魔法方法总是被双下划线包围，例如__init__。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(1). init(self[, …]) 构造器，当一个实例被创建的时候调用的初始化方法
演示代码如下:
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(2).
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。演示代码如下:
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): #B继承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) # into B __new__ # <class '__main__.B'> # into A __new__ # <class '__main__.B'> # into B __init__(3). 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。
演示代码如下:
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(4).__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。
演示代码如下:
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(5).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。演示代码如下:
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__(6).
__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__演示代码如下:
class Cat: 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)) tom = Cat("pjc", 30) print(tom) # 名字是:pjc , 年龄是:30 print(str(tom)) # 名字是:pjc , 年龄是:30 print(repr(tom)) # Cat:(pjc,30) tom.eat() # pjc在吃鱼.... tom.introduce() # 名字是:pjc, 年龄是:30(7).
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。演示代码如下:
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)类型工厂函数，指的是“不通过类而是通过函数来创建对象”。
add(self, other)定义加法的行为：+sub(self, other)定义减法的行为：-演示代码如下:
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)。演示代码如下:
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。
魔法方法名称符号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。
演示代码如下:
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演示代码如下:
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。演示代码如下:
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> <class '__main__.Test'> t.x = 'x-man' # __set__ <__main__.MyDecriptor object at 0x00000023687C6B00> <__main__.Test object at 0x00000023696B0940> x-man del t.x # __delete__ <__main__.MyDecriptor object at 0x000000EC9B160A90> <__main__.Test object at 0x000000EC9B160B38>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。例子:编写一个不可改变的自定义列表，要求记录列表中每个元素被访问的次数。
演示代码如下:
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]) # 7 print(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]。例子:编写一个可改变的自定义列表，要求记录列表中每个元素被访问的次数。
演示代码如下:
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] = value def __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}演示代码如下:
string = 'lsgogroup' for c in string: print(c) #lsgogroup 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 ''' 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。演示代码如下:
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。演示代码如下:
class Fibs: def __init__(self, n=10): self.a = 0 self.b = 1 self.n = n def __iter__(self): return self def __next__(self): self.a, self.b = self.b, self.a + self.b if self.a > self.n: raise StopIteration return self.a fibs = Fibs(100) for each in fibs: print(each, end=' ') # 1 1 2 3 5 8 13 21 34 55 89演示代码如下:
def 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例子:用生成器实现斐波那契数列。
演示代码如下:
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学习TASK3,学到许多之前没接触到的内容,TASK3有四个板块:函数,Lambda-表达式,类与对象,魔法方法。这四个板块就函数和表达式之前接触过，其他两个都是新内容，要学习好TASK3是要花大量时间的，希望大家能坚持下来。
