Python学习笔记 for windows 三

多重继承

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。

• 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。

class Animal(object):     pass
class Bird(Animal):     pass 
class Dog(Mammal):     pass
class Runnable(object):     def run(self):         print('Running...')

class Dog(Mammal, Runnable):     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。

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允许使用多重继承，因此，Mixin就是一种常见的设计。

只允许单一继承的语言（如Java）不能使用Mixin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。

__slots__我们已经知道怎么用了，__len__()方法我们也知道是为了能让class作用于len()函数。

除此之外，Python的class中还有许多这样有特殊用途的函数，可以帮助我们定制类。

__str__

我们先定义一个Student类，打印一个实例：

>>> class Student(object): ...     def __init__(self, name): ...         self.name = name ... >>> print Student('Michael') <__main__.Student object at 0x109afb190> 

打印出一堆<__main__.Student object at 0x109afb190>，不好看。

怎么才能打印得好看呢？只需要定义好__str__()方法，返回一个好看的字符串就可以了：

>>> class Student(object): ...     def __init__(self, name): ...         self.name = name ...     def __str__(self): ...         return 'Student object (name: %s)' % self.name ... >>> print Student('Michael') Student 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的数据。

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循环，类似list或tuple那样，就必须实现一个__iter__()方法，该方法返回一个迭代对象，然后，Python的for循环就会不断调用该迭代对象的next()方法拿到循环的下一个值，直到遇到StopIteration错误时退出循环。

我们以斐波那契数列为例，写一个Fib类，可以作用于for循环：

class Fib(object):     def __init__(self):         self.a, self.b = 0, 1 # 初始化两个计数器a，b      def __iter__(self):         return self # 实例本身就是迭代对象，故返回自己      def next(self):         self.a, self.b = self.b, self.a + self.b # 计算下一个值         if self.a > 100000: # 退出循环的条件             raise StopIteration();         return self.a # 返回下一个值 

现在，试试把Fib实例作用于for循环：

>>> for n in Fib(): ...     print n ... 1 1 2 3 5 ... 46368 75025 

__getitem__

Fib实例虽然能作用于for循环，看起来和list有点像，但是，把它当成list来使用还是不行，比如，取第5个元素：

>>> Fib()[5] Traceback (most recent call last):   File "<stdin>", line 1, in <module> TypeError: 'Fib' object does not support indexing 

要表现得像list那样按照下标取出元素，需要实现__getitem__()方法：

class Fib(object):     def __getitem__(self, n):         a, b = 1, 1         for x in range(n):             a, b = b, a + b         return a 

现在，就可以按下标访问数列的任意一项了：

>>> f = Fib() >>> f[0] 1 >>> f[1] 1 >>> f[2] 2 >>> f[3] 3 >>> f[10] 89 >>> f[100] 573147844013817084101 

但是list有个神奇的切片方法：

>>> range(100)[5:10] [5, 6, 7, 8, 9] 

对于Fib却报错。原因是__getitem__()传入的参数可能是一个int，也可能是一个切片对象slice，所以要做判断：

class Fib(object):     def __getitem__(self, n):         if isinstance(n, int):             a, b = 1, 1             for x in range(n):                 a, b = b, a + b             return a         if isinstance(n, slice):             start = n.start             stop = n.stop             a, b = 1, 1             L = []             for x in range(stop):                 if x >= start:                     L.append(a)                 a, b = b, a + b             return L 

现在试试Fib的切片：

>>> f = Fib() >>> f[0:5] [1, 1, 2, 3, 5] >>> f[:10] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] 

但是没有对step参数作处理：

>>> f[:10:2] [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] 

也没有对负数作处理，所以，要正确实现一个__getitem__()还是有很多工作要做的。

此外，如果把对象看成dict，__getitem__()的参数也可能是一个可以作key的object，例如str。

与之对应的是__setitem__()方法，把对象视作list或dict来对集合赋值。最后，还有一个__delitem__()方法，用于删除某个元素。

总之，通过上面的方法，我们自己定义的类表现得和Python自带的list、tuple、dict没什么区别，这完全归功于动态语言的“鸭子类型”，不需要强制继承某个接口。

__getattr__

正常情况下，当我们调用类的方法或属性时，如果不存在，就会报错。比如定义Student类：

class Student(object):      def __init__(self):         self.name = 'Michael' 

调用name属性，没问题，但是，调用不存在的score属性，就有问题了：

>>> s = Student() >>> print s.name Michael >>> print s.score Traceback (most recent call last):   ... AttributeError: 'Student' object has no attribute 'score' 

错误信息很清楚地告诉我们，没有找到score这个attribute。

要避免这个错误，除了可以加上一个score属性外，Python还有另一个机制，那就是写一个__getattr__()方法，动态返回一个属性。修改如下：

class Student(object):      def __init__(self):         self.name = 'Michael'      def __getattr__(self, attr):         if attr=='score':             return 99 

当调用不存在的属性时，比如score，Python解释器会试图调用__getattr__(self, 'score')来尝试获得属性，这样，我们就有机会返回score的值：

>>> s = Student() >>> s.name 'Michael' >>> s.score 99 

返回函数也是完全可以的：

class Student(object):      def __getattr__(self, attr):         if attr=='age':             return lambda: 25 

只是调用方式要变为：

>>> s.age() 25 

注意，只有在没有找到属性的情况下，才调用__getattr__，已有的属性，比如name，不会在__getattr__中查找。

此外，注意到任意调用如s.abc都会返回None，这是因为我们定义的__getattr__默认返回就是None。要让class只响应特定的几个属性，我们就要按照约定，抛出AttributeError的错误：

class Student(object):      def __getattr__(self, attr):         if attr=='age':             return lambda: 25         raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr) 

这实际上可以把一个类的所有属性和方法调用全部动态化处理了，不需要任何特殊手段。

这种完全动态调用的特性有什么实际作用呢？作用就是，可以针对完全动态的情况作调用。

举个例子：

现在很多网站都搞REST API，比如新浪微博、豆瓣啥的，调用API的URL类似：

http://api.server/user/friends 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，SDK也要改。

利用完全动态的__getattr__，我们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 

试试：

>>> 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！

还有些REST API会把参数放到URL中，比如GitHub的API：

GET /users/:user/repos 

调用时，需要把:user替换为实际用户名。如果我们能写出这样的链式调用：

Chain().users('michael').repos 

就可以非常方便地调用API了。有兴趣的童鞋可以试试写出来。

__call__

一个对象实例可以有自己的属性和方法，当我们调用实例方法时，我们用instance.method()来调用。能不能直接在实例本身上调用呢？类似instance()？在Python中，答案是肯定的。

任何类，只需要定义一个__call__()方法，就可以直接对实例进行调用。请看示例：

class Student(object):     def __init__(self, name):         self.name = name      def __call__(self):         print('My name is %s.' % self.name) 

调用方式如下：

>>> s = Student('Michael') >>> s() My name is Michael. 

__call__()还可以定义参数。对实例进行直接调用就好比对一个函数进行调用一样，所以你完全可以把对象看成函数，把函数看成对象，因为这两者之间本来就没啥根本的区别。

如果你把对象看成函数，那么函数本身其实也可以在运行期动态创建出来，因为类的实例都是运行期创建出来的，这么一来，我们就模糊了对象和函数的界限。

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，比如函数和我们上面定义的带有__call()__的类实例：

>>> callable(Student()) True >>> callable(max) True >>> callable([1, 2, 3]) False >>> callable(None) False >>> callable('string') False 

通过callable()函数，我们就可以判断一个对象是否是“可调用”对象。

小结

Python的class允许定义许多定制方法，可以让我们非常方便地生成特定的类。

本节介绍的是最常用的几个定制方法，还有很多可定制的方法，请参考Python的官方文档。