Python学习札记——描述符
在Python中,访问一个属性的优先级顺序按照如下顺序:
- 类属性
- 数据描述符
- 实例属性
- 非数据描述符
- __getattr__()方法 这个方法的完整定义如下所示:
def __getattr( self ,attr) : #attr是self的一个属性名
pass ;
|
先来阐述下什么叫数据描述符。
数据描述符是指实现了__get__,__set__,__del__方法的类属性(由于Python中,一切皆是对象,所以你不妨把所有的属性也看成是对象)
PS:个人觉得这里最好把数据描述符等效于定义了__get__,__set__,__del__三个方法的接口。
阐述下这三个方法:
__get__的标准定义是__get__(self,obj,type=None),它非常接近于JavaBean的get
第一个函数是调用它的实例,obj是指去访问属性所在的方法,最后一个type是一个可选参数,通常为None(这个有待于进一步的研究)
例如给定类X和实例x,调用x.foo,等效于调用:
type (x).__dict__[ "foo" ].__get__(x, type (x))
|
调用X.foo,等效于调用:
type (x).__dict__[ "foo" ].__get__( None , type (x))
|
第二个函数__set__的标准定义是__set__(self,obj,val),它非常接近于JavaBean的set方法,其中最后一个参数是要赋予的值
第三个函数__del__的标准定义是__del__(self,obj),它非常接近Java中Object的Finailize()方法,指Python在回收这个垃圾对象时所调用到的析构函数,只是这个函数永远不会抛出异常。因为这个对象已经没有引用指向它,抛出异常没有任何意义。
接下来,我们来一一比较这些优先级.
首先来看类属性
class A( object ):
foo = 1.3 ;
print str (A.__dict__);
|
输出:
{ "__dict__" : <attribute "__dict__" of "A" objects>, "__module__" : "__main__" ,
"foo" : 1.3 , "__weakref__" : <attribute "__weakref__" of "A" objects>, "__doc__" : None }
|
从上图可以看出foo属性在类的__dict__属性里,所以这里用A.foo可以直接找到。这里我们先跨过数据描述符,直接来看实例属性。
class A( object ):
foo = 1.3 ;
a = A();
print a.foo;
a.foo = 15 ;
print a.foo;
|
这里a.foo先输出1.3后输出15,不是说类属性的优先级比实例属性的优先级高吗?按理a.foo应该不变才对?其实,这里只是一个假象,真正的原因在于这里将a.foo这个引用对象,不妨将其理解为可以指向任意数据类型的指针,指向了15这个int对象。
不信,可以继续看:
class A( object ):
foo = 1.3 ;
a = A();
print a.foo;
a.foo = 15 ;
print a.foo;
del a.foo;
print a.foo;
|
这次在输出1.3,15后最后一次又一次的输出了1.3,原因在于a.foo最后一次又按照优先级顺序直接找到了类属性A.foo
然后我们来看下数据描述符这一全新的语言概念。按照之前的定义,一个实现了__get__,__set__,__del__的类都统称为数据描述符。我们来看下一个简单的例子。
class simpleDescriptor( object ):
def __get__( self ,obj, type = None ) :
pass ;
def __set__( self ,obj,val):
pass ;
def __del__( self ,obj):
pass
class A( object ):
foo = simpleDescriptor();
print str (A.__dict__);
print A.foo;
a = A();
print a.foo;
a.foo = 13 ;
print a.foo;
|
这里get,set,del方法体内容都略过,虽然简单,但也不失为一个数据描述符。让我们来看下它的输出:
{ "__dict__" : <attribute "__dict__" of "A" objects >, "__module__" : "__main__" ,
"foo" : <__main__.simpleDescriptor object at 0x00C46930 >,
"__weakref__" : <attribute "__weakref__" of "A" objects >,
"__doc__" : None }
None None None |
从上图可以看出,尽管我们对a.foo赋值了,但其依然为None,原因就在于__get__方法什么都不返回。
为了更进一步的加深对数据描述符的理解,我们简单的作下改造。
class simpleDescriptor( object ):
def __init__( self ):
self .result = None ;
def __get__( self ,obj, type = None ) :
return self .result - 10 ;
def __set__( self ,obj,val):
self .result = val + 3 ;
print self .result;
def __del__( self ,obj):
pass
class A( object ):
foo = simpleDescriptor();
a = A();
a.foo = 13 ;
print a.foo;
|
打印的输出结果为:
16 6 |
第一个16为我们在对a.foo赋值的时候,人为的将13加上3后作为foo的值,第二个6是我们在返回a.foo之前人为的将它减去了10。
所以我们可以猜测,常规的Python类在定义get,set方法的时候,如果无特殊需求,直接给对应的属性赋值或直接返回该属性值。如果自己定义类,并且继承object类的话,这几个方法都不用定义。
下面我们来看下实例属性和非数据描述符。
class B( object ):
foo = 1.3 ;
b = B();
print b.__dict__
#print b.bar; b.bar = 13 ;
print b.__dict__
print b.bar;
|
可见这里在实例b.__dict__里找到了bar属性,所以这次可以获取13了。
那么什么是非数据描述符呢?简单的说,就是没有实现get,set,del三个方法的所有类
让我们任意看一个函数的描述:
def hello():
pass
print dir (hello)
|
输出:
[ "__call__" , "__class__" , "__delattr__" , "__dict__" ,
"__doc__" ,
"__get__" ,
"__getattribute__" ,
"__hash__" , "__init__" , "__module__" , "__name__" ,
"__new__" , "__reduce__" ,
"__reduce_ex__" , "__repr__" ,
"__setattr__" , "__str__" , "func_closure" ,
"func_code" ,
"func_defaults" , "func_dict" , "func_doc" , "func_globals" , "func_name" ]
|
从上面可以看出所有的函数都有get方法,但都没有set和del方法,所以所有的类成员函数都是非数据描述符。
看一个简单的例子:
class simpleDescriptor( object ):
def __get__( self ,obj, type = None ) :
return "get" , self ,obj, type ;
class D( object ):
foo = simpleDescriptor();
d = D();
print d.foo;
d.foo = 15 ;
print d.foo;
|
输出:
( "get" , <__main__.simpleDescriptor object at 0x00C46870 >,
<__main__.D object at 0x00C46890 >, < class "__main__.D" >)
15 |
可以看出实例属性掩盖了非数据描述符。
最后看下__getatrr__方法。它的标准定义是:__getattr__(self,attr),其中attr是属性名
让我们来看一个简单的例子:
class D( object ):
def __getattr__( self ,attr):
return attr;
#return self.attr;
d = D();
print d.foo, type (d.foo);
d.foo = 15 ;
print d.foo;
|
输出:
foo < type "str" >
15 |
可以看的出来Python在实在找不到方法的时候,就会求助于__getattr__方法。这有点像javascript中FF的私有实现__noSuchMethod__,或ruby中的method_missing.
注意这里要避免无意识的递归,稍微改动下:
class D( object ):
def __getattr__( self ,attr):
#return attr;
return self .attr;
d = D();
print d.foo, type (d.foo);
d.foo = 15 ;
print d.foo;
|
这次会直接抛出堆栈溢出的异常,就像下面这样:
RuntimeError: maximum recursion depth exceeded |