Python魔术方法专题
_del_
类的析构方法,它在对象被回收时执行,主要的作用时用来释放资源(内存 文件 进程等)
因为Python内存回收机制,使得Python的del方法的执行时间是不确定的,因此不推荐在Python中使用析构方法。
class Bar(object): def __del__(self): print("被回收了! ~") a = Bar() a.__del__() # 主动调用是没用的,因为引用计数不为零,并不会回收资源 gc print("已经删除a了") print(a) del a # print(a)
_dict_
- 是一个绑定对象属性的字典 存储的是属性的 键值对应关系
- 可以直接通过修改这个字典来为对象添加属性(但是不推荐这样做!会使得程序的可读性降低 破坏程序的结构 充分理解 后使用 但是也要慎重)甚至 你可以通过修改 dict 来为对象添加方法 例如 func
_slots_
- 限定类的对象只能拥有某些属性,防止写错属性名,也可以实现不允许动态添加其他属性。
- 形式:一个元组或 列表
- 需要注意 一旦类指定了 slots 那就意味着 类的属性键值绑定关系 由__slots__来维护 也就是说 对象将没有 __dict__方法
- __slots__只能约束本类,不能约束继承它的子类,如果子类也定义了slots 方法,那么对子类的约束将会成为两者的并集。
class Bar(object): __slots__ = ('name', 'gender') def __init__(self, name='monkey'): self.name = name self.gender = 'male' a = Bar() a.age = 18 # 动态添加属性是会报错的。 print(a.name)
_str_
必须返回一个str 类型 在打印对象的时候将会 打印返回的 str 而不是默认的 self.str
:return: <main.... object at 0x1084b7208>
class Bar(object): def __str__(self): return "Bar" a = Bar() print(a) # Bar
_repr_
将对象转化成对解释器友好的形式,它跟eval()方法联系紧密,通常repr()调用 对象的__repr__方法,该方法返回以字符串格式的 对解释器友好的 对象描述,eval() 可以将repr()的返回值 转化为原对象。
这玩意很强大,它是最直接的多态体现,几乎任何类对象都实现了它,但是每个返回的结果都是不一样的。
_class_
_class_ 允许通过对象调用类的方法和操作类的属性即 object.__class__ 可以拿到这个对象的类
拿到类后可以进行新的实例化 操作类的属性 调用类的方法等.
class Bar(object): name = 'monkey' a = Bar() print(a.__class__.name) # 允许通过实例化对象访问类
_doc_
打印对象或类或方法的文档字符串
class Bar(object): """ A simple show class! """ name = 'monkey' def get_name(self): """ get class argument name """ return self.__class__.name a = Bar() print(a.__class__.__doc__) print(a.__class__.get_name.__doc__) # A simple show class! # # # get class argument name
_base_
用来返回类的父类
_bases_
用来返回类的继承列表
class Lady(object): """ """ class Small(object): """ """ class SmallLady(Small, Lady): """""" print(Lady.__base__) # <class 'object'> print(SmallLady.__bases__) # (<class '__main__.Small'>, <class '__main__.Lady'>)
_iter_
必须返回可迭代对象
这个对象需要实现__next__方法。
_next_
每次返回迭代器的下一个值或一个迭代异常来终止迭代。
_len_
每次返回迭代器的下一个值或一个迭代异常来终止迭代。
class ListMeta(type): def __call__(self, data, *args, **kwargs): # 使得self 也就是实例化出的类 是可调用的 List() 这里的self指的是 将要 实例化出来的类 本身 self.__init__(self,data) return self def __str__(self): result = self.clean_data(self) # 是 List 可以返回期望的列表格式 将对象转化为对人友好的字符串 result = '[{}]'.format(result[:-1]) return result def __repr__(self): return 'List({})'.format(self.__str__()) # 转化为对解释器友好的字符串 def __iter__(self): # 返回实现了迭代器协议的对象 return self # 它本身实现了 __next__ def __next__(self): # 实现迭代器协议,每次返回下一个值 或 一个迭代异常终止迭代 if self.index >= len(self.data): raise StopIteration else: value = self.data[self.index] self.index += 1 return value def __len__(self): # 返回对象的长度,len()函数会执行对象的 __len__方法 return self.len class List(metaclass=ListMeta): def __init__(self, data): self.data = data self.index = 0 self.len = len(self.data) l = List([1,2,3,4,5,6,7]) print(l) print(len(l)) for i in l: print(i)
_hash_
必须返回一个int类型的数据,并且可以唯一的表示这个对象。这点很重要。
_getattribute_
- 此方法在每次访问对象的属性之前都会被调用,它容易使你陷入无限的递归中。
- 如果需要对对象属性的访问做一些限制 譬如 以"block_" 开头的属性不允许访问可以这样来实现,这时候她是非常有用的。
- 如果该方法找到了对象的属性,那么直接返回其属性值,如果找不到或报错了,无论如何没有达到预期的结果,那就调用 _getattr_ 方法。
_getattr_
- 当以 点 属性名的形式访问属性时,如果属性不存在,则会执行对象的 _getattr_ 方法 该方法接受一个变量,item,即访问的属性名。返回值为本次获取的属性值,但是这个值并没有写入 对象的属性字典里。
- 也就是说如果属性在__getattribute__中找到是不会执行这个方法的。
- 这个方法也容易陷入无限的递归当中。
_setattr_
以点属性名的形式设置属性时,会调用 _setattr_ 方法,此方法需要将属性名和属性值的对应关系写入关系字典__dict__里。如果重写了该方法,一定不要忘记手动的更新 对象属性字典。
class Storage(object): def __init__(self, name): self.name = name # 调用__setattr__方法 def __getattribute__(self, item): # 每个属性访问前都先调用该方法 print('getattribute: %s' % item) ret = True if item == 'error': raise AttributeError(r'Error ~ "error"') # 报错了依然执行~ else: ret = object.__getattribute__(self, item) return ret def __getattr__(self, item): print('getattr: %s' % item) try: return self.__dict__[item] except (IndexError, KeyError)as e: print('No attribute %s ' % e) return '%s is error' % item def __setattr__(self, key, value): print('setattr: %s ' % key) self.__dict__.update({key:value}) file = Storage('file') name = file.error # 调用 __getattr__ 方法 # setattr: name # getattribute: __dict__ # getattribute: error # getattr: error # getattribute: __dict__ # No attribute 'error'
以上就是Python魔术方法专题的详细内容,更多关于Python 魔术方法的资料请关注其它相关文章!
下一篇:关于Theano和Tensorflow多GPU使用问题