魔法方法
Python入门——Task03
- 魔法方法
-
- 基本的魔法方法
- 算术运算符
- 反算术运算符
- 增量赋值运算符
- 一元运算符
- 属性访问
- 描述符
- 迭代器
- 生成器
魔法方法总是被双下划线包围，例如__init__。
魔法方法是面向对象的 Python 的一切，如果你不知道魔法方法，说明你还没能意识到面向对象的 Python 的强大。
魔法方法的“魔力”体现在它们总能够在适当的时候被自动调用。
魔法方法的第一个参数应为cls（类方法） 或者self（实例方法）。
- cls：代表一个类的名称
- self：代表一个实例对象的名称
- init(self[, …]) 构造器，当一个实例被创建的时候调用的初始化方法
class Rectangle:
def __init__(self, x, y):
self.x = x
self.y = ydef getPeri(self):
return (self.x + self.y) * 2def getArea(self):
return self.x * self.yrect = Rectangle(4, 5)
print(rect.getPeri())# 18
print(rect.getArea())# 20
文章图片
【例子】
class A(object):
def __init__(self, value):
print("into A __init__")
self.value = https://www.it610.com/article/valuedef __new__(cls, *args, **kwargs):
print("into A __new__")
print(cls)
return object.__new__(cls)class B(A):
def __init__(self, value):
print("into B __init__")
self.value = https://www.it610.com/article/valuedef __new__(cls, *args, **kwargs):
print("into B __new__")
print(cls)
return super().__new__(cls, *args, **kwargs)b = B(10)# 结果：
# into B __new__
#
# into A __new__
#
# into B __init__
class A(object):
def __init__(self, value):
print("into A __init__")
self.value = https://www.it610.com/article/valuedef __new__(cls, *args, **kwargs):
print("into A __new__")
print(cls)
return object.__new__(cls)class B(A):
def __init__(self, value):
print("into B __init__")
self.value = https://www.it610.com/article/valuedef __new__(cls, *args, **kwargs):
print("into B __new__")
print(cls)
return super().__new__(A, *args, **kwargs)# 改动了cls变为Ab = B(10)# 结果：
# into B __new__
#
# into A __new__
#
- 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，将没有__init__被调用。
class Earth:
passa = Earth()
print(id(a))# 260728291456
b = Earth()
print(id(b))# 260728291624class Earth:
__instance = None# 定义一个类属性做判断def __new__(cls):
if cls.__instance is None:
cls.__instance = object.__new__(cls)
return cls.__instance
else:
return cls.__instancea = Earth()
print(id(a))# 512320401648
b = Earth()
print(id(b))# 512320401648
- __new__方法主要是当你继承一些不可变的 class 时（比如int, str, tuple）， 提供给你一个自定义这些类的实例化过程的途径。
class CapStr(str):
def __new__(cls, string):
string = string.upper()
return str.__new__(cls, string)a = CapStr("i love lsgogroup")
print(a)# I LOVE LSGOGROUP
文章图片
【例子】
class C(object):
def __init__(self):
print('into C __init__')def __del__(self):
print('into C __del__')c1 = C()
# into C __init__
c2 = c1
c3 = c2
del c3
del c2
del c1
# into C __del__
文章图片
【例子】
class Cat:
"""定义一个猫类"""def __init__(self, new_name, new_age):
"""在创建完对象之后 会自动调用, 它完成对象的初始化的功能"""
self.name = new_name
self.age = new_agedef __str__(self):
"""返回一个对象的描述信息"""
return "名字是:%s , 年龄是:%d" % (self.name, self.age)def __repr__(self):
"""返回一个对象的描述信息"""
return "Cat:(%s,%d)" % (self.name, self.age)def eat(self):
print("%s在吃鱼...." % self.name)def drink(self):
print("%s在喝可乐..." % self.name)def introduce(self):
print("名字是:%s, 年龄是:%d" % (self.name, self.age))# 创建了一个对象
tom = Cat("汤姆", 30)
print(tom)# 名字是:汤姆 , 年龄是:30
print(str(tom)) # 名字是:汤姆 , 年龄是:30
print(repr(tom))# Cat:(汤姆,30)
tom.eat()# 汤姆在吃鱼....
tom.introduce()# 名字是:汤姆, 年龄是:30
- str(self) 的返回结果可读性强。也就是说，str 的意义是得到便于人们阅读的信息，就像下面的 ‘2019-10-11’ 一样。
- repr(self) 的返回结果应更准确。怎么说，repr 存在的目的在于调试，便于开发者使用。
import datetimetoday = datetime.date.today()
print(str(today))# 2019-10-11
print(repr(today))# datetime.date(2019, 10, 11)
print('%s' %today)# 2019-10-11
print('%r' %today)# datetime.date(2019, 10, 11)
算术运算符 类型工厂函数，指的是“不通过类而是通过函数来创建对象”。
【例子】
class C:
passprint(type(len))#
print(type(dir))#
print(type(int))#
print(type(list))#
print(type(tuple))#
print(type(C))#
print(int('123'))# 123# 这个例子中list工厂函数把一个元祖对象加工成了一个列表对象。
print(list((1, 2, 3)))# [1, 2, 3]
- add(self, other)定义加法的行为：+
- sub(self, other)定义减法的行为：-
class MyClass:def __init__(self, height, weight):
self.height = height
self.weight = weight# 两个对象的长相加，宽不变.返回一个新的类
def __add__(self, others):
return MyClass(self.height + others.height, self.weight + others.weight)# 两个对象的宽相减，长不变.返回一个新的类
def __sub__(self, others):
return MyClass(self.height - others.height, self.weight - others.weight)# 说一下自己的参数
def intro(self):
print("高为", self.height, " 重为", self.weight)def main():
a = MyClass(height=10, weight=5)
a.intro()b = MyClass(height=20, weight=10)
b.intro()c = b - a
c.intro()d = a + b
d.intro()if __name__ == '__main__':
main()# 高为 10重为 5
# 高为 20重为 10
# 高为 10重为 5
# 高为 30重为 15
- mul(self, other)定义乘法的行为：*
- truediv(self, other)定义真除法的行为：/
- floordiv(self, other)定义整数除法的行为：//
- mod(self, other) 定义取模算法的行为：%
- divmod(self, other)定义当被 divmod() 调用时的行为
- divmod(a, b)把除数和余数运算结果结合起来，返回一个包含商和余数的元组(a // b, a % b)。
print(divmod(7, 2))# (3, 1)
print(divmod(8, 2))# (4, 0)
- pow(self, other[, module])定义当被 power() 调用或 ** 运算时的行为
- lshift(self, other)定义按位左移位的行为：<<
- rshift(self, other)定义按位右移位的行为：>>
- and(self, other)定义按位与操作的行为：&
- xor(self, other)定义按位异或操作的行为：^
- or(self, other)定义按位或操作的行为：|
- radd(self, other)定义加法的行为：+
- rsub(self, other)定义减法的行为：-
- rmul(self, other)定义乘法的行为：*
- rtruediv(self, other)定义真除法的行为：/
- rfloordiv(self, other)定义整数除法的行为：//
- rmod(self, other) 定义取模算法的行为：%
- rdivmod(self, other)定义当被 divmod() 调用时的行为
- rpow(self, other[, module])定义当被 power() 调用或 ** 运算时的行为
- rlshift(self, other)定义按位左移位的行为：<<
- rrshift(self, other)定义按位右移位的行为：>>
- rand(self, other)定义按位与操作的行为：&
- rxor(self, other)定义按位异或操作的行为：^
- ror(self, other)定义按位或操作的行为：|
这里加数是a，被加数是b，因此是a主动，反运算就是如果a对象的__add__()方法没有实现或者不支持相应的操作，那么 Python 就会调用b的__radd__()方法。
【例子】
class Nint(int):
def __radd__(self, other):
return int.__sub__(other, self) # 注意 self 在后面a = Nint(5)
b = Nint(3)
print(a + b)# 8
print(1 + b)# -2
增量赋值运算符
- iadd(self, other)定义赋值加法的行为：+=
- isub(self, other)定义赋值减法的行为：-=
- imul(self, other)定义赋值乘法的行为：*=
- itruediv(self, other)定义赋值真除法的行为：/=
- ifloordiv(self, other)定义赋值整数除法的行为：//=
- imod(self, other)定义赋值取模算法的行为：%=
- ipow(self, other[, modulo])定义赋值幂运算的行为：**=
- ilshift(self, other)定义赋值按位左移位的行为：<<=
- irshift(self, other)定义赋值按位右移位的行为：>>=
- iand(self, other)定义赋值按位与操作的行为：&=
- ixor(self, other)定义赋值按位异或操作的行为：^=
- ior(self, other)定义赋值按位或操作的行为：|=
- neg(self)定义正号的行为：+x
- pos(self)定义负号的行为：-x
- abs(self)定义当被abs()调用时的行为
- invert(self)定义按位求反的行为：~x
- getattr(self, name): 定义当用户试图获取一个不存在的属性时的行为。
- getattribute(self, name)：定义当该类的属性被访问时的行为（先调用该方法，查看是否存在该属性，若不存在，接着去调用__getattr__）
- setattr(self, name, value)：定义当一个属性被设置时的行为。
- delattr(self, name)：定义当一个属性被删除时的行为。
class C:
def __getattribute__(self, item):
print('__getattribute__')
return super().__getattribute__(item)def __getattr__(self, item):
print('__getattr__')def __setattr__(self, key, value):
print('__setattr__')
super().__setattr__(key, value)def __delattr__(self, item):
print('__delattr__')
super().__delattr__(item)c = C()
c.x
# __getattribute__
# __getattr__c.x = 1
# __setattr__del c.x
# __delattr__
描述符 描述符就是将某种特殊类型的类的实例指派给另一个类的属性。
- get(self, instance, owner)用于访问属性，它返回属性的值。
- set(self, instance, value)将在属性分配操作中调用，不返回任何内容。
- del(self, instance)控制删除操作，不返回任何内容。
class MyDecriptor:
def __get__(self, instance, owner):
print('__get__', self, instance, owner)def __set__(self, instance, value):
print('__set__', self, instance, value)def __delete__(self, instance):
print('__delete__', self, instance)class Test:
x = MyDecriptor()t = Test()
t.x
# __get__ <__main__.MyDecriptor object at 0x000000CEAAEB6B00> <__main__.Test object at 0x000000CEABDC0898> t.x = 'x-man'
# __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-mandel t.x
# __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>
定制序列
协议（Protocols）与其它编程语言中的接口很相似，它规定你哪些方法必须要定义。然而，在 Python 中的协议就显得不那么正式。事实上，在 Python 中，协议更像是一种指南。
容器类型的协议
- 如果说你希望定制的容器是不可变的话，你只需要定义__len__()和__getitem__()方法。
- 如果你希望定制的容器是可变的话，除了__len__()和__getitem__()方法，你还需要定义__setitem__()和__delitem__()两个方法。
class CountList:
def __init__(self, *args):
self.values = [x for x in args]
self.count = {}.fromkeys(range(len(self.values)), 0)def __len__(self):
return len(self.values)def __getitem__(self, item):
self.count[item] += 1
return self.values[item]c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1])# 3
print(c2[2])# 6
print(c1[1] + c2[1])# 7print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}print(c2.count)
# {0: 0, 1: 1, 2: 1, 3: 0, 4: 0}
- len(self)定义当被len()调用时的行为（返回容器中元素的个数）。
- getitem(self, key)定义获取容器中元素的行为，相当于self[key]。
- setitem(self, key, value)定义设置容器中指定元素的行为，相当于self[key] = value。
- delitem(self, key)定义删除容器中指定元素的行为，相当于del self[key]。
class CountList:
def __init__(self, *args):
self.values = [x for x in args]
self.count = {}.fromkeys(range(len(self.values)), 0)def __len__(self):
return len(self.values)def __getitem__(self, item):
self.count[item] += 1
return self.values[item]def __setitem__(self, key, value):
self.values[key] = valuedef __delitem__(self, key):
del self.values[key]
for i in range(0, len(self.values)):
if i >= key:
self.count[i] = self.count[i + 1]
self.count.pop(len(self.values))c1 = CountList(1, 3, 5, 7, 9)
c2 = CountList(2, 4, 6, 8, 10)
print(c1[1])# 3
print(c2[2])# 6
c2[2] = 12
print(c1[1] + c2[2])# 15
print(c1.count)
# {0: 0, 1: 2, 2: 0, 3: 0, 4: 0}
print(c2.count)
# {0: 0, 1: 0, 2: 2, 3: 0, 4: 0}
del c1[1]
print(c1.count)
# {0: 0, 1: 0, 2: 0, 3: 0}
迭代器
- 迭代是 Python 最强大的功能之一，是访问集合元素的一种方式。
- 迭代器是一个可以记住遍历的位置的对象。
- 迭代器对象从集合的第一个元素开始访问，直到所有的元素被访问完结束。
- 迭代器只能往前不会后退。
- 字符串，列表或元组对象都可用于创建迭代器：
string = 'lsgogroup'
for c in string:
print(c)'''
l
s
g
o
g
r
o
u
p
'''for c in iter(string):
print(c)
【例子】
links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}
for each in links:
print('%s -> %s' % (each, links[each]))'''
B -> 百度
A -> 阿里
T -> 腾讯
'''for each in iter(links):
print('%s -> %s' % (each, links[each]))
- 迭代器有两个基本的方法：iter() 和 next()。
- iter(object) 函数用来生成迭代器。
- next(iterator[, default]) 返回迭代器的下一个项目。
- iterator – 可迭代对象
- default – 可选，用于设置在没有下一个元素时返回该默认值，如果不设置，又没有下一个元素则会触发 StopIteration 异常。
links = {'B': '百度', 'A': '阿里', 'T': '腾讯'}it = iter(links)
while True:
try:
each = next(it)
except StopIteration:
break
print(each)# B
# A
# Tit = iter(links)
print(next(it))# B
print(next(it))# A
print(next(it))# T
print(next(it))# StopIteration
把一个类作为一个迭代器使用需要在类中实现两个魔法方法 iter() 与 next() 。
- iter(self)定义当迭代容器中的元素的行为，返回一个特殊的迭代器对象， 这个迭代器对象实现了 next() 方法并通过 StopIteration 异常标识迭代的完成。
- next() 返回下一个迭代器对象。
- StopIteration 异常用于标识迭代的完成，防止出现无限循环的情况，在__next__() 方法中我们可以设置在完成指定循环次数后触发 StopIteration 异常来结束迭代。
class Fibs:
def __init__(self, n=10):
self.a = 0
self.b = 1
self.n = ndef __iter__(self):
return selfdef __next__(self):
self.a, self.b = self.b, self.a + self.b
if self.a > self.n:
raise StopIteration
return self.afibs = Fibs(100)
for each in fibs:
print(each, end=' ')# 1 1 2 3 5 8 13 21 34 55 89
生成器
- 在 Python 中，使用了 yield 的函数被称为生成器（generator）。
- 跟普通函数不同的是，生成器是一个返回迭代器的函数，只能用于迭代操作，更简单点理解生成器就是一个迭代器。
- 在调用生成器运行的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息，返回 yield 的值, 并在下一次执行 next() 方法时从当前位置继续运行。
- 调用一个生成器函数，返回的是一个迭代器对象。
def myGen():
print('生成器执行！')
yield 1
yield 2myG = myGen()
for each in myG:
print(each)'''
生成器执行！
1
2
'''myG = myGen()
print(next(myG))
# 生成器执行！
# 1print(next(myG))# 2
print(next(myG))# StopIteration
【例子】用生成器实现斐波那契数列。
def libs(n):
a = 0
b = 1
while True:
a, b = b, a + b
if a > n:
return
yield afor each in libs(100):
print(each, end=' ')# 1 1 2 3 5 8 13 21 34 55 89
