让Python更优雅更易读（第二集）

友情链接

1.装饰器

1.1装饰器特别适合用来实现以下功能

运行时校验：在执行阶段进行特定校验，当校验通不过时终止执行。适合原因：装饰器可以方便地在函数执行前介入，并且可以读取所有参数辅助校验。
注入额外参数：在函数被调用时自动注入额外的调用参数。适合原因：装饰器的位置在函数头部，非常靠近参数被定义的位置，关联性强。
缓存执行结果：通过调用参数等输入信息，直接缓存函数执行结果。
注册函数：将被装饰函数注册为某个外部流程的一部分。适合原因：在定义函数时可以直接完成注册，关联性强。
替换为复杂对象：将原函数（方法）替换为更复杂的对象，比如类实例或特殊的描述符对象

1.2装饰器简单实现

import time

def cal_time(func):

    def wrapper(*args,**kwargs):

        t1=time.time()

        result=func(*args,**kwargs)

        t2=time.time()

        print(f"{func.__name__} running time: {t2-t1} secs.")

        return result

    return wrapper

cal_time装饰器接收待装饰函数func作为唯一的位置参数，并在函数内定义了一个新函数：wrapper。

@cal_time

def second2():

    time.sleep(2)

second2()#second2 running time: 2.0001144409179688 secs.

一个无参数装饰器，实现起来较为简单。假如你想实现一个接收参数的装饰器，代码会更复杂一些。

import time

def cal_time(print_args=False):

    def decorator(func):

        def wrapper(*args,**kwargs):

            t1=time.time()

            result=func(*args,**kwargs)

            t2=time.time()

            if print_args:

                print(f'args: {args},kwargs:{kwargs}')

            print(f"{func.__name__} running time: {t2-t1} secs.")

            return result

        return wrapper

    return decorator

@cal_time(print_args=True)

def second2():

    time.sleep(2)

second2()

#args: (),kwargs:{}

#second2 running time: 2.0001144409179688 secs.

#先进行一次调用，传入装饰器参数，获得第一层内嵌函数

#进行第二次调用，获取第二层内嵌函数wrapper

_decorator = cal_time(print_args=True)

sleepTime = _decorator(second2)

1.3使用functools.wraps()修饰包装函数

def calls_counter(func):

    """装饰器：记录函数被调用多少次"""

    counter = 0

    def decorated(*args, **kwargs):

        nonlocal counter

        counter +=1

        return func(*args,**kwargs)

    def print_counter():

        print(f'counter:{counter}')

    #给函数增加额外函数，打印统计函数被调用的次数

    decorated.print_counter = print_counter

    return decorated

@cal_time()

@calls_counter

def second2():

    time.sleep(2)

这是一个记录函数被调用多少次的装饰器

我们发现当我们同时使用上述两个装饰器的时候报错了

Traceback (most recent call last):

  File "F:/pythonProject1/AutomaticTesting/single.py", line 33, in <module>

    second2.print_counter()

AttributeError: 'function' object has no attribute 'print_counter'

首先，由calls_counter对函数进行包装，此时的second2变成了新的包装函数，包含print_counter属性

使用cal_time包装后，second2变成了cal_time提供的包装函数，原包装函数额外的print_counter属性被自然地丢掉了

要解决上述问题只要引入装饰器wraps就可以了

import time

from functools import wraps

def cal_time(print_args=False):

    def decorator(func):

        @wraps(func)

        def wrapper(*args,**kwargs):

            ...

def calls_counter(func):

    """装饰器：记录函数被调用多少次"""

    counter = 0

    @wraps(func)

    def decorated(*args, **kwargs):

        ...

@cal_time()

@calls_counter

def second2():

    time.sleep(2)

#

second2()

second2.print_counter()

#second2 running time: 2.0001144409179688 secs.

#counter:1

1.4可选参数的装饰器

以上数的cal_time为例

有了参数以后我们不仅在装饰器使用时候@必须带上（）

def cal_time(func=None,*,print_args=False):

    def decorator(_func):

        @wraps(_func)

        def wrapper(*args,**kwargs):

            t1=time.time()

            result=func(*args,**kwargs)

            t2=time.time()

            if print_args:

                print(f'args: {args},kwargs:{kwargs}')

            print(f"{_func.__name__} running time: {t2-t1} secs.")

            return result

        return wrapper

    if func is None:

        return decorator

    else:

        return decorator(func)

@cal_time
@calls_counter
def second2():
    time.sleep(2)

这时候调用就不需要（）了

1.5用类来实现装饰器（函数替换）

能否用装饰器形式使用只有一个判断标准，就是是否是可调用的对象

如果一个类实现了__call__魔法方法，那么他的实例就是可调用对象

现在我们把计时装饰器改写

import time

from functools import wraps

class cal_time:

    """装饰器：记录函数用时"""

    def __init__(self,print_arg=False):

        self.print_arg = print_arg

    def __call__(self, func):

        @wraps(func)

        def wrapper(*args,**kwargs):

            t1=time.time()

            result=func(*args,**kwargs)

            t2=time.time()

            if self.print_arg:

                print(f'args: {args},kwargs:{kwargs}')

            print(f"{func.__name__} running time: {t2-t1} secs.")

            return result

        return wrapper

2数据模型与描述符

数据模型有关的方法，基本都以双下划线开头和结尾，它们通常被称为魔法方法

例如：我们打印对象的时候输出的是<类名+内存地址>

class Person:

    def __init__(self, name):

        self.name = name

print(Person("yetangjian"))#<__main__.Person object at 0x000001BA41805FD0>

__str__就是Python数据模型里最基础的一部分。当对象需要当作字符串使用时，我们可以用__str__方法来定义对象的字符串化结果

注：除了print()以外，str()与.format()函数同样也会触发__str__方法

class Person:

    ...

    def __str__(self):

        return self.name

print(Person("yetangjian")) #yetangjian

print(f'l am {Person("yetangjian")}') #l am yetangjian

常见魔法方法

01. repr

在如下的例子中，使用了一个{name!r}这样的语法

变量名后的!r表示优先使用repr方法，再使用str方法。针对字符串类型会自动给变量加上引号，省去了手动添加的麻烦。

name='yetangjian'

age = 18

print(f"{name!r},{age!r}")#'yetangjian',18

同样我们实现的方法与str方法类似，我们依旧使用上述的例子

class Person:

    ...

    def __repr__(self):

        return f"{self.name!r},{self.age!r}"

p=Person("yetangjian",80)

print(repr(p))#'yetangjian',80

02.format

定义对象在字符串格式化时的行为

class Person:

    ...

    def __format__(self, format_spec):

        if format_spec == "all":

            return f"{self.name!r},{self.age!r}"

        else:

            return f"{self.name!r}"

p=Person("yetangjian",80)

print(f"all:{p:all}") #all:'yetangjian',80

print("only name:{p:simple}".format(p=p)) #only name:'yetangjian'

模板语法不仅适用于format，同样适用于f-string

03比较运算符重载

class Num:

    def __init__(self,number):

        self.n = number

    #等于

    def __eq__(self, other):

        if isinstance(other,self.__class__):

            return other.n == self.n

        return False

    #不等于

    def __ne__(self, other):

        return not (self == other)

    def __lt__(self, other):

        if isinstance(other,self.__class__):

            return self.n < other.n

        #不支持某种运算，可以返回NotImplemented

        return NotImplemented

    #小于等于

    def __le__(self, other):

        return self.__lt__(other) or self.__eq__(other)

num1 = Num(5)

num2 = Num(10)

print(num1 <= num2) #True

但是我们会发现重载这些运算符号代码量实在太大，而且较为重复。下面推荐一个工具，简化这个工作量

@total_ordering

使用functools下的这个装饰器，我们只需要实现__eq__方法，__lt__、__le__、__gt__、__ge__四个方法里随意挑一个实现即可，@total_ordering会帮你自动补全剩下的所有方法

from functools import total_ordering

@total_ordering

class Num:

    def __init__(self,number):

        self.n = number

    #等于

    def __eq__(self, other):

        if isinstance(other,self.__class__):

            return other.n == self.n

        return False

    def __lt__(self, other):

        if isinstance(other,self.__class__):

            return self.n < other.n

        #不支持某种运算，可以返回NotImplemented

        return NotImplemented

num1 = Num(5)

num2 = Num(10)

print(num1 <= num2) #True

描述符

使用property做校验

class Count:

    def __init__(self,c):

        self.__math = c

    @property

    def math(self):

        return self.__math

    @math.setter

    def math(self,v):

        if v > 50:

            raise ValueError("数字大于100")

        self.__math = v

c = Count(5)

c.math = 40

print(c.math) #40

描述符（descriptor）是Python对象模型里的一种特殊协议，它主要和4个魔法方法有关： __get__、__set__、__delete__和__set_name__

任何一个实现了__get__、__set__或__delete__的类，都可以称为描述符类，它的实例则叫作描述符对象

get

class Info:

    def __get__(self, instance, owner=None):

        """

        __get__方法存在两个参数

        instance:当通过实例来访问描述符属性，该参数为实例对象；

                 如果通过类访问，则为None

        owner:描述符对象所绑定的类

        """

        print(f'__get__,{instance},{owner}')

        if not instance:

            return self

class Foo:

    #要使用一个描述符，最常见的方式是把它的实例对象设置为其他类（常被称为owner类）的属性

    bar = Info()

print(Foo.bar)

print(Foo().bar)

"""

通过类来访问，所以instance为None，返回描述符本身

__get__,None,<class '__main__.Foo'>

<__main__.Info object at 0x0000000001D644F0>

通过实例来访问

__get__,<__main__.Foo object at 0x00000000026149D0>,<class '__main__.Foo'>

None

"""

set

class Info:

    ......

    def __set__(self, instance, value):

        """

        __set__方法存在两个参数

        instance:属性当前绑定的实例对象

        value:待设置的属性值

        """

        print(f'__set__,{instance},{value}')

Foo().bar = 10#__set__,<__main__.Foo object at 0x0000000001DE49D0>,10

描述符的__set__仅对实例起作用，对类不起作用。这和__get__方法不一样

使用描述符实现校验

class IntegerField:

    """整型字段，只允许一定范围内的整型值

    :param min_value: 允许的最小值

    :param max_value: 允许的最大值

    """

    def __init__(self, min_value, max_value):

        self.min_value = min_value

        self.max_value = max_value

    def __get__(self, instance,owner=None):

        # 当不是通过实例访问时，直接返回描述符对象

        if not instance:

            return self

            # 返回保存在实例字典里的值

        return instance.__dict__['_integer_field']

    def __set__(self, instance, value):

        # 校验后将值保存在实例字典里

        value = self._validate_value(value)

        instance.__dict__['_integer_field'] = value

    def _validate_value(self, value):

        """校验值是否为符合要求的整数"""

        try:

            value = int(value)

        except (TypeError, ValueError):

            raise ValueError('value is not a valid integer!')

        if not (self.min_value <= value <= self.max_value):

            raise ValueError(f'value must between {self.min_value} and {self.max_value}!')

        return value

因为每个描述符对象都是owner类的属性，而不是类实例的属性，所以我们用的都是instance.dict而不是用self.dict。如果把值都存入self中就会存在互相覆盖，值冲突的情况

class Person:

    age = IntegerField(min_value=10,max_value=100)

    def __init__(self,age):

        self.age = age

p = Person(110)

"""

raise ValueError(f'value must between {self.min_value} and {self.max_value}!')

ValueError: value must between 10 and 100!

"""