直接写int，str等，但如果要判断一个对象是否是函数怎么办？可以使用types模块中定义的常量：>>> import types
>>> def fn():
... pass
...
>>> type(fn)==types.FunctionType
True
>>> type(abs)==types.BuiltinFunctionType
True
>>> type(lambda x: x)==types.LambdaType
True
>>> type((x for x in range(10)))==types.GeneratorType
True
使用isinstance()对于class的继承关系来说，使用type()就很不方便。我们要判断class的类型，可以使用isinstance()函数。我们回顾上次的例子，如果继承关系是：object -> Animal -> Dog -> Husky
那么，isinstance()就可以告诉我们，一个对象是否是某种类型。先创建3种类型的对象：>>> a = Animal()
>>> d = Dog()
>>> h = Husky()
然后，判断：>>> isinstance(h, Husky)
True
没有问题，因为h变量指向的就是Husky对象。再判断：>>> isinstance(h, Dog)
True
h虽然自身是Husky类型，但由于Husky是从Dog继承下来的，所以，h也还是Dog类型。换句话说，isinstance()判断的是一个对象是否是该类型本身，或者位于该类型的父继承链上。因此，我们可以确信，h还是Animal类型：>>> isinstance(h, Animal)
True
同理，实际类型是Dog的d也是Animal类型：>>> isinstance(d, Dog) and isinstance(d, Animal)
True
但是，d不是Husky类型：>>> isinstance(d, Husky)
False
能用type()判断的基本类型也可以用isinstance()判断：>>> isinstance('a', str)
True
>>> isinstance(123, int)
True
>>> isinstance(b'a', bytes)
True
并且还可以判断一个变量是否是某些类型中的一种，比如下面的代码就可以判断是否是list或者tuple：>>> isinstance([1, 2, 3], (list, tuple))
True
>>> isinstance((1, 2, 3), (list, tuple))
True
总是优先使用isinstance()判断类型，可以将指定类型及其子类“一网打尽”。
使用dir()如果要获得一个对象的所有属性和方法，可以使用dir()函数，它返回一个包含字符串的list，比如，获得一个str对象的所有属性和方法：>>> dir('ABC')
['__add__', '__class__',..., '__subclasshook__', 'capitalize', 'casefold',..., 'zfill']
类似__xxx__的属性和方法在Python中都是有特殊用途的，比如__len__方法返回长度。在Python中，如果你调用len()函数试图获取一个对象的长度，实际上，在len()函数内部，它自动去调用该对象的__len__()方法，所以，下面的代码是等价的：>>> len('ABC')
3
>>> 'ABC'.__len__()
3
我们自己写的类，如果也想用len(myObj)的话，就自己写一个__len__()方法：>>> class MyDog(object):
... def __len__(self):
... return 100
...
>>> dog = MyDog()
>>> len(dog)
100
剩下的都是普通属性或方法，比如lower()返回小写的字符串：>>> 'ABC'.lower()
'abc'
仅仅把属性和方法列出来是不够的，配合getattr()、setattr()以及hasattr()，我们可以直接操作一个对象的状态：>>> class MyObject(object):
... def __init__(self):
... self.x = 9
... def power(self):
... return self.x * self.x
...
>>> obj = MyObject()
紧接着，可以测试该对象的属性：>>> hasattr(obj, 'x') # 有属性'x'吗？
True
>>> obj.x
9
>>> hasattr(obj, 'y') # 有属性'y'吗？
False
>>> setattr(obj, 'y', 19) # 设置一个属性'y'
>>> hasattr(obj, 'y') # 有属性'y'吗？
True
>>> getattr(obj, 'y') # 获取属性'y'
19
>>> obj.y # 获取属性'y'
19
如果试图获取不存在的属性，会抛出AttributeError的错误：>>> getattr(obj, 'z') # 获取属性'z'
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'MyObject' object has no attribute 'z'
可以传入一个default参数，如果属性不存在，就返回默认值：>>> getattr(obj, 'z', 404) # 获取属性'z'，如果不存在，返回默认值404
404
也可以获得对象的方法：>>> hasattr(obj, 'power') # 有属性'power'吗？
True
>>> getattr(obj, 'power') # 获取属性'power'
<bound method MyObject.power of <__main__.MyObject object at 0x10077a6a0>>
>>> fn = getattr(obj, 'power') # 获取属性'power'并赋值到变量fn
>>> fn # fn指向obj.power
<bound method MyObject.power of <__main__.MyObject object at 0x10077a6a0>>
>>> fn() # 调用fn()与调用obj.power()是一样的
81
小结通过内置的一系列函数，我们可以对任意一个Python对象进行剖析，拿到其内部的数据。要注意的是，只有在不知道对象信息的时候，我们才会去获取对象信息。如果可以直接写：sum = obj.x + obj.y
就不要写：sum = getattr(obj, 'x') + getattr(obj, 'y')
一个正确的用法的例子如下：def readImage(fp):
if hasattr(fp, 'read'):
return readData(fp)
return None
假设我们希望从文件流fp中读取图像，我们首先要判断该fp对象是否存在read方法，如果存在，则该对象是一个流，如果不存在，则无法读取。hasattr()就派上了用场。请注意，在Python这类动态语言中，根据鸭子类型，有read()方法，不代表该fp对象就是一个文件流，它也可能是网络流，也可能是内存中的一个字节流，但只要read()方法返回的是有效的图像数据，就不影响读取图像的功能。'''# 【实例属性& 类属性】
#可以为实例绑定任何属性和方法，这就是动态语言的灵活性。# 【__slots__】# 正常情况下，当我们定义了一个class，创建了一个class实例后，我们可以为该实例绑定任何属性和方法，这就是动态语言的灵活性。
class Student(object):
pass
s = Student()
s.name = 'Michael'
print(s.name)
#还可以给 实例绑定一个方法
def set_age(self,age):
self.age = age
from types import MethodType
s.set_age = MethodType(set_age,s)
s.set_age(25)
print(s.age) #25
#但是，给一个实例绑定的方法，对另一个实例是不起作用的
s2 = Student()
#s2.set_age(46) #AttributeError: 'Student' object has no attribute 'set_age'
#为了给所有实例都绑定方法，可以给class绑定方法
Student.set_age = set_age
s2 = Student()
s.set_age(23)
print (s.age) #23
s2.set_age(55)
print (s2.age) #55
#【小结】通常情况下，set_age可直接定义在类中，但动态绑定允许我们在程序运行过程中动态的给class加功能，这在静态语言中很难实现。# 为了限制class实例可以添加的属性，用__slots__
class Student(object):
__slots__ = ('name','age')
s = Student()
s.name = 'Michael'
s.age = 23
#s.score = 99 #AttributeError: 'Student' object has no attribute 'score'
#【注意】__slots__只对当前类的实例起作用，对继承的子类是不起作用的
class AStudent(Student):
pass
a = AStudent()
a.score = 99 #此时不报错# 【使用@property】
#在绑定属性时，如果直接把属性暴露出去，虽然容易实现，但是不安全。
s = Student()
s.age= 1000
#这显然不合逻辑，为了限制score的范围，可通过set_score()来设置成绩，再通过get_score()来获取成绩。这样在set_score()里就可以检查参数。
class Student2(object): def get_score(self):
return self.__score def set_score(self,value):
if not isinstance(value,int):
raise ValueError('score must be a integer!')
if value < 0 or value > 100:
raise ValueError('score must be between 0 ~ 100!')
self.__score = value
s = Student2()
s.set_score(60)
print(s.get_score()) #60
#s.set_score(1000) #ValueError: score must be between 0 ~ 100!'''
但是，上面的调用方法又略显复杂，没有直接用属性这么直接简单。
有没有既能检查参数，又可以用类似属性这样简单的方式来访问类的变量呢？
还记得装饰器（decorator）可以给函数动态的加上功能吗？对于类的方法，装饰器一样起作用。python内置的@property装饰器就是负责把一个方法编程属性调用的。
'''
class Student3(object):
@property
def score(self):
return self._score @score.setter
def score(self,value):
if not isinstance(value,int):
raise ValueError('score must be a integer!')
if value < 0 or value > 100:
raise ValueError('score must between 0 ~ 100!')
self._score = value
'''
【解析】
把一个getter方法变成属性，只要加上@property。此时，@property又创建了另一个装饰器，@score.setter，负责把一个setter方法变成属性赋值。
于是我们就拥有一个可控的属性操作
'''
s = Student3()
s.score = 66
print (s.score) #66
#s.score = 9999 #ValueError: score must between 0 ~ 100!#定义只读属性，方式是只定义getter 方法，不定义setter方法
class Student4(object):
@property
def birthday(self):
return self._birthday @birthday.setter
def brithday(self,value):
self._birthday = value @property
def age(self):
return 2015 - self._birthday
#上面的birthday 是可读写属性，age是只读属性。# 【多重继承】
# python允许一个类继承多个父类
# Mixln目的是给一个类增加多个功能，这样，在设计类时，我们优先考虑通过多重继承来组合多个Mixln的功能，而不是设计多层次的复杂继承关系。
'''
多重继承阅读: 143522
继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以扩展父类的功能。回忆一下Animal类层次的设计，假设我们要实现以下4种动物：Dog - 狗狗；
Bat - 蝙蝠；
Parrot - 鹦鹉；
Ostrich - 鸵鸟。
如果按照哺乳动物和鸟类归类，我们可以设计出这样的类的层次： ┌───────────────┐
│ Animal │
└───────────────┘
│
┌────────────┴────────────┐
│ │
▼ ▼
┌─────────────┐ ┌─────────────┐
│ Mammal │ │ Bird │
└─────────────┘ └─────────────┘
│ │
┌─────┴──────┐ ┌─────┴──────┐
│ │ │ │
▼ ▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐
│ Dog │ │ Bat │ │ Parrot │ │ Ostrich │
└─────────┘ └─────────┘ └─────────┘ └─────────┘
但是如果按照“能跑”和“能飞”来归类，我们就应该设计出这样的类的层次： ┌───────────────┐
│ Animal │
└───────────────┘
│
┌────────────┴────────────┐
│ │
▼ ▼
┌─────────────┐ ┌─────────────┐
│ Runnable │ │ Flyable │
└─────────────┘ └─────────────┘
│ │
┌─────┴──────┐ ┌─────┴──────┐
│ │ │ │
▼ ▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐
│ Dog │ │ Ostrich │ │ Parrot │ │ Bat │
└─────────┘ └─────────┘ └─────────┘ └─────────┘
如果要把上面的两种分类都包含进来，我们就得设计更多的层次：哺乳类：能跑的哺乳类，能飞的哺乳类；
鸟类：能跑的鸟类，能飞的鸟类。
这么一来，类的层次就复杂了： ┌───────────────┐
│ Animal │
└───────────────┘
│
┌────────────┴────────────┐
│ │
▼ ▼
┌─────────────┐ ┌─────────────┐
│ Mammal │ │ Bird │
└─────────────┘ └─────────────┘
│ │
┌─────┴──────┐ ┌─────┴──────┐
│ │ │ │
▼ ▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐
│ MRun │ │ MFly │ │ BRun │ │ BFly │
└─────────┘ └─────────┘ └─────────┘ └─────────┘
│ │ │ │
│ │ │ │
▼ ▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐
│ Dog │ │ Bat │ │ Ostrich │ │ Parrot │
└─────────┘ └─────────┘ └─────────┘ └─────────┘
如果要再增加“宠物类”和“非宠物类”，这么搞下去，类的数量会呈指数增长，很明显这样设计是不行的。正确的做法是采用多重继承。首先，主要的类层次仍按照哺乳类和鸟类设计：class Animal(object):
pass# 大类:
class Mammal(Animal):
passclass Bird(Animal):
pass# 各种动物:
class Dog(Mammal):
passclass Bat(Mammal):
passclass Parrot(Bird):
passclass Ostrich(Bird):
pass
现在，我们要给动物再加上Runnable和Flyable的功能，只需要先定义好Runnable和Flyable的类：class Runnable(object):
def run(self):
print('Running...')class Flyable(object):
def fly(self):
print('Flying...')
对于需要Runnable功能的动物，就多继承一个Runnable，例如Dog：class Dog(Mammal, Runnable):
pass
对于需要Flyable功能的动物，就多继承一个Flyable，例如Bat：class Bat(Mammal, Flyable):
pass
通过多重继承，一个子类就可以同时获得多个父类的所有功能。MixIn在设计类的继承关系时，通常，主线都是单一继承下来的，例如，Ostrich继承自Bird。但是，如果需要“混入”额外的功能，通过多重继承就可以实现，比如，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计通常称之为MixIn。为了更好地看出继承关系，我们把Runnable和Flyable改为RunnableMixIn和FlyableMixIn。类似的，你还可以定义出肉食动物CarnivorousMixIn和植食动物HerbivoresMixIn，让某个动物同时拥有好几个MixIn：class Dog(Mammal, RunnableMixIn, CarnivorousMixIn):
pass
MixIn的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功能，而不是设计多层次的复杂的继承关系。Python自带的很多库也使用了MixIn。举个例子，Python自带了TCPServer和UDPServer这两类网络服务，而要同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合，我们就可以创造出合适的服务来。比如，编写一个多进程模式的TCP服务，定义如下：class MyTCPServer(TCPServer, ForkingMixIn):
pass
编写一个多线程模式的UDP服务，定义如下：class MyUDPServer(UDPServer, ThreadingMixIn):
pass
如果你打算搞一个更先进的协程模型，可以编写一个CoroutineMixIn：class MyTCPServer(TCPServer, CoroutineMixIn):
pass
这样一来，我们不需要复杂而庞大的继承链，只要选择组合不同的类的功能，就可以快速构造出所需的子类。
'''#【小结】
#由于python允许多重继承，因此，Mixln是一种常见的设计
#只允许单一继承的语言（Java），不能使用Mixln的设计。# 【定制类】 看到类似__slots__这种形如__xxx__的变量或者函数名就要注意，这些在Python中是有特殊用途的#__str__
class Student4(object):
def __init__(self,name):
self.name = name
print (Student4('Michael')) #<__main__.Student4 object at 0x102274da0>
#打印出来<__main__.Student4 object at 0x102274da0>，不好看，此时只需定义__str__
class Student5(object):
def __init__(self,name):
self.name = name def __str__(self):
return 'Student4 object (name: %s)' % self.name
print (Student5('Michael')) #Student4 object (name: Michael)
#这样打印出来的实例，不但好看，而且容易看出实例内部重要数据。
'''
但是细心的朋友会发现直接敲变量不用print，打印出来的实例还是不好看：>>> s = Student('Michael')
>>> s
<__main__.Student object at 0x109afb310>
这是因为直接显示变量调用的不是__str__()，而是__repr__()，两者的区别是__str__()返回用户看到的字符串，而__repr__()返回程序开发者看到的字符串，也就是说，__repr__()是为调试服务的。解决办法是再定义一个__repr__()。但是通常__str__()和__repr__()代码都是一样的，所以，有个偷懒的写法：class Student(object):
def __init__(self, name):
self.name = name
def __str__(self):
return 'Student object (name=%s)' % self.name
__repr__ = __str__
'''#__iter__ 如果一个类想被用于for....in ，类似tuple list 那样，就必须实现__iter__()，返回一个迭代对象，然后
# python的for循环会不断调用该迭代对象的__next__()拿到循环的下一个值，直到遇到StopIteration错误时退出循环
#斐波拉契为例，
class Fib(object):
def __init__(self):
self.a ,self.b = 0,1
def __iter__(self):
return self
def __next__(self):
self.a,self.b = self.b,self.a + self.b
if self.a > 10:
raise StopIteration()
return self.a
#现在试试把Fib用于for循环
for n in Fib():
print (n)
'''
1
1
2
3
5
8
'''#__getitem__ Fib实例虽然能作用与for循环，看起来和list有些像，但是，把它当成list来使用还是不行，比如，取第五个元素
class Fib():
def __init__(self):
self.a,self.b = 0,1
def __iter__(self):
return self
def __next__(self):
self.a,self.b = self.b,self.a + self.b
if self.a > 10:
raise StopIteration()
return self.a
#print (Fib()[5]) #TypeError: 'Fib' object does not support indexing
#要表现的像list那样按照下标取出元素，需要实现__getitem__()
class Fib():
def __init__(self):
self.a,self.b = 0,1
def __iter__(self):
return self
def __next__(self):
self.a,self.b = self.b,self.a + self.b
if self.a > 10:
raise StopIteration()
return self.a
def __getitem__(self, item):
a,b = 1,1
for x in range(item):
a,b = b,a + b
return a
print(Fib()[5]) #8
print(Fib()[0]) #1
print(Fib()[1]) #1#如果想实现list的切片，要优化
class Fib(object):
def __init__(self):
self.a,self.b = 0,1
def __iter__(self):
return self
def __next__(self):
self.a,self.b = self.b,self.a + self.b
if self.a > 10:
raise StopIteration()
return self.a
def __getitem__(self, item):
if isinstance(item,int):
a,b = 1,1
for x in range(item):
a,b = b,a + b
return a
if isinstance(item,slice):
start = item.start
stop = item.stop
if start is None:
start = 0
a,b = 1,1
L = []
for x in range(stop):
if x >= start:
L.append(a)
a,b = b,a+b
return L
f = Fib()
print (f[0:5]) #[1, 1, 2, 3, 5]
print (f[:10]) #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]# __getattr__
#正常情况下，调用类的方法或属性，如果不存在，就会报错。
class Student6(object):
def __init__(self):
self.name = 'Michael'
a = Student6()
print (a.name) #Michael
#print (a.score) #AttributeError: 'Student6' object has no attribute 'score'
#要避免这种情况，除了给类加属性，另一个办法是__getattr__()，动态返回一个属性
class Student7(object):
def __init__(self):
self.name = 'Michael'
def __getattr__(self, attr):
if attr == 'score':
return 99
a = Student7()
print (a.name) #Michael
print (a.score) #99
#返回函数也是可以的
class Student8(object):
def __init__(self):
self.name = 'Michael'
def __getattr__(self, item):
if item == 'age':
return lambda :25
a = Student8()
print (a.age) #<function Student8.__getattr__.<locals>.<lambda> at 0x102249950>
print (a.age()) #25
print (a.abc) #None
'''
【注意】
1 只有在没有属性的情况下，才会调用__getattr__()
2 任意调用，如a.abc,都会返回None,因为我们定义的__getattr__()默认返回None.要让class只响应特定的几个属性，我们就要按照约定俗成，抛出AttributeError异常。
'''
class Student9(object):
#.....
def __getattr__(self, item):
if item == 'age':
return lambda : 25
raise AttributeError('\'Student9\' object has no attribute \'%s\'' % item)
#这实际上可以把一个类说有属性和方法全部动态化处理了，不需要任何特殊手段。这样完全动态调用的特性的作用是，可以针对完全动态的情况做调用。
'''
举个例子，现在很多网站都搞REST API ，比如新浪微博、豆瓣等，调用API的URL类似：
http://api.server/user/frends
http://api.server/user/timeline/list
如果要写SDK，给每个URL对应的API都写一个方法，那得累死，而且，API一旦改动，SKD也要改。
利用完全动态的_getattr__(),可以写出一个链式调用
'''
class Chain(object):
def __init__(self,path = ''):
self._path = path def __getattr__(self, path):
return Chain('%s/%s' % (self._path,path)) def __str__(self):
return self._path __repr__ = __str__print (Chain().status.user.timeline.list) #/status/user/timeline/list
#这样，无论API怎么变，SDK都可以根据URL实现完全动态的调用，而且，不随API的增加而改变！#__call__
#一个对象实例可以有自己的属性个方法，当调用实例方法，用instance.method().能不能直接在实例本身上调用？在python中答案是肯定的。
class Student10(object):
def __init__(self,name):
self.name = name def __call__(self, *args, **kwargs):
print('my name is %s' % self.name)
s = Student10('wuxe')
print (s()) #my name is wuxe
'''
__call__()还可以定义参数，对实例进行直接嗲用就好比对一个函数进行调用一样，所以完全可以把对象看成函数，把函数看成对象，因为这二者之间本来就没啥区别。
如果把对象看成函数，那么函数本身其实也可以在运行期间动态创建出来，因为类的实例都是运行期间创建出来的。这么以来，就模糊了对象和函数界限。
那么，怎么判断一个变量是对象还是函数呢？其实，更多的时候，我们需要判断一个对象是否能被调用，能被调用的对象就是一个callable对象
'''
print (callable(Student10('wxue'))) #True
print (callable(max)) #True
print (callable([1,2,3])) #False
print (callable(None)) #False
print (callable('str')) #False#【枚举类】
'''
当我们需要定义常量，一个办法是大写变量用过整数来定义，例如月份：
JAN = 1
FEB = 2
MAR = 3
...
NOV = 11
DEC = 12
好处是简单，缺点是类型是int,并且仍然是变量。
更好的办法是为这样的枚举类型定义一个class类型，然后，每个常量都是class的唯一实例。python提供了Enum
'''
from enum import EnumMonth = Enum('Month',('Jan','Feb','Mar', 'Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'))
for name,member in Month.__members__.items():
print (name,'=>',member,',',member.value)
'''
Jan => Month.Jan , 1
Feb => Month.Feb , 2
Mar => Month.Mar , 3
Apr => Month.Apr , 4
May => Month.May , 5
Jun => Month.Jun , 6
Jul => Month.Jul , 7
Aug => Month.Aug , 8
Sep => Month.Sep , 9
Oct => Month.Oct , 10
Nov => Month.Nov , 11
Dec => Month.Dec , 12
'''
#【解析】value属性是自动赋值给成员的int常量，默认从1开始。#如果需要更精确的控制枚举类型，可以从Enum派生出自定义类。
from enum import Enum,unique@unique #帮助检出保证没有重复值
class Weekday(Enum):
Sun = 0 # Sun的value被设定为0
Mon = 1
Tue = 2
Wed = 3
Thu = 4
Fri = 5
Sat = 6day1 = Weekday.Mon
print (day1) #Weekday.Mon
print (Weekday.Tue) #Weekday.Tue
print (Weekday['Tue']) #Weekday.Tue
print (Weekday.Tue.value) #2
print (day1 == Weekday.Mon) #True
print (day1 == Weekday.Tue) #False
print (Weekday(1)) #Weekday.Mon
#既可以用成员名称引用枚举常量，又可以直接根据value获得枚举常量。
print (day1 == Weekday(1)) #True
for name,member in Weekday.__members__.items():
print (name ,'=>' ,member)
'''
Sun => Weekday.Sun
Mon => Weekday.Mon
Tue => Weekday.Tue
Wed => Weekday.Wed
Thu => Weekday.Thu
Fri => Weekday.Fri
Sat => Weekday.Sat
'''
#print (Weekday(7)) #ValueError: 7 is not a valid Weekday# 练习 把Student 的gender 属性改造成枚举类型，可以避免使用字符串。
from enum import Enum,unique@unique
class Gender(Enum):
male = 0
female = 1
class Student11(object):
def __init__(self,name,gender):
self.name = name
self.gender = gender
wxue = Student11('wxue',Gender.female)
print (wxue.gender == Gender.female) #True# 【元类】
# 【元类】type()
#动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。比如要定义一个Hello 的class，就写一个hello.py模块(此处做法：同级目录下创建hello.py)
from hello import Helloh = Hello()
h.hello() #Hello ,world.
print (type(Hello)) #<class 'type'>
print (type(h)) #<class 'hello.Hello'>
'''
type()函数可以查看一个类型或变量的类型，Hello是一个class，它的类型就是type,而h是一个实例，它的类型就是class Hello
我们说class的定义是运行时动态创建的，而创建class的方法就是使用type()函数
type()函数既可以返回一个对象的类型，也可以创建出新的类型。比如。可以通过type()创建出Hello类，而无需通过class Hello(object)...的定义
'''
def fn(self,name = 'world'):
print ("Hello,%s" % name)
Hello = type('Hello',(object,),dict(hello=fn))
h = Hello()
h.hello() #Hello,world
print (type(Hello)) #<class 'type'>
print (type(h)) #<class '__main__.Hello'>
'''
【解析】要创建一个class对象，type()函数依次传入3个参数
1 class名称
2 继承的父类集合，注意python支持多重继承，如果只有一个父类，别忘了tuple的单元素写法
3 class的方法名称和函数绑定，这里把函数fn绑定到方法名hello上
通过type()函数创建的类和直接写 class 是完全一样的，因为python解释器遇到class定义时，仅仅是扫描一下class定义的语法，然后调用type函数创建出class。
正常情况下，我们都用class Xxx....定义类，但是，type()函数也允许我们动态创建出类，也就是说，动态语言本身支持运行期动态创建类，这和静态语言有非常大的不同，
要在静态语言运行期创建类，必须构造源代码字符串再调用编译器，或者借助一些工具生成字节码实现，本质上都是动态编译，会非常复杂。
'''# 【元类】metaclass
'''
除了使用type()动态创建类，要控制类的创建行为，还可用metaclass
metaclass 直译为元类，简单的解释就是：
当我们定义了类后，就可以根据这个类创建出实例，所以：先定义类，然后创建实例。
但是如果我们想创建出类呢？那就必须根据metaclass创建出类，所以：先定义metaclass, 然后创建类
连接起来就是：先定义metaclass,就可以创建类，最后创建实例。
所以，metaclass允许你创建和修改类。换句话说，可以把类看成是metaclass创建出来的"实例"。
'''#例子 这个metaclass 可以给我们自定义的类MyList增加一个add方法
#定义ListMetaclass 按照默认习惯，metaclass的类名总是以Metaclass结尾，以便清楚的表示这是一个metaclass
#metaclass 是类的模版，所以必须从type类派生
class ListMetaclass(type):
def __new__(cls, name,bases, attrs):
attrs['add'] = lambda self,value :self.append(value)
return type.__new__(cls,name,bases,attrs)
#有了ListMetaclass ，我们在定义类的时候还要指示使用ListMetaclass来定制类，传入关键字参数metaclass
class MyList(list,metaclass=ListMetaclass):
pass
'''我们传入关键字参数metaclass时候，魔术就生效了，它指示python解释器在创建MyList时候，要通过ListMetaclass.__new__()来创建，在此，我们可以修改类的定义，
比如，加上新的方法啊，然后返回修改后的定义。
__new__()接收的参数依次是：
1 当前准备创建的类的对象
2 类的名字
3 类继承的父类集合
4 类的方法集合
'''
#测试一下MyList是否可以 调用add()方法
L = MyList()
L.add(1)
print (L) #[1]
#而普通的list没有add()
L2 = list()
#L2.add(2) #AttributeError: 'list' object has no attribute 'add'"""
'''
动态修改有什么意义？直接在MyList上定义add()不是更简单吗？正常情况下，确实应该直接写，通过metaclass修改纯属变态。
但是，总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子
ORM全程Object Relation Mapping ，即"对象-关系映射"，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码简单，
不用直接操作SQL语句。
要编写一个ORM框架，所有的类只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来。
让我们尝试编写一个ORM框架。
'''
#编写框架的第一步，就是先把调用接口写出来。比如，使用者如果使用这个ORM框架，想定义一个User类来操作对应的数据库表User，我们期待他写出这样的代码
'''class User(Model):
#定义类的属性到列的映射
id = IntegerField('id')
name = StringField('name')
email = StringField('email')
password = StringField('password')#创建一个实例
u = User(id = 12345, name = 'Michael',email = 'test@orm.org',password = 'my-pwd')
#保存到数据库
u.save()
''''''
其中，父类Model和属性类型IntegerField StringField 是由框架ORM提供的，剩下的魔术方法比如save()全部由metaclass 自动完成。虽然
metaclass的编写会比较麻烦，但ORM的使用者用起来会非常简单。
'''
#首先定义Field类，负责保存数据库表的字段名和字段类型
class Field(object):
def __init__(self,name,column_type):
self.name = name
self.column_type = column_type
def __str__(self):
return '<%s:%s>' % (self.__class__.__name__,self.name)
#在Field的基础上，继续定义各种类型的Field,比如StringField,IntegerField
class StringField(Field):
def __init__(self,name):
super(StringField, self).__init__(name,'varchar(100)')
class IntegerField(Field):
def __init__(self,name):
super(IntegerField,self).__init__(name,'bigint')
#下一步，就是编写最复杂的ModelMetaclass
class ModelMetaclass(type):
def __new__(cls,name,bases,attrs):
if name == 'Model':
return type.__new__(cls,name,bases,attrs)
print ('Found model : %s' % name)
mappings = dict()
for k,v in attrs.items():
if isinstance(v,Field):
print ('Found mapping : %s ==> %s' % (k,v))
mappings[k] = v
for k in mappings.keys():
attrs.pop(k)
attrs['__mappings__'] = mappings #保存属性和列的映射关系
attrs['__table__'] = name #假设表名和类名一致
return type.__new__(cls,name,bases,attrs)
# 基类
class Model(dict,metaclass=ModelMetaclass):
def __init__(self,**kw):
super(Model,self).__init__(**kw)
def __getattr__(self, item):
try:
return self[item]
except KeyError:
raise AttributeError(r"'Model' object has no attribute '%s'" % item)
def __setattr__(self, key, value):
self[key] = value
def save(self):
fields = []
params = []
args = []
for k,v in self.__mappings__.items():
fields.append(v.name)
params.append('?')
args.append(getattr(self,k,None))
sql = 'insert into %s (%s ) values (%s)' % (self.__table__,','.join(fields),','.join(params))
print ('SQL : %s' % sql)
print ('ARGS: %s' % str(args))class User(Model):
# 定义类的属性到列的映射
id = IntegerField('id')
name = StringField('name')
email = StringField('email')
password = StringField('password')u = User(id = 12345,name = 'Michael',email = 'test@orm.org',password = 'my_pass')
u.save()
'''
Found model : User
Found mapping : id ==> <IntegerField:id>
Found mapping : name ==> <StringField:name>
Found mapping : email ==> <StringField:email>
Found mapping : password ==> <StringField:password>
SQL : insert into User (id,name,email,password ) values (?,?,?,?)
ARGS: [12345, 'Michael', 'test@orm.org', 'my_pass']
'''
'''
【解析】
当用户定义一个class User(Model)时候，Python解释器首先在当前类User的定义中查找metaclass，如果没找到，就继续
在父类Model中查找metaclass，找到了，就使用Model中定义的metaclass的ModelMetaclass来创建User类，也就是说，
metaclass可以隐式的继承到子类，但子类自己却感觉不到。
在ModelMetaclass一共作了几件事情：
1 删除掉对Model类的修改
2 在当前类（比如User）中查找定义的类的所有属性，如果找到一个Field属性，就把它保存到__mappings__的dict中，同时从
类属性中删除该Field属性，否则，容易造成运行时错误（实例的属性会遮盖类的同名属性）
3 把表名保存到__table__中，这里简化为表名默认为类名。
在Model类中，就可以定义各种操作数据库的方法，比如save() delete() find() update()等
我们实现了save(),把一个实例保存到数据库中。因为有表名，属性到字段的映射，属性值的集合，就可以构造出insert语句。'''
"""
from array import array
print(bytes([9])) #当source参数是一个可迭代对象，那么这个迭代对象的元素都必须符合0 <= x < 256，以便可以初始化到数组里
print(bytes(array('d',(1,2))))
'''
首先引入
from array import array
然后list到array直接传参数进构造函数就可以。（不知道是不是叫构造函数）
np.array('d',[1,2,3])
转回来的话调用tolist函数
_.tolist()
'''
tuple1 = (2,3)
g1 = (i for i in tuple1)
print(g1)
#读取生成器元素方法一：下面这两行
#x,y= g1
#print(x,y) #2 3
#读取生成器元素方法二：：下面这两行
#print(next(g1))
#print(next(g1))
'''
2
3
'''
g1 = (i for i in (2,3))
print(*g1) #2 3
#例子9-4 比较classmethod和staticmethod
class Demo:
@classmethod
def klassmeth(*args):
return args
@staticmethod
def statmeth(*args): #行为和普通函数相似
return args
print(Demo.klassmeth()) #(<class '__main__.Demo'>,)
print(Demo.klassmeth('spam')) #(<class '__main__.Demo'>, 'spam')
print(Demo.statmeth()) #()
print(Demo.statmeth('spam')) #('spam',)"""
#9.2 再谈向量类
#例子9-2 定义的都是特殊方法
import array
import math
class Vector2d:
typecode = 'd'
'''
def __init__(self,x,y):
self.x = float(x) #转换称浮点数，尽早捕获错误，以防调用Vector2d函数时传入不当参数
self.y = float(y)
'''
def __iter__(self):
return (i for i in (self.x,self.y)) #把Vector2d实例变成可迭代对象，这样才能拆包（例如，x,y = my_vector）。
def __repr__(self):
class_name = type(self).__name__
return '{}({!s},{!s})'.format(class_name,*self) #因为Vector2d实例是可迭代对象，所以**self会把x和y分量提供
def __str__(self):
return str(tuple(self)) #用可迭代实例可生成元祖
def __bytes__(self): #python有个独特的特性：类属性可用于为实例属性提供默认值。虽然此时实例并无属性typecode，但是此时它是默认取自Vector2d.typecode
#但是。如果为不存在的实例属性赋值，会新建实例属性。假如我们为typecode实例属性赋值，那么同名类属性不受影响。然而，自此之后，实例读取的self.typecode是实例属性，也就是
#把同名类属性覆盖了（但通过类访问这个属性，值还是不变的）。借助这一特性，可以为各个实例的typecode属性定制不同的值
return (bytes([ord(self.typecode)]) + bytes(array.array(self.typecode,self))) #为了生成自己序列，我们typecode转换称字节序列，然后迭代Vector2d实例，得到一个数组，再把数组转换称字节序列
@classmethod
def frombytes(cls,octets):
typecode = chr(octets[0])
memv = memoryview(octets[1:]).cast(typecode)
return cls(*memv)
def __eq__(self, other):
return tuple(self) == tuple(other)
def __abs__(self):
return math.hypot(self.x,self.y) #为了比较所有分量，构建元祖。对Vector2d实例来说，可以这样做，不过仍有问题。有了这种方式，再两个操作数都是Vector2d实例时可用，不过那Vector2d实例与其他
#具有相同数值的可迭代对象相比，结果也是True（如Vector2d(3,4) == [3,4]）。这个行为可视作特性，也可视作缺陷。以后讲到运算符重载时才能进一步讨论
def __bool__(self):
return bool(abs(self)) def angle(self): #计算角度
return math.atan2(self.x,self.y) def __format__(self, format_spec=''): #自定义格式代码：如果格式说明拂以'p'结尾，那么在极坐标中显示向量，即<r,x>，其中r是模，x是弧度
if format_spec.endswith('p'):
format_spec = format_spec[:-1]
coords = (abs(self),self.angle())
outer_fmt = '<{},{}>'
else:
coords = self
outer_fmt = '({},{})'
components = (format(c,format_spec) for c in coords)
return outer_fmt.format(*components) #可散列的：属性必需是不变的，所以要将实例的两个属性设置成只读，因为现在我们还可以通过v1.x 的方式为属性赋值. 【步骤】1⃣️#修改构造方法2⃣️ #还要设置@property3⃣️实现__hash__方法（只有不可变的向量才能实现这个方法）
#这个方法应该返回一个整数，理想情况下还要考虑对象属性的散列值（__eq__方法也要使用），因为相等的对象应该具有相同的散列值。
#根据官方文旦，最好使用位运算符异或混合各分量的散列值 def __init__(self,x,y):
self.__x = float(x)
self.__y = float(y) @property
def x(self): #这样就可以通过self.x来把它当公开属性读取
return self.__x
@property
def y(self):
return self.__y def __hash__(self):
return hash(self.x)^hash(self.y) #这里可以直接用self.x代替self.__x是因为用@property设置了读取方法，所以其他方法也是通过这样来读取公开属性"""
v1 = Vector2d(3,4)
print(v1.x,v1.y) #3.0 4.0 .实例分量可直接通过属性访问（无需调用读值方法）
x,y = v1
print(x,y) #3.0 4.0 .实例可拆包成变量元祖
print(v1) #(3.0, 4.0) .print函数会调用str函数
v1 #在控制台，这里会打印出：Vector2d(3.0,4.0)
v1_clone = eval(repr(v1)) #这里用eval函数，表明repr函数调用Vector2d实例得到的是对构造方法的准确表述 【调用eval，传入repr后的对象，相当于调用__str__()】
print(v1_clone == v1) #True
print(abs(v1)) #5.0
print(bool(v1),bool(Vector2d(0,0))) #True False
octets = bytes(v1)
print(octets) #b'd\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x10@'
print(Vector2d.frombytes(b'd\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x10@'))
#验证格式化
print(format(Vector2d(1,1),'p')) #<1.4142135623730951,0.7853981633974483>
print(format(Vector2d(1,1),'.3ep')) #<1.414e+00,7.854e-01>
print(format(Vector2d(1,1),'0.5fp')) #<1.41421,0.78540>#验证散列性
v3 = Vector2d(3,4)
v4 = Vector2d(3.1,4.2)
v5 = Vector2d(3,4)
print(hash(v3),hash(v4)) #7 384307168202284039
print(hash(v3),hash(v5)) #7 7
print(v3 == v5) #True#9.7私有属性和"受保护的"属性
v6 = Vector2d(3,4)
print(v6.__dict__)
print(v6._Vector2d__x)
v6._Vector2d__x = 5.0
print(v6.__dict__)
#这样看来，太危险了，同时还有人不喜欢这个语法，所以出现了受保护的属性，python解释器虽然不会对使用单个下划线的属性做特殊处理，但是很多python程序员严格遵守这个约定，不会在类外部访问单下划线这种受保护的属性（约定这是私有的）#9.8 使用__slots__类属性节省空间：只有在需要处理大数据时才能显现出价值，正常情况下就不要这么麻烦的取创建这种不寻常的类了
#默认情况下，python在各个实例中名为__dict__的字典里存储实例属性。为了使用低层的散列表提升访问速度，字典会消耗大量内存。如果要处理数百外各属性不多的实例，这种方式可节省大量内存，方法是让解释器在元祖中存储实例属性，而不用字典
#子类不继承，只有当前类有效
class V:
__slots__ = ('__x','__y')
#不过，也有要注意的
#1⃣️ 每个子类都要定义__slots__属性，因为解释器会忽略继承的
#2⃣️实例只能拥有__slots__中列出的属性，除非把'__dict__'加入__slots__中，不过这样做就失去了节省内存的功效
#3⃣️如果不把__weakref__加入__slots__，实例就不能作为弱引用的目标#9.9 覆盖类属性
#例子9-13 设定从类中继承的typecode属性，自定义一个实例属性
v7 = Vector2d(1.1,2.2)
dumpd = bytes(v7)
print(dumpd)
print(len(dumpd))
v7.typecode = 'f'
dumpf = bytes(v7)
print(dumpf)
print(len(dumpf))
'''
b'd\x9a\x99\x99\x99\x99\x99\xf1?\x9a\x99\x99\x99\x99\x99\x01@'
17
b'f\xcd\xcc\x8c?\xcd\xcc\x0c@'
9
'''
#例子9-14 ShortVector2d是Vector2d的子类，只用于覆盖typecode的默认值
class ShortVector2d(Vector2d):
typecode = 'f'
sv = ShortVector2d(1/11,1/27)
print(sv) #(0.09090909090909091, 0.037037037037037035)
print(len(bytes(sv))) #9
#【分析】这也说明了我在Vector2d.__repr__方法中为什么没有硬编码class_name的值，而是使用type(self).__name__，如果硬编码的话，那么Vector2d的子类要覆盖__repr__方法，只是为了修改class_name的值。从实例的类型中
#读取类名，__repr__方法就可以放心继承
"""
【流畅的Python】【重载运算符】
#
#例子13-3 一元运算符+得到一个新Counter实例，但是没有零值和负值计数器
from collections import Counterct = Counter('abracadabra')
#print(ct) #Counter({'a': 5, 'r': 2, 'b': 2, 'c': 1, 'd': 1})
ct['r'] = -3
ct['d'] = 0
#print(ct) #Counter({'a': 5, 'b': 2, 'c': 1, 'd': 0, 'r': -3})
#print(+ct) #Counter({'a': 5, 'b': 2, 'c': 1})import itertools
a = (1,2,3)
b = [4,5]
d = itertools.zip_longest(a,b,fillvalue=0.0)#以下是Vectorfrom array import array
import reprlib
import math
import numbers
import functools
import operator
import itertoolsclass Vector:
typecode = 'd' def __init__(self, components):
self._components = array(self.typecode, components) def __iter__(self):
return iter(self._components) def __repr__(self):
components = reprlib.repr(self._components)
components = components[components.find('['):-1]
return 'Vector({})'.format(components) __str__ = __repr__ #def __str__(self):
#return str(tuple(self)) def __bytes__(self):
return (bytes([ord(self.typecode)]) +
bytes(self._components)) def __eq__(self, other):
return (len(self) == len(other) and
all(a == b for a, b in zip(self, other))) def __hash__(self):
hashes = (hash(x) for x in self)
return functools.reduce(operator.xor, hashes, 0) def __abs__(self):
return math.sqrt(sum(x * x for x in self)) def __bool__(self):
return bool(abs(self)) def __len__(self):
return len(self._components) def __getitem__(self, index):
cls = type(self)
if isinstance(index, slice):
return cls(self._components[index])
elif isinstance(index, numbers.Integral):
return self._components[index]
else:
msg = '{.__name__} indices must be integers'
raise TypeError(msg.format(cls)) shortcut_names = 'xyzt' def __getattr__(self, name):
cls = type(self)
if len(name) == 1:
pos = cls.shortcut_names.find(name)
if 0 <= pos < len(self._components):
return self._components[pos]
msg = '{.__name__!r} object has no attribute {!r}'
raise AttributeError(msg.format(cls, name)) def angle(self, n): # <2>
r = math.sqrt(sum(x * x for x in self[n:]))
a = math.atan2(r, self[n-1])
if (n == len(self) - 1) and (self[-1] < 0):
return math.pi * 2 - a
else:
return a def angles(self): # <3>
return (self.angle(n) for n in range(1, len(self))) def __format__(self, fmt_spec=''):
if fmt_spec.endswith('h'): # hyperspherical coordinates
fmt_spec = fmt_spec[:-1]
coords = itertools.chain([abs(self)],
self.angles()) # <4>
outer_fmt = '<{}>' # <5>
else:
coords = self
outer_fmt = '({})' # <6>
components = (format(c, fmt_spec) for c in coords) # <7>
return outer_fmt.format(', '.join(components)) # <8> @classmethod
def frombytes(cls, octets):
typecode = chr(octets[0])
memv = memoryview(octets[1:]).cast(typecode)
return cls(memv)
'''
def __add__(self, other):
pairs = itertools.zip_longest(self,other,fillvalue=0.0)
return Vector(a+b for a,b in pairs)
#print((3,40) + v1) #TypeError: can only concatenate tuple (not "Vector") to tuple 【解析】如果左操作数是Vector之外的对象，则无法处理
#...为了支持涉及不同类型的运算，python为中缀运算符特殊方法提供了特殊的分派机制。对表达式a+b来说，解释器会执行以下几步操作
#...(1)如果a有__add__方法，而且返回值不是NotImplemented,调用a.__add__(b),然后返回结果
#...(2)如果a没有__add__方法，或者调用__add__方法返回NotImplemented,检查b有没有__radd__方法，如果有，而且没有返回NotImplemented,调用b.__radd__(a)，然后返回结果
#...(3)如果前两者条件都不满足，抛出TypeError，并在错误消息中指明操作数类型不支持
#[注意]别把NotImplemented NotImplementedError搞混了。前者是特殊的单例值，如果中缀运算符特殊方法不能处理给定的操作数，那么要把它返回给解释器。后者是一种异常，抽象类中的占位方法把它抛出（raise），提醒子类必须覆盖
'''
def __add__(self, other):
try:
pairs = itertools.zip_longest(self,other,fillvalue=0.0)
return Vector(a+b for a,b in pairs)
except TypeError: #如果中缀运算符方法抛出异常，就终止了运算符分派机制。对 TypeError来说，通常最好将其捕获，然后返回 NotImplemented。这样，解释器会尝试调用反向运算符方法，如果操作数是不同的类型，对调之后，反向运算符方法可能会正确计算
return NotImplemented
def __radd__(self, other):
return self + other #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行 def __mul__(self, other):
if isinstance(other,numbers.Real): # 11.6节说过，decimal.Decimal没有吧自己注册为numbers.Real的虚拟子类。因此，Vector类不会处理decimal.Decimal数字。
return Vector(n*other for n in self)
else:
return NotImplemented
def __rmul__(self, other):
return self*other def __eq__(self, other):
if isinstance(other,Vector):
return (len(self) == len(other) and all(a==b for a,b in zip(self,other)))
else:
return NotImplemented'''
#栗子 13-12 比较def __eq__(self, other):
return (len(self) == len(other) and all(a==b for a,b in zip(self,other)))va = Vector([1.0,2.0,3.0])
vb = Vector(range(1,4))
print(va == vb) #True
t3 = (1,2,3)
print(va == t3) #True
print(1 == 1.0) #True
print(all(a==b for a,b in zip(va,t3))) #Truev7 = Vector([1,2])
print(v7) #Vector([1.0, 2.0])
v8 = Vector((1,2.0))
print(zip(v7,v8)) #<zip object at 0x0000000001EDFCC8>
print(list(zip(v7,v8))) #[(1.0, 1.0), (2.0, 2.0)]
print(all(a==b for a,b in zip(v7,v8))) #True#但是我们发现下面，所以应该保守点，做类型检查。
print([1,2] == (1,2)) #False
#所以改成
#栗子13-14 def __eq__(self, other):
if isinstance(other, Vector):
return (len(self) == len(other) and all(a == b for a, b in zip(self, other)))
else:
return NotImplemented
#再次验证
va = Vector([1.0,2.0,3.0])
vb = Vector(range(1,4))
print(va == vb) #True
print(va == (1,2,3)) #False
#在示例 13-14 中， Vector 实例和元组比较时，具体步骤如下。
#(1) 为了计算 va == t3， Python 调用 Vector.__eq__(va, t3)。
#(2) 经 Vector.__eq__(va, t3) 确认， t3 不是 Vector 实例，因此返回NotImplemented。
#(3) Python 得到 NotImplemented 结果，尝试调用 tuple.__eq__(t3, va)。
#(4) tuple.__eq__(t3, va) 不知道 Vector 是什么，因此返回 NotImplemented。
#(5) 对 == 来说，如果反向调用返回 NotImplemented， Python 会比较对象的 ID，作最后一搏。
'''#栗子13-11
'''
def __mul__(self, other):
if isinstance(other,numbers.Real): # 11.6节说过，decimal.Decimal没有吧自己注册为numbers.Real的虚拟子类。因此，Vector类不会处理decimal.Decimal数字。
return Vector(n*other for n in self)
else:
return NotImplemented
def __rmul__(self, other):
return self*other
'''
v5 = Vector([1.0,2.0,3.0])
#print(14*v5) #Vector([14.0, 28.0, 42.0])
#print(v5*True) #Vector([1.0, 2.0, 3.0])v1 = Vector([3, 4, 5])
#print(v1 + (10, 20)) # (13.0, 24.0, 5.0)
#例子13-8 Vector.__add__方法的操作数钥要是可迭代对象
'''
def __add__(self, other):
pairs = itertools.zip_longest(self,other,fillvalue=0.0)
return Vector(a+b for a,b in pairs)
def __radd__(self, other):
return self + other #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行
'''
v2 = Vector([3,4,5])
#print(v2 + 1) #TypeError: zip_longest argument #2 must support iteration
#例子13-9 这个加法的操作数应该是可迭代的数值对象
'''
def __add__(self, other):
pairs = itertools.zip_longest(self,other,fillvalue=0.0)
return Vector(a+b for a,b in pairs)
def __radd__(self, other):
return self + other #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行
'''
#print(v2 + 'ABC') #TypeError: unsupported operand type(s) for +: 'float' and 'str'
#例子13-10 针对13-8 13-9 需要再进行优化，即有错误要抛出
v3 = Vector([1,2,3])
#print((4,) + v3)
【流畅的Python】【继承】
#栗子12-1 内置类型dict 的__init__和__update__方法会忽略我们覆盖的__setitem__class DoppelDict(dict):
def __setitem__(self, key, value):
super().__setitem__(key,[value]*2)
dd = DoppelDict(one=1)
print(dd) #{'one': 1}
dd['two'] = 2
print(dd) #{'one': 1, 'two': [2, 2]}
dd.update(three=3)
print(dd) #{'one': 1, 'two': [2, 2], 'three': 3}#不只实例内部的调用有这个问题（self.get() 不调用 self.__getitem__()），内置类型的方法调用的其他类的方法，如果被覆盖了，也不会被调用#栗子12-2 dict.update方法会忽略AnswerDict.__getitem__方法
class AnswerDict(dict):
def __getitem__(self, item):
return 42
ad = AnswerDict(a='foo')
print(ad['a']) #42
d = {}
d.update(ad)
print(d['a']) #foo
print(d) #{'a': 'foo'}import collectionsclass DoppelDict2(collections.UserDict):
def __setitem__(self, key, value):
super().__setitem__(key,[value]*2)
dd = DoppelDict2(one=1)
print(dd) #{'one': [1, 1]}
dd['two'] = 2
print(dd) #{'one': [1, 1], 'two': [2, 2]}
dd.update(three=3)
print(dd) #{'one': [1, 1], 'two': [2, 2], 'three': [3, 3]}
class AnswerDict2(collections.UserDict):
def __getitem__(self, item):
return 42
ad = AnswerDict2(a='foo')
print(ad['a']) #42
d = {}
d.update(ad)
print(d['a']) #42
print(d) #{'a': 42}#【小结】
'''
综上，本节所述的问题只发生在 C 语言实现的内置类型内部的方法委托上，而且只影响
直接继承内置类型的用户自定义类。如果子类化使用 Python 编写的类(collections 模块)，如 UserDict 或
MutableMapping，就不会受此影响
'''#12.2 多重继承和方法解析顺序
#规则：按照__mro__（方法解析）顺序，若直接用类名调用方法则直接找到该类，建议使用super()[因为最安全，也不容易过时。]
print(bool.__mro__) #(<class 'bool'>, <class 'int'>, <class 'object'>)
【__new__ 和 __init__】
"""
知识点：继承自object的新式类才有__new____new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由Python解释器自动提供__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以return父类__new__出来的实例，或者直接是object的__new__出来的实例__init__有一个参数self，就是这个__new__返回的实例，__init__在__new__的基础上可以完成一些其它初始化的动作，__init__不需要返回值若__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行
""""""
class A(object):
def __init__(self):
print('init') def __new__(cls, *args, **kwargs):
print('new %s' % cls)
return object.__new__(A,*args,**kwargs)print(A())
#结果
'''
new <class '__main__.A'>
init
<__main__.A object at 0x0000000002779128>
'''class A(object):
def __init__(self):
print('init') def __new__(cls, *args, **kwargs):
print('new %s' % cls)
return object.__new__(A,*args,**kwargs)
print(A())
#结果
'''
new <class '__main__.A'>
init
<__main__.A object at 0x0000000002779128>
'''class A(object):
passclass B(A):
def __init__(self):
print('init') def __new__(cls, *args, **kwargs):
print('new %s '% cls)
return A.__new__(cls,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'>
init
<__main__.B object at 0x00000000027A9128>
'''class A(object):
passclass B(A):
def __init__(self):
print('init') def __new__(cls, *args, **kwargs):
print('new %s' % cls)
return A.__new__(B,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'>
init
<__main__.B object at 0x00000000027A9128>
'''class A(object):
passclass B(A):
def __init__(self):
print('init')
def __new__(cls, *args, **kwargs):
print('new %s' % cls)
return object.__new__(A,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'>
<__main__.A object at 0x0000000001E69128>
'''
"""
