专业编程基础技术教程

网站首页 > 基础教程 正文

3个可以使你的 Python 代码更优雅、可读、直观和易于维护的工具

ccvgpt 2024-08-05 12:13:23 基础教程 14 ℃

魔术方法

魔术方法可以看作是 Python 的管道。它们被称为“底层”方法，用于某些内置的方法、符号和操作。你可能熟悉的常见魔术方法是 __init__() ，当我们想要初始化一个类的新实例时，它会被调用。

3个可以使你的 Python 代码更优雅、可读、直观和易于维护的工具

你可能已经看过其他常见的魔术方法，如 __str__ 和 __repr__ 。Python 中有一整套魔术方法，通过实现其中的一些方法，我们可以修改一个对象的行为，甚至使其行为类似于内置数据类型，例如数字、列表或字典。

记得关注小编后私信【学习】即可免费领取Python学习大礼包哦。

让我们创建一个 Money 类来示例：

class Money:
 currency_rates = {
 '$': 1,
 '€': 0.88,
 }
 def __init__(self, symbol, amount):
 self.symbol = symbol
 self.amount = amount
 def __repr__(self):
 return '%s%.2f' % (self.symbol, self.amount)
 def convert(self, other):
 """ Convert other amount to our currency """
 new_amount = (
 other.amount / self.currency_rates[other.symbol]
 * self.currency_rates[self.symbol])
 return Money(self.symbol, new_amount)

该类定义为给定的货币符号和汇率定义了一个货币汇率，指定了一个初始化器（也称为构造函数），并实现 __repr__ ，因此当我们打印这个类时，我们会看到一个友好的表示，例如 $2.00，这是一个带有货币符号和金额的 Money('

, 2.00) 实例。最重要的是，它定义了一种方法，允许你使用不同的汇率在不同的货币之间进行转换。

打开 Python shell，假设我们已经定义了使用两种不同货币的食品的成本，如下所示：

>>> soda_cost = Money('
, 5.25) >>> soda_cost $5.25 >>> pizza_cost = Money('€', 7.99) >>> pizza_cost €7.99

我们可以使用魔术方法使得这个类的实例之间可以相互交互。假设我们希望能够将这个类的两个实例一起加在一起，即使它们是不同的货币。为了实现这一点，我们可以在 Money 类上实现__add__ 这个魔术方法：

class Money:
 # ... previously defined methods ...
 def __add__(self, other):
 """ Add 2 Money instances using '+' """
 new_amount = self.amount + self.convert(other).amount
 return Money(self.symbol, new_amount)

现在我们可以以非常直观的方式使用这个类：

>>> soda_cost = Money('
, 5.25) >>> pizza_cost = Money('€', 7.99) >>> soda_cost + pizza_cost $14.33 >>> pizza_cost + soda_cost €12.61

当我们将两个实例加在一起时，我们得到以第一个定义的货币符号所表示的结果。所有的转换都是在底层无缝完成的。如果我们想的话，我们也可以为减法实现 __sub__ ，为乘法实现 __mul__ 等等。阅读 模拟数字类型 或 魔术方法指南 来获得更多信息。

我们学习到 __add__ 映射到内置运算符 + 。其他魔术方法可以映射到像 [] 这样的符号。例如，在字典中通过索引或键来获得一项，其实是使用了 __getitem__ 方法：

>>> d = {'one': 1, 'two': 2}
>>> d['two']
2
>>> d.__getitem__('two')
2

一些魔术方法甚至映射到内置函数，例如 __len__() 映射到 len() 。

class Alphabet:
 letters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
 def __len__(self):
 return len(self.letters)
>>> my_alphabet = Alphabet()
>>> len(my_alphabet)
 26

自定义迭代器

对于新的和经验丰富的 Python 开发者来说，自定义迭代器是一个非常强大的但令人迷惑的主题。

许多内置类型，例如列表、集合和字典，已经实现了允许它们在底层迭代的协议。这使我们可以轻松地遍历它们。

>>> for food in ['Pizza', 'Fries']:
 print(food + '. Yum!')
Pizza. Yum!
Fries. Yum!

我们如何迭代我们自己的自定义类？首先，让我们来澄清一些术语。

呼！这听起来很复杂，但是一旦你记住了这些基本概念，你就可以在任何时候进行迭代。

我们什么时候想使用自定义迭代器？让我们想象一个场景，我们有一个 Server 实例在不同的端口上运行不同的服务，如 http 和 ssh 。其中一些服务处于 active 状态，而其他服务则处于inactive 状态。

class Server:
 services = [
 {'active': False, 'protocol': 'ftp', 'port': 21},
 {'active': True, 'protocol': 'ssh', 'port': 22},
 {'active': True, 'protocol': 'http', 'port': 80},
 ]

当我们遍历 Server 实例时，我们只想遍历那些处于 active 的服务。让我们创建一个 IterableServer 类：

class IterableServer:
 def __init__(self):
 self.current_pos = 0
 def __next__(self):
 pass # TODO: 实现并记得抛出 StopIteration

首先，我们将当前位置初始化为 0 。然后，我们定义一个 __next__() 方法来返回下一项。我们还将确保在没有更多项返回时抛出 StopIteration 。到目前为止都很好！现在，让我们实现这个 __next__() 方法。

class IterableServer:
 def __init__(self):
 self.current_pos = 0. # 我们初始化当前位置为 0
 def __iter__(self): # 我们可以在这里返回 self，因为实现了 __next__
 return self
 def __next__(self):
 while self.current_pos < len(self.services):
 service = self.services[self.current_pos]
 self.current_pos += 1
 if service['active']:
 return service['protocol'], service['port']
 raise StopIteration
 next = __next__ # 可选的 Python2 兼容性

我们对列表中的服务进行遍历，而当前的位置小于服务的个数，但只有在服务处于活动状态时才返回。一旦我们遍历完服务，就会抛出一个 StopIteration 异常。

因为我们实现了 __next__() 方法，当它耗尽时，它会抛出 StopIteration 。我们可以从 __iter__() 返回 self ，因为 IterableServer 类遵循 iterable 协议。

现在我们可以遍历一个 IterableServer 实例，这将允许我们查看每个处于活动的服务，如下所示：

>>> for protocol, port in IterableServer():
 print('service %s is running on port %d' % (protocol, port))
service ssh is running on port 22
service http is running on port 21

太棒了，但我们可以做得更好！在这样类似的实例中，我们的迭代器不需要维护大量的状态，我们可以简化代码并使用 generator（生成器） 来代替。

class Server:
 services = [
 {'active': False, 'protocol': 'ftp', 'port': 21},
 {'active': True, 'protocol': 'ssh', 'port': 22},
 {'active': True, 'protocol': 'http', 'port': 21},
 ]
 def __iter__(self):
 for service in self.services:
 if service['active']:
 yield service['protocol'], service['port']

yield 关键字到底是什么？在定义生成器函数时使用 yield。这有点像 return ，虽然 return在返回值后退出函数，但 yield 会暂停执行直到下次调用它。这允许你的生成器的功能在它恢复之前保持状态。查看 yield 的文档 以了解更多信息。使用生成器，我们不必通过记住我们的位置来手动维护状态。生成器只知道两件事：它现在需要做什么以及计算下一个项目需要做什么。一旦我们到达执行点，即 yield 不再被调用，我们就知道停止迭代。

这是因为一些内置的 Python 魔法。在 Python 关于 __iter__() 的文档 中我们可以看到，如果__iter__() 是作为一个生成器实现的，它将自动返回一个迭代器对象，该对象提供 __iter__()和 __next__() 方法。阅读这篇很棒的文章，深入了解 迭代器，可迭代对象和生成器 。

方法魔法

由于其独特的方面，Python 提供了一些有趣的方法魔法作为语言的一部分。

其中一个例子是别名功能。因为函数只是对象，所以我们可以将它们赋值给多个变量。例如：

>>> def foo():
 return 'foo'
>>> foo()
'foo'
>>> bar = foo
>>> bar()
'foo'

我们稍后会看到它的作用。

Python 提供了一个方便的内置函数 称为 getattr() ，它接受 object, name, default 参数并在 object 上返回属性 name 。这种编程方式允许我们访问实例变量和方法。例如：

>>> class Dog:
 sound = 'Bark'
 def speak(self):
 print(self.sound + '!', self.sound + '!')
>>> fido = Dog()
>>> fido.sound
'Bark'
>>> getattr(fido, 'sound')
'Bark'
>>> fido.speak
<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
>>> getattr(fido, 'speak')
<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
>>> fido.speak()
Bark! Bark!
>>> speak_method = getattr(fido, 'speak')
>>> speak_method()
Bark! Bark!

这是一个很酷的技巧，但是我们如何在实际中使用 getattr 呢？让我们看一个例子，我们编写一个小型命令行工具来动态处理命令。

class Operations:
 def say_hi(self, name):
 print('Hello,', name)
 def say_bye(self, name):
 print ('Goodbye,', name)
 def default(self, arg):
 print ('This operation is not supported.')
if __name__ == '__main__':
 operations = Operations()
 # 假设我们做了错误处理
 command, argument = input('> ').split()
 func_to_call = getattr(operations, command, operations.default)
 func_to_call(argument)

脚本的输出是：

$ python getattr.py
> say_hi Nina
Hello, Nina
> blah blah
This operation is not supported.

接下来，我们来看看 partial 。例如， functool.partial(func, *args, **kwargs) 允许你返回一个新的 partial 对象 ，它的行为类似 func ，参数是 args 和 kwargs 。如果传入更多的 args ，它们会被附加到 args 。如果传入更多的 kwargs ，它们会扩展并覆盖 kwargs 。让我们通过一个简短的例子来看看：

>>> from functools import partial
>>> basetwo = partial(int, base=2)
>>> basetwo
<functools.partial object at 0x1085a09f0>
>>> basetwo('10010')
18
# 这等同于
>>> int('10010', base=2)

让我们看看在我喜欢的一个 名为 agithub 的库中的一些示例代码中，这个方法魔术是如何结合在一起的，这是一个（名字起得很 low 的） REST API 客户端，它具有透明的语法，允许你以最小的配置快速构建任何 REST API 原型（不仅仅是 GitHub）。我发现这个项目很有趣，因为它非常强大，但只有大约 400 行 Python 代码。你可以在大约 30 行配置代码中添加对任何 REST API 的支持。 agithub 知道协议所需的一切（ REST 、 HTTP 、 TCP ），但它不考虑上游 API。让我们深入到它的实现中。

以下是我们如何为 GitHub API 和任何其他相关连接属性定义端点 URL 的简化版本。在这里查看 完整代码 。

class GitHub(API):
 def __init__(self, token=None, *args, **kwargs):
 props = ConnectionProperties(api_url = kwargs.pop('api_url', 'api.github.com'))
 self.setClient(Client(*args, **kwargs))
 self.setConnectionProperties(props)

然后，一旦配置了 访问令牌 ，就可以开始使用 GitHub API 。

>>> gh = GitHub('token')
>>> status, data = gh.user.repos.get(visibility='public', sort='created')
>>> # ^ 映射到 GET /user/repos
>>> data
... ['tweeter', 'snipey', '...']

请注意，你要确保 URL 拼写正确，因为我们没有验证 URL。如果 URL 不存在或出现了其他任何错误，将返回 API 抛出的错误。那么，这一切是如何运作的呢？让我们找出答案。首先，我们将查看一个 API 类 的简化示例：

class API:
 # ... other methods ...
 def __getattr__(self, key):
 return IncompleteRequest(self.client).__getattr__(key)
 __getitem__ = __getattr__

在 API 类上的每次调用都会调用 IncompleteRequest 类 作为指定的 key 。

class IncompleteRequest:
 # ... other methods ...
 def __getattr__(self, key):
 if key in self.client.http_methods:
 htmlMethod = getattr(self.client, key)
 return partial(htmlMethod, url=self.url)
 else:
 self.url += '/' + str(key)
 return self
 __getitem__ = __getattr__
class Client:
 http_methods = ('get') # 还有 post, put, patch 等等。
 def get(self, url, headers={}, **params):
 return self.request('GET', url, None, headers)

如果最后一次调用不是 HTTP 方法（如 get 、 post 等），则返回带有附加路径的 IncompleteRequest 。否则，它从 Client 类 获取 HTTP 方法对应的正确函数，并返回 partial 。

记得关注小编后私信【学习】即可免费领取Python学习大礼包哦。

如果我们给出一个不存在的路径会发生什么？

>>> status, data = this.path.doesnt.exist.get()
>>> status
... 404

因为 __getattr__ 别名为 __getitem__ ：

>>> owner, repo = 'nnja', 'tweeter'
>>> status, data = gh.repos[owner][repo].pulls.get()
>>> # ^ Maps to GET /repos/nnja/tweeter/pulls
>>> data
.... # {....}

这真心是一些方法魔术！

了解更多

Python 提供了大量工具，使你的代码更优雅，更易于阅读和理解。挑战在于找到合适的工具来完成工作，但我希望本文为你的工具箱添加了一些新工具。而且，如果你想更进一步，你可以在我的博客 nnja.io 上阅读有关装饰器、上下文管理器、上下文生成器和命名元组的内容。随着你成为一名更好的 Python 开发人员，我鼓励你到那里阅读一些设计良好的项目的源代码。 Requests和 Flask 是两个很好的起步的代码库。

Tags：

猜你喜欢

最近发表
标签列表