-
假设有如下的 Person、Student 和 Teacher 的定义及继承关系如下： class Person(object): def __init__(self, name, gender): self.name = name self.gender = gender class Student(Person): def __init__(self, name, gender, score): super(Student, self).__init__(name, gender) self.score = score class Teacher(Person): def __init__(self, name, gender, course): super(Teacher, self).__init__(name, gender) self.course = course p = Person('Tim', 'Male') s = Student('Bob', 'Male', 88) t = Teacher('Alice', 'Female', 'English') 当我们拿到变量 p、s、t 时，可以使用 isinstance 判断类型： >>> isinstance(p, Person) True # p是Person类型 >>> isinstance(p, Student) False # p不是Student类型 >>> isinstance(p, Teacher) False # p不是Teacher类型 这说明在继承链上，一个父类的实例不能是子类类型，因为子类比父类多了一些属性和方法。 我们再考察 s ： s 是Student类型，也是Person类型，因为Student继承自Person，虽然它比Person多了一些属性和方法，但是，把 s 看成Person的实例也是可以的。 这说明在一条继承链上，一个实例可以看成它本身的类型，也可以看成它父类的类型。查看全部
-
如果一个属性以"__xxx__"的形式定义，那它又可以被外部访问了，以"__xxx__"定义的属性在Python的类中被称为特殊属性，有很多预定义的特殊属性可以使用，通常我们不要把普通属性用"__xxx__"定义。 以单下划线开头的属性"_xxx"虽然也可以被外部访问，但是，按照习惯，他们不应该被外部访问。查看全部
-
判断类型 函数isinstance()可以判断一个变量的类型，既可以用在Python内置的数据类型如str、list、dict，也可以用在我们自定义的类，它们本质上都是数据类型。查看全部
-
Python对属性权限的控制是通过属性名来实现的，如果一个属性由双下划线开头(__)，该属性就无法被外部访问 可见，只有以双下划线开头的"__job"不能直接被外部访问。 但是，如果一个属性以"__xxx__"的形式定义，那它又可以被外部访问了，以"__xxx__"定义的属性在Python的类中被称为特殊属性，有很多预定义的特殊属性可以使用，通常我们不要把普通属性用"__xxx__"定义。 以单下划线开头的属性"_xxx"虽然也可以被外部访问，但是，按照习惯，他们不应该被外部访问查看全部
-
Python对属性权限的控制是通过属性名来实现的，如果一个属性由双下划线开头(__)，该属性就无法被外部访问查看全部
-
定义类属性可以直接在 class 中定义： class Person(object): address = 'Earth' def __init__(self, name): self.name = name 因为类属性是直接绑定在类上的，所以，访问类属性不需要创建实例，就可以直接访问： print Person.address # => Earth 对一个实例调用类的属性也是可以访问的，所有实例都可以访问到它所属的类的属性； 由于Python是动态语言，类属性也是可以动态添加和修改的： Person.address = 'China' print p1.address # => 'China' print p2.address # => 'China' 因为类属性只有一份，所以，当Person类的address改变时，所有实例访问到的类属性都改变了。查看全部
-
实例属性每个实例各自拥有，互相独立，而类属性有且只有一份。 绑定在一个实例上的属性不会影响其他实例，但是，类本身也是一个对象，如果在类上绑定一个属性，则所有实例都可以访问类的属性，并且，所有实例访问的类属性都是同一个！查看全部
-
由于Python是动态语言，对每一个实例，都可以直接给他们的属性赋值，例如，给xiaoming这个实例加上name、gender和birth属性 给xiaohong加上的属性不一定要和xiaoming相同查看全部
-
delattr()： 而delattr()表示你可以通过该方法，删除指定的对象属性。 delattr方法接受2个参数：delattr(对象，属性)查看全部
-
setattr()： setattr()表示你可以通过该方法，给对象添加或者修改指定的属性。 setattr()方法接受3个参数：setattr(对象，属性，属性的值)查看全部
-
对于这种3层嵌套的decorator定义，你可以先把它拆开： # 标准decorator: def log_decorator(f): def wrapper(*args, **kw): print '[%s] %s()...' % (prefix, f.__name__) return f(*args, **kw) return wrapper return log_decorator # 返回decorator: def log(prefix): return log_decorator(f) 拆开以后会发现，调用会失败，因为在3层嵌套的decorator定义中，最内层的wrapper引用了最外层的参数prefix，所以，把一个闭包拆成普通的函数调用会比较困难。不支持闭包的编程语言要实现同样的功能就需要更多的代码。查看全部
-
编写带参数decorator 考察上一节的 @log 装饰器： def log(f): def fn(x): print 'call ' + f.__name__ + '()...' return f(x) return fn 发现对于被装饰的函数，log打印的语句是不能变的（除了函数名）。 如果有的函数非常重要，希望打印出'[INFO] call xxx()...'，有的函数不太重要，希望打印出'[DEBUG] call xxx()...'，这时，log函数本身就需要传入'INFO'或'DEBUG'这样的参数，类似这样： @log('DEBUG') def my_func(): pass 把上面的定义翻译成高阶函数的调用，就是： my_func = log('DEBUG')(my_func) 上面的语句看上去还是比较绕，再展开一下： log_decorator = log('DEBUG') my_func = log_decorator(my_func) 上面的语句又相当于： log_decorator = log('DEBUG') @log_decorator def my_func(): pass 所以，带参数的log函数首先返回一个decorator函数，再让这个decorator函数接收my_func并返回新函数： def log(prefix): def log_decorator(f): def wrapper(*args, **kw): print '[%s] %s()...' % (prefix, f.__name__) return f(*args, **kw) return wrapper return log_decorator @log('DEBUG') def test(): pass print test() 执行结果： [DEBUG] test()... None查看全部
-
在定义 Person 类时，可以为Person类添加一个特殊的__init__()方法，当创建实例时，__init__()方法被自动调用，我们就能在此为每个实例都统一加上以下属性： class Person(object): def __init__(self, name, gender, birth): self.name = name self.gender = gender self.birth = birth __init__() 方法的第一个参数必须是 self（也可以用别的名字，但建议使用习惯用法），后续参数则可以自由指定，和定义函数没有任何区别。 相应地，创建实例时，就必须要提供除 self 以外的参数：查看全部
-
编写无参数decorator Python的 decorator 本质上就是一个高阶函数，它接收一个函数作为参数，然后，返回一个新函数。 使用 decorator 用Python提供的 @ 语法，这样可以避免手动编写 f = decorate(f) 这样的代码。 考察一个@log的定义： def log(f): def fn(x): print 'call ' + f.__name__ + '()...' return f(x) return fn 对于阶乘函数，@log工作得很好： @log def factorial(n): return reduce(lambda x,y: x*y, range(1, n+1)) print factorial(10) 结果： call factorial()... 3628800 但是，对于参数不是一个的函数，调用将报错： @log def add(x, y): return x + y print add(1, 2) 结果： Traceback (most recent call last): File "test.py", line 15, in <module> print add(1,2) TypeError: fn() takes exactly 1 argument (2 given) 因为 add() 函数需要传入两个参数，但是 @log 写死了只含一个参数的返回函数。 要让 @log 自适应任何参数定义的函数，可以利用Python的 *args 和 **kw，保证任意个数的参数总是能正常调用： def log(f): def fn(*args, **kw): print 'call ' + f.__name__ + '()...' return f(*args, **kw) return fn 现在，对于任意函数，@log 都能正常工作。查看全部
-
装饰器的作用查看全部
举报
0/150
提交
取消