Python入门之魔法方法

魔法方法

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

基本的魔法方法

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 = y def getPeri(self): return (self.x + self.y) * 2 def getArea(self): return self.x * self.y rect = Rectangle(4, 5) print(rect.getPeri()) # 18 print(rect.getArea()) # 20 new(cls[, …]) 在一个对象实例化的时候所调用的第一个方法，在调用__init__初始化前，先调用__new__ __ new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由 Python 解释器自动提供，后面的参数直接传递给__init__。__ new__对当前类进行了实例化，并将实例返回，传给__init__的self。但是，执行了__new__，并不一定会进入__init__，只有__new__返回了，当前类cls的实例，当前类的__init__才会进入。 class A(object): def __init__(self, value): print("into A __init__") self.value = value def __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 = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(cls, *args, **kwargs) b = B(10) # 结果： # into B __new__ # <class '__main__.B'> # into A __new__ # <class '__main__.B'> # into B __init__ class A(object): def __init__(self, value): print("into A __init__") self.value = value def __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 = value def __new__(cls, *args, **kwargs): print("into B __new__") print(cls) return super().__new__(A, *args, **kwargs) # 改动了cls变为A b = B(10) # 结果： # into B __new__ # <class '__main__.B'> # into A __new__ # <class '__main__.A'> 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。

【例子】利用__new__实现单例模式。

class Earth: pass a = Earth() print(id(a)) # 260728291456 b = Earth() print(id(b)) # 260728291624 class 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.__instance a = 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 del(self) 析构器，当一个对象将要被系统回收之时调用的方法

Python 采用自动引用计数（ARC）方式来回收对象所占用的空间，当程序中有一个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 1；当程序中有两个变量引用该 Python 对象时，Python 会自动保证该对象引用计数为 2，依此类推，如果一个对象的引用计数变成了 0，则说明程序中不再有变量引用该对象，表明程序不再需要该对象，因此 Python 就会回收该对象。

大部分时候，Python 的 ARC 都能准确、高效地回收系统中的每个对象。但如果系统中出现循环引用的情况，比如对象 a 持有一个实例变量引用对象 b，而对象 b 又持有一个实例变量引用对象 a，此时两个对象的引用计数都是 1，而实际上程序已经不再有变量引用它们，系统应该回收它们，此时 Python 的垃圾回收器就可能没那么快，要等专门的循环垃圾回收器（Cyclic Garbage Collector）来检测并回收这种引用循环。

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__ str(self): 当你打印一个对象的时候，触发__str__当你使用%s格式化的时候，触发__str__str强转数据类型的时候，触发__str__ repr(self)： repr是str的备胎有__str__的时候执行__str__,没有实现__str__的时候，执行__repr__repr(obj)内置函数对应的结果是__repr__的返回值当你使用%r格式化的时候 触发__repr__ 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_age def __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 datetime today = 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”。

class C: pass print(type(len)) # <class 'builtin_function_or_method'> print(type(dir)) # <class 'builtin_function_or_method'> print(type(int)) # <class 'type'> print(type(list)) # <class 'type'> print(type(tuple)) # <class 'type'> print(type(C)) # <class 'type'> 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：|

反算术运算符

反运算魔方方法，与算术运算符保持一一对应，不同之处就是反运算的魔法方法多了一个“r”。当文件左操作不支持相应的操作时被调用。

__ 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：|

a + b

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。

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：|=

一元运算符

__ 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

属性访问

__ 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__

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) 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 # T it = 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。 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。 ef myGen(): print('生成器执行！') yield 1 yield 2 myG = myGen() for each in myG: print(each) ''' 生成器执行！ 1 2 ''' myG = myGen() print(next(myG)) # 生成器执行！ # 1 print(next(myG)) # 2 print(next(myG)) # StopIteration 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 a for each in libs(100): print(each, end=' ') # 1 1 2 3 5 8 13 21 34 55 89