一、魔法函数
# 例子
class Company(object):
def __init__(self, employee_list):
self.employee = employee_list def __getitem__(self, item):
return self.employee[item] def __len__(self):
return len(self.employee)
company = Company(["tom", "bob", "jane"])
1、在类中实现了__getitem__方法，就可以对类Company的实例进行切片，遍历的操作------>for循环调用__iter__方法，如果没有就调用__getitem__方法，其中的参数item是Python解释器会帮我们填进去的(从0开始)，直到报错了for循环才停止。
2、用len()来读取Python的内置类型例如list,dict,set的效率很高，因为此时Python不会去遍历，而是会直接读取list的长度
对魔法函数的总结：Python语法会识别魔法函数，对其的调用是隐射的。可以把魔法函数看成是独立的存在，而不是对谁的调用或者从object继承。往类里面加入魔法函数后，会增强我们类的类型，例如类可以进行切片操作了，相当于把类变成了序列类型
二、深入类和对象
1、动态语言与鸭子类型
动态语言中经常提到鸭子类型，所谓鸭子类型就是：如果走起路来像鸭子，叫起来也像鸭子，那么它就是鸭子（If it walks like a duck and quacks like a duck, it must be a duck）。鸭子类型是编程语言中动态类型语言中的一种设计风格，一个对象的特征不是由父类决定，而是通过对象的方法决定的。
静态语言中对象的特性取决于其父类。而动态语言则不一样，比如迭代器，任何实现了 __iter__ 和 __next__方法的对象都可称之为迭代器，但对象本身是什么类型不受限制，可以自定义为任何类。
# isinstance 和·type的区别
class A(object):
pass class B(A):
pass b = B()
type(b) is B --------> True
type(b) is A --------> False
type(b)是指向B这个全局唯一的类的
2、类属性的查找顺序
# 深度优先算法对于菱形继承的情况有问题---->例如A是B和C的父类，D同时继承B和C，若方法func在A中存在，在C中被重新定义，若采用深度优先算法，D.func调用的是A中的func，而不是C中重写的func
# 广度优先算法对于重名问题有问题----->例如D同时继承B和C，A是B的父类，若想通过D.func调用A中的func，但因为如果C中刚好也有重名方法func的话，将导致被覆盖
# C3算法(MRO算法)---》根据继承内容选择是深度优先还是广度优先 # super不是调用父类，而是调用MRO里面顺序的类
# 类的多继承问题的解决方法--->参考mixin的设计思路
# mixin模式特点
# 1. Mixin类功能单一
# 2. 不和基类关联，可以和任意基类组合， 基类可以不和mixin关联就能初始化成功
# 3. 在mixin中不要使用super这种用法 # 要修改类方法，通过 类名.xxx 调用，不能通过实例调用赋值
# dir() 查找对象的属性，比__dict__强大
3、Python是基于协议进行编程的
上下文管理协议
（1）
# try:
print("...")
raise Keyerror
# except Keyerror:
return 1
# else:
...
# finally:
return 2
# 注意返回的是2不是1,1和2都被压栈，但只弹出顶层的元素
（2）__enter__和__exit__
写try...finally非常繁琐。Python的with语句允许我们非常方便地使用资源，而不必担心资源没有关闭。
实际上，任何对象，只要正确实现了上下文管理，就可以用于with语句。
实现上下文管理是通过__enter__和__exit__这两个方法实现的。
#上下文管理器协议
class Sample:
def __enter__(self):
print ("enter")
#获取资源
return self
def __exit__(self, exc_type, exc_val, exc_tb):
#释放资源
print ("exit")
def do_something(self):
print ("doing something") with Sample() as sample:
sample.do_something()
（3）@contextlib.contextmanager
编写__enter__和__exit__仍然很繁琐，因此Python的标准库contextlib提供了更简单的写法，上面的代码可以改写如下：
import contextlib @contextlib.contextmanager
def file_open(file_name):
print ("file open")
yield {}
print ("file end") with file_open("bobby.txt") as f_opened:
print ("file processing")
三、自定义序列类
# +、+=、extend的区别
# + 的本质是重新创建一个新的列表，地址改变
# += 的内部实现一个__iadd__的魔法函数，里面调用extend()，在内部进行for循环append进去，所以只要接受一个可迭代的类型就行，而+必须跟同类型的。在a的基础上进行修改，地址不变
# append 直接把数组当成一个值传进去
# += ----> extend -----> append
# 列表推导式，如果只有一个if，就把if放在for后面，如果有if else，就放在for前面 from collections.abc import MutableMapping
a = {}
isinstance(a, MutableMapping) # --------> True 不是a继承了MutableMapping，而是a这个字典实现了MutableMapping里面的部分魔法函数，源码里面是把{}注册到MutableMapping中
四、深入理解dict和set
# dict查找的性能远大于list
#在list中随着list数据的增大 查找时间会增大
#在dict中查找元素不会随着dict的增大而增大 # dict的内部实现是通过哈希表(set也是)
# dict为什么查找那么快？---->利用数组，通过偏移量直接找到数据，时间复杂度是O(1)，而且不会随着数据量的增大而使查找速度下降
# 所以key必须可哈希--->不可变对象都是可哈希
# dict的内存花销大(hash的缺点，一开始会申请比较大的内存空间，降低冲突的机会)，但是查询速度快， 自定义的对象 或者python内部的对象都是用dict包装的
# dict的存储顺序和元素添加顺序有关---->因为可能会冲突，先储存，就先占据某个位置
# 添加数据有可能改变已有数据的顺序--->因为当数据过多，重新开始申请一块更大的内存，把数据搬迁过去的时候，会改变存储顺序
五、对象引用、可变性和垃圾回收
#python和java(变量相当于一个盒子)中的变量本质不一样，python的变量实质上是一个指针 int str， 便利贴
#变量大小是固定的
a = 1
a = "abc"
#1. a贴在1上面
#2. 先生成对象 然后贴便利贴
#cpython中垃圾回收的算法是采用 引用计数
一个经典错误
class Company:
def __init__(self, name, staffs=[]):
self.name = name
self.staffs = staffs
def add(self, staff_name):
self.staffs.append(staff_name)
def remove(self, staff_name):
self.staffs.remove(staff_name) if __name__ == "__main__":
com1 = Company("com1", ["bobby1", "bobby2"])
com1.add("bobby3")
com1.remove("bobby1")
print (com1.staffs) com2 = Company("com2")
com2.add("bobby")
print(com2.staffs) # [bobby] print (Company.__init__.__defaults__) com3 = Company("com3")
com3.add("bobby5")
print (com2.staffs) # [bobby, bobby5]
print (com3.staffs) # [bobby, bobby5]
print (com2.staffs is com3.staffs) # True
# 因为com2和com3公用一个默认变量
六、元类编程
（1） property动态属性
from datetime import date, datetime
class User:
def __init__(self, name, birthday):
self.name = name
self.birthday = birthday
self._age = 0 # def get_age(self):
# return datetime.now().year - self.birthday.year @property
def age(self):
return datetime.now().year - self.birthday.year @age.setter
def age(self, value):
self._age = value if __name__ == "__main__":
user = User("bobby", date(year=1987, month=1, day=1))
user.age = 30
print (user._age)
print(user.age)
（2）数据描述符和非数据描述符
class IntField:
#数据描述符
def __get__(self, instance, owner):
return self.value
def __set__(self, instance, value):
if not isinstance(value, numbers.Integral):
raise ValueError("int value need")
if value < 0:
raise ValueError("positive value need")
self.value = value
def __delete__(self, instance):
pass class NonDataIntField:
#非数据属性描述符
def __get__(self, instance, owner):
return self.value class User:
age = IntField()
# age = NonDataIntField() '''
如果user是某个类的实例，那么user.age（以及等价的getattr(user,’age’)）
首先调用__getattribute__。如果类定义了__getattr__方法，
那么在__getattribute__抛出 AttributeError 的时候就会调用到__getattr__，
而对于描述符(__get__）的调用，则是发生在__getattribute__内部的。
user = User(), 那么user.age 顺序如下： （1）如果“age”是出现在User或其基类的__dict__中， 且age是data descriptor(数据描述符)， 那么调用其__get__方法, 否则 （2）如果“age”出现在user的__dict__中， 那么直接返回 obj.__dict__[‘age’]， 否则 （3）如果“age”出现在User或其基类的__dict__中 （3.1）如果age是non-data descriptor，那么调用其__get__方法， 否则 （3.2）返回 __dict__[‘age’] （4）如果User有__getattr__方法，调用__getattr__方法，否则 （5）抛出AttributeError '''
（3）ORM的实现
class Field:
pass class IntField(Field):
# 数据描述符
def __init__(self, db_column, min_value=None, max_value=None):
self._value = None
self.min_value = min_value
self.max_value = max_value
self.db_column = db_column
if min_value is not None:
if not isinstance(min_value, numbers.Integral):
raise ValueError("min_value must be int")
elif min_value < 0:
raise ValueError("min_value must be positive int")
if max_value is not None:
if not isinstance(max_value, numbers.Integral):
raise ValueError("max_value must be int")
elif max_value < 0:
raise ValueError("max_value must be positive int")
if min_value is not None and max_value is not None:
if min_value > max_value:
raise ValueError("min_value must be smaller than max_value") def __get__(self, instance, owner):
return self._value def __set__(self, instance, value):
if not isinstance(value, numbers.Integral):
raise ValueError("int value need")
if value < self.min_value or value > self.max_value:
raise ValueError("value must between min_value and max_value")
self._value = value class CharField(Field):
def __init__(self, db_column, max_length=None):
self._value = None
self.db_column = db_column
if max_length is None:
raise ValueError("you must spcify max_lenth for charfiled")
self.max_length = max_length def __get__(self, instance, owner):
return self._value def __set__(self, instance, value):
if not isinstance(value, str):
raise ValueError("string value need")
if len(value) > self.max_length:
raise ValueError("value len excess len of max_length")
self._value = value class ModelMetaClass(type):
def __new__(cls, name, bases, attrs, **kwargs):
if name == "BaseModel": # 不是BaseModel才是我们定义的User，才需要进行一系列处理
return super().__new__(cls, name, bases, attrs, **kwargs)
fields = {}
for key, value in attrs.items():
if isinstance(value, Field): # 因为可能是IntField或者CharField，或者判断是否是Field
fields[key] = value
attrs_meta = attrs.get("Meta", None)
_meta = {}
db_table = name.lower()
if attrs_meta is not None:
table = getattr(attrs_meta, "db_table", None)
if table is not None:
db_table = table
_meta["db_table"] = db_table
attrs["_meta"] = _meta
attrs["fields"] = fields
del attrs["Meta"] # 去掉不需要的Meta，已经有_meta了
# 上面这几步相当于对attrs进行处理，最后在一起委托给父类new方法
return super().__new__(cls, name, bases, attrs, **kwargs) class BaseModel(metaclass=ModelMetaClass):
def __init__(self, *args, **kwargs):
for key, value in kwargs.items():
setattr(self, key, value)
return super().__init__() def save(self):
fields = []
values = []
for key, value in self.fields.items():
db_column = value.db_column
if db_column is None:
db_column = key.lower()
fields.append(db_column)
value = getattr(self, key)
values.append(str(value))
# 需要把字符串类型的value用单引号包起来(未处理)
sql = "insert {db_table}({fields}) value({values})".format(db_table=self._meta["db_table"],fields=",".join(fields), values=",".join(values))
pass class User(BaseModel):
name = CharField(db_column="name", max_length=10)
age = IntField(db_column="age", min_value=1, max_value=100) class Meta:
db_table = "user" if __name__ == "__main__":
user = User(name="bobby", age=28)
# user.name = "bobby"
# user.age = 28
user.save()