python技巧之下划线（二）

Python 用下划线作为变量前缀和后缀指定特殊变量

_xxx 不能用’from module import *’导入

__xxx__ 系统定义名字

__xxx 类中的私有变量名

核心风格：避免用下划线作为变量名的开始。

因为下划线对解释器有特殊的意义，而且是内建标识符所使用的符号，我们建议程序员避免用下划线作为变量名的开始。一般来讲，变量名_xxx被看作是“私有的”，在模块或类外不可以使用。当变量是私有的时候，用_xxx 来表示变量是很好的习惯。因为变量名__xxx__对Python 来说有特殊含义，对于普通的变量应当避免这种命名风格。

“单下划线” 开始的成员变量叫做保护变量，意思是只有类对象和子类对象自己能访问到这些变量；
“双下划线” 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。

以单下划线开头（_foo）的代表不能直接访问的类属性，需通过类提供的接口进行访问，不能用“from xxx import
*”而导入；以双下划线开头的（__foo）代表类的私有成员；以双下划线开头和结尾的（__foo__）代表python里特殊方法专用的标识，如
__init__（）代表类的构造函数。

现在我们来总结下所有的系统定义属性和方法，先来看下保留属性：

>>> Class1.__doc__ # 类型帮助信息 'Class1 Doc.' >>> Class1.__name__ # 类型名称 'Class1' >>> Class1.__module__ # 类型所在模块 '__main__' >>> Class1.__bases__ # 类型所继承的基类 (<type 'object'>,) >>> Class1.__dict__ # 类型字典，存储所有类型成员信息。 <dictproxy object at 0x00D3AD70> >>> Class1().__class__ # 类型 <class '__main__.Class1'> >>> Class1().__module__ # 实例类型所在模块 '__main__' >>> Class1().__dict__ # 对象字典，存储所有实例成员信息。 {'i': 1234}

接下来是保留方法，可以把保留方法分类：

类的基础方法

序号	目的	所编写代码	Python 实际调用
①	初始化一个实例	`x = MyClass()`	`x.__init__()`
②	字符串的“官方”表现形式	`repr(x)`	`x.__repr__()`
③	字符串的“非正式”值	`str(x)`	`x.__str__()`
④	字节数组的“非正式”值	`bytes(x)`	`x.__bytes__()`
⑤	格式化字符串的值	`format(x, )`	`x.__format__()`

对 __init__() 方法的调用发生在实例被创建之后。如果要控制实际创建进程，请使用 __new__() 方法。
按照约定， __repr__() 方法所返回的字符串为合法的 Python 表达式。
在调用 print(x) 的同时也调用了 __str__() 方法。
由于 bytes 类型的引入而从 Python 3 开始出现。

行为方式与迭代器类似的类

序号	目的	所编写代码	Python 实际调用
①	遍历某个序列	`iter(seq)`	`seq.__iter__()`
②	从迭代器中获取下一个值	`next(seq)`	`seq.__next__()`
③	按逆序创建一个迭代器	`reversed(seq)`	`seq.__reversed__()`

无论何时创建迭代器都将调用 __iter__() 方法。这是用初始值对迭代器进行初始化的绝佳之处。
无论何时从迭代器中获取下一个值都将调用 __next__() 方法。
__reversed__() 方法并不常用。它以一个现有序列为参数，并将该序列中所有元素从尾到头以逆序排列生成一个新的迭代器。

计算属性

序号	目的	所编写代码	Python 实际调用
①	获取一个计算属性（无条件的）	`x.my_property`	`x.__getattribute__()`
②	获取一个计算属性（后备）	`x.my_property`	`x.__getattr__()`
③	设置某属性	`x.my_property = value`	`x.__setattr__(,)`
④	删除某属性	`del x.my_property`	`x.__delattr__()`
⑤	列出所有属性和方法	`dir(x)`	`x.__dir__()`

如果某个类定义了 __getattribute__() 方法，在 每次引用属性或方法名称时 Python 都调用它（特殊方法名称除外，因为那样将会导致讨厌的无限循环）。
如果某个类定义了 __getattr__() 方法，Python 将只在正常的位置查询属性时才会调用它。如果实例定义了属性， x.color 将不会调用x.__getattr__('color')；而只会返回已定义好的值。
无论何时给属性赋值，都会调用 __setattr__() 方法。
无论何时删除一个属性，都将调用 __delattr__() 方法。
如果定义了 __getattr__() 或 __getattribute__() 方法， __dir__() 方法将非常有用。通常，调用 dir(x) 将只显示正常的属性和方法。如果 __getattr()__方法动态处理属性， dir(x) 将不会将列为可用属性。可通过覆盖 __dir__() 方法允许将列为可用属性，对于想使用你的类但却不想深入其内部的人来说，该方法非常有益。

行为方式与函数类似的类

可以让类的实例变得可调用——就像函数可以调用一样——通过定义 __call__() 方法。

序号	目的	所编写代码	Python 实际调用
	像调用函数一样“调用”一个实例	`my_instance()`	`my_instance.__call__()`

zipfile 模块通过该方式定义了一个可以使用给定密码解密经加密 zip 文件的类。该 zip 解密算法需要在解密的过程中保存状态。通过将解密器定义为类，使我们得以在 decryptor 类的单个实例中对该状态进行维护。状态在 __init__() 方法中进行初始化，如果文件经加密则进行更新。但由于该类像函数一样“可调用”，因此可以将实例作为 map() 函数的第一个参数传入，代码如下：

# excerpt from zipfile.py class _ZipDecrypter: def __init__(self, pwd):  self.key1 = 591751049 self.key2 = 878082192 for p in pwd: self._UpdateKeys(p)  assert isinstance(c, int) k = self.key2 | 2 c = c ^ (((k * (k^1)) >>  & 255) self._UpdateKeys(c) return c  bytes = zef_file.read(12)

_ZipDecryptor 类维护了以三个旋转密钥形式出现的状态，该状态稍后将在 _UpdateKeys() 方法中更新（此处未展示）。
该类定义了一个 __call__() 方法，使得该类可像函数一样调用。在此例中，__call__() 对 zip 文件的单个字节进行解密，然后基于经解密的字节对旋转密码进行更新。
是 _ZipDecryptor 类的一个实例。变量被传入 __init__() 方法，并在其中被存储和用于首次旋转密码更新。
给出 zip 文件的头 12 个字节，将这些字节映射给进行解密，实际上这将导致调用 __call__() 方法 12 次，也就是更新内部状态并返回结果字节 12 次。

行为方式与序列类似的类

如果类作为一系列值的容器出现——也就是说如果对某个类来说，是否“包含”某值是件有意义的事情——那么它也许应该定义下面的特殊方法已，让它的行为方式与序列类似。

序号	目的	所编写代码	Python 实际调用
	序列的长度	`len(seq)`	`seq.__len__()`
	了解某序列是否包含特定的值	`x in seq`	`seq.__contains__()`

cgi 模块在其 FieldStorage 类中使用了这些方法，该类用于表示提交给动态网页的所有表单字段或查询参数。

# A script which responds to http://example.com/search?q=cgi import cgi fs = cgi.FieldStorage()  do_search() # An excerpt from cgi.py that explains how that works class FieldStorage: . . .  if self.list is None: raise TypeError('not indexable')

一旦创建了 cgi.FieldStorage 类的实例，就可以使用 “in” 运算符来检查查询字符串中是否包含了某个特定参数。
而 __contains__() 方法是令该魔法生效的主角。
如果代码为 if 'q' in fs，Python 将在对象中查找 __contains__() 方法，而该方法在 cgi.py中已经定义。'q' 的值被当作参数传入__contains__() 方法。
同样的 FieldStorage 类还支持返回其长度，因此可以编写代码 len() 而其将调用 FieldStorage的 __len__() 方法，并返回其识别的查询参数个数。
self.keys() 方法检查 self.list is None 是否为真值，因此 __len__ 方法无需重复该错误检查。

行为方式与字典类似的类

在前一节的基础上稍作拓展，就不仅可以对 “in” 运算符和 len() 函数进行响应，还可像全功能字典一样根据键来返回值。

目的	所编写代码	Python 实际调用
通过键来获取值	`x[key]`	`x.__getitem__()`
通过键来设置值	`x[key] = value`	`x.__setitem__(, )`
删除一个键值对	`del x[key]`	`x.__delitem__()`
为缺失键提供默认值	`x[nonexistent_key]`	`x.__missing__()`

cgi 模块的 FieldStorage 类同样定义了这些特殊方法，也就是说可以像下面这样编码：

# A script which responds to http://example.com/search?q=cgi import cgi fs = cgi.FieldStorage() if 'q' in fs:  # An excerpt from cgi.py that shows how it works class FieldStorage: . . .  if self.list is None: raise TypeError('not indexable') found = [] for item in self.list: if item.name == key: found.append(item) if not found: raise KeyError(key) if len(found) == 1: return found[0] else: return found

对象是 cgi.FieldStorage 类的一个实例，但仍然可以像 fs['q'] 这样估算表达式。
fs['q'] 将参数设置为 'q' 来调用 __getitem__() 方法。然后它将在其内部维护的查询参数列表 () 中查找一个 .name 与给定键相符的字典项。

可比较的类

我将此内容从前一节中拿出来使其单独成节，是因为“比较”操作并不局限于数字。许多数据类型都可以进行比较——字符串、列表，甚至字典。如果要创建自己的类，且对象之间的比较有意义，可以使用下面的特殊方法来实现比较。

目的	所编写代码	Python 实际调用
相等	`x == y`	`x.__eq__()`
不相等	`x != y`	`x.__ne__()`
小于	`x < y`	`x.__lt__()`
小于或等于	`x <= y`	`x.__le__()`
大于	`x > y`	`x.__gt__()`
大于或等于	`x >= y`	`x.__ge__()`
布尔上上下文环境中的真值	`if x:`	`x.__bool__()`

可序列化的类

Python 支持任意对象的序列化和反序列化。（多数 Python 参考资料称该过程为 “pickling” 和 “unpickling”）。该技术对与将状态保存为文件并在稍后恢复它非常有意义。所有的内置数据类型均已支持 pickling 。如果创建了自定义类，且希望它能够 pickle，阅读 pickle 协议了解下列特殊方法何时以及如何被调用。

序号	目的	所编写代码	Python 实际调用
	自定义对象的复制	`copy.copy(x)`	`x.__copy__()`
	自定义对象的深度复制	`copy.deepcopy(x)`	`x.__deepcopy__()`
	在 pickling 之前获取对象的状态	`pickle.dump(x, )`	`x.__getstate__()`
	序列化某对象	`pickle.dump(x, )`	`x.__reduce__()`
	序列化某对象（新 pickling 协议）	`pickle.dump(x, ,)`	`x.__reduce_ex__()`
*	控制 unpickling 过程中对象的创建方式	`x = pickle.load()`	`x.__getnewargs__()`
*	在 unpickling 之后还原对象的状态	`x = pickle.load()`	`x.__setstate__()`

* 要重建序列化对象，Python 需要创建一个和被序列化的对象看起来一样的新对象，然后设置新对象的所有属性。__getnewargs__() 方法控制新对象的创建过程，而 __setstate__() 方法控制属性值的还原方式。

可在 `with` 语块中使用的类

with 语块定义了运行时刻上下文环境；在执行 with 语句时将“进入”该上下文环境，而执行该语块中的最后一条语句将“退出”该上下文环境。

序号	目的	所编写代码	Python 实际调用
	在进入 `with` 语块时进行一些特别操作	`with x:`	`x.__enter__()`
	在退出 `with` 语块时进行一些特别操作	`with x:`	`x.__exit__()`

以下是 with 习惯用法的运作方式：

# excerpt from io.py: def _checkClosed(self, msg=None): '''Internal: raise an ValueError if file is closed ''' if self.closed: raise ValueError('I/O operation on closed file.' if msg is None else msg) def __enter__(self): '''Context management protocol. Returns self.'''   def __exit__(self, *args): '''Context management protocol. Calls close()'''

该文件对象同时定义了一个 __enter__() 和一个 __exit__() 方法。该 __enter__() 方法检查文件是否处于打开状态；如果没有， _checkClosed() 方法引发一个例外。
__enter__() 方法将始终返回 —— 这是 with 语块将用于调用属性和方法的对象
在 with 语块结束后，文件对象将自动关闭。怎么做到的？在 __exit__() 方法中调用了self.close() .

真正神奇的东西

如果知道自己在干什么，你几乎可以完全控制类是如何比较的、属性如何定义，以及类的子类是何种类型。

序号	目的	所编写代码	Python 实际调用
	类构造器	`x = MyClass()`	`x.__new__()`
*	类析构器	`del x`	`x.__del__()`
	只定义特定集合的某些属性		`x.__slots__()`
	自定义散列值	`hash(x)`	`x.__hash__()`
	获取某个属性的值	`x.color`	`type(x).__dict__['color'].__get__(x, type(x))`
	设置某个属性的值	`x.color = 'PapayaWhip'`	`type(x).__dict__['color'].__set__(x, 'PapayaWhip')`
	删除某个属性	`del x.color`	`type(x).__dict__['color'].__del__(x)`
	控制某个对象是否是该对象的实例 your class	`isinstance(x, MyClass)`	`MyClass.__instancecheck__(x)`
	控制某个类是否是该类的子类	`issubclass(C, MyClass)`	`MyClass.__subclasscheck__(C)`
	控制某个类是否是该抽象基类的子类

下划线