Python学习笔记——描述符

在Python中，访问一个属性的优先级顺序按照如下顺序:

1. 类属性
2. 数据描述符
3. 实例属性
4. 非数据描述符
5. __getattr__()方法 这个方法的完整定义如下所示:

def __getattr(self,attr) :#attr是self的一个属性名

     pass;

先来阐述下什么叫数据描述符。

数据描述符是指实现了__get__,__set__,__del__方法的类属性(由于Python中，一切皆是对象，所以你不妨把所有的属性也看成是对象)

PS:个人觉得这里最好把数据描述符等效于定义了__get__,__set__,__del__三个方法的接口。

阐述下这三个方法:

__get__的标准定义是__get__(self,obj,type=None)，它非常接近于JavaBean的get

第一个函数是调用它的实例，obj是指去访问属性所在的方法，最后一个type是一个可选参数，通常为None(这个有待于进一步的研究)

例如给定类X和实例x，调用x.foo，等效于调用:

type(x).__dict__["foo"].__get__(x,type(x))

调用X.foo，等效于调用:

type(x).__dict__["foo"].__get__(None,type(x))

第二个函数__set__的标准定义是__set__(self,obj,val)，它非常接近于JavaBean的set方法，其中最后一个参数是要赋予的值

第三个函数__del__的标准定义是__del__(self,obj)，它非常接近Java中Object的Finailize()方法，指Python在回收这个垃圾对象时所调用到的析构函数，只是这个函数永远不会抛出异常。因为这个对象已经没有引用指向它，抛出异常没有任何意义。

接下来，我们来一一比较这些优先级.

首先来看类属性

class A(object):

    foo=1.3;

     

print str(A.__dict__);

输出:

{"__dict__": <attribute "__dict__" of "A" objects>, "__module__": "__main__",

 "foo": 1.3, "__weakref__":  <attribute "__weakref__" of "A" objects>, "__doc__": None}

从上图可以看出foo属性在类的__dict__属性里，所以这里用A.foo可以直接找到。这里我们先跨过数据描述符，直接来看实例属性。

class A(object):

    foo=1.3;

 

a=A();

print a.foo;

a.foo=15;

print a.foo; 

这里a.foo先输出1.3后输出15，不是说类属性的优先级比实例属性的优先级高吗？按理a.foo应该不变才对?其实，这里只是一个假象，真正的原因在于这里将a.foo这个引用对象，不妨将其理解为可以指向任意数据类型的指针，指向了15这个int对象。

不信，可以继续看:

class A(object):

    foo=1.3;

 

a=A();

print a.foo;

a.foo=15;

print a.foo;

del a.foo;

print a.foo; 

这次在输出1.3，15后最后一次又一次的输出了1.3，原因在于a.foo最后一次又按照优先级顺序直接找到了类属性A.foo

然后我们来看下数据描述符这一全新的语言概念。按照之前的定义，一个实现了__get__,__set__,__del__的类都统称为数据描述符。我们来看下一个简单的例子。

    

class simpleDescriptor(object):

   def __get__(self,obj,type=None) :

       pass;

   def __set__(self,obj,val):

       pass;

   def __del__(self,obj):

       pass

     

class A(object):

    foo=simpleDescriptor();

print str(A.__dict__);

print A.foo;

a=A();

print a.foo;

a.foo=13;

print a.foo;

这里get,set,del方法体内容都略过，虽然简单，但也不失为一个数据描述符。让我们来看下它的输出:

{"__dict__":  <attribute "__dict__" of "A" objects >, "__module__": "__main__",

"foo":  <__main__.simpleDescriptor object at 0x00C46930 >,

"__weakref__":  <attribute "__weakref__" of "A" objects >,

"__doc__": None}

None

None

None

从上图可以看出，尽管我们对a.foo赋值了，但其依然为None，原因就在于__get__方法什么都不返回。

为了更进一步的加深对数据描述符的理解，我们简单的作下改造。

class simpleDescriptor(object):

    def __init__(self):

        self.result=None;

    def __get__(self,obj,type=None) :

        return self.result-10;

    def __set__(self,obj,val):

        self.result=val+3;

        print self.result;

    def __del__(self,obj):

        pass

     

class A(object):

    foo=simpleDescriptor();

a=A();

a.foo=13;

print a.foo;

打印的输出结果为:

16

6

第一个16为我们在对a.foo赋值的时候，人为的将13加上3后作为foo的值，第二个6是我们在返回a.foo之前人为的将它减去了10。

所以我们可以猜测，常规的Python类在定义get,set方法的时候，如果无特殊需求，直接给对应的属性赋值或直接返回该属性值。如果自己定义类，并且继承object类的话，这几个方法都不用定义。

下面我们来看下实例属性和非数据描述符。

class B(object):

    foo=1.3;

b=B();

print b.__dict__

#print b.bar;

b.bar=13;

print b.__dict__

print b.bar;

输出结果为: {} {"bar": 13} 13

可见这里在实例b.__dict__里找到了bar属性，所以这次可以获取13了。

那么什么是非数据描述符呢？简单的说，就是没有实现get,set,del三个方法的所有类

让我们任意看一个函数的描述:

def hello():

    pass

 

print dir(hello)

输出:

["__call__", "__class__", "__delattr__", "__dict__",

"__doc__",

"__get__",

"__getattribute__",

"__hash__", "__init__", "__module__", "__name__",

 "__new__", "__reduce__",

"__reduce_ex__", "__repr__",

 "__setattr__", "__str__", "func_closure",

"func_code",

"func_defaults", "func_dict", "func_doc", "func_globals", "func_name"]

从上面可以看出所有的函数都有get方法，但都没有set和del方法，所以所有的类成员函数都是非数据描述符。

看一个简单的例子:

class simpleDescriptor(object):   

    def __get__(self,obj,type=None) :

        return "get",self,obj,type;

class D(object):

    foo=simpleDescriptor();

d=D();

print d.foo;

d.foo=15;

print d.foo;

输出:

("get",  <__main__.simpleDescriptor object at 0x00C46870 >,

 <__main__.D object at 0x00C46890 >,  <class "__main__.D" >)

15

可以看出实例属性掩盖了非数据描述符。

最后看下__getatrr__方法。它的标准定义是:__getattr__(self,attr)，其中attr是属性名

让我们来看一个简单的例子:

class D(object):

    def __getattr__(self,attr):

        return attr;

        #return self.attr;

         

d=D();

print d.foo,type(d.foo);

d.foo=15;

print d.foo;

输出:

foo <type "str" >

15

可以看的出来Python在实在找不到方法的时候，就会求助于__getattr__方法。这有点像javascript中FF的私有实现__noSuchMethod__,或ruby中的method_missing.

注意这里要避免无意识的递归，稍微改动下:

   

class D(object):

    def __getattr__(self,attr):

        #return attr;

        return self.attr;

         

d=D();

print d.foo,type(d.foo);

d.foo=15;

print d.foo;

这次会直接抛出堆栈溢出的异常，就像下面这样:

RuntimeError: maximum recursion depth exceeded

 

 

 

标签: python