一、深入类和对象
1.1、鸭子类型和多态
维基百科中的解释为：
鸭子类型（英语：duck typing）在程序设计中是动态类型的一种风格。在这种风格中，一个对象有效的语义，不是由继承自特定的类或实现特定的接口，而是由"当前方法和属性的集合"决定。这个概念的名字来源于由詹姆斯·惠特科姆·莱利提出的鸭子测试，“鸭子测试”可以这样表述：
“当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟就可以被称为鸭子。”在鸭子类型中，关注点在于对象的行为，能作什么；而不是关注对象所属的类型。
class Cat():
def say(self):
print("I am a cat")
class Dog():
def say(self):
print("I am a dog")
class Duck():
def say(self):
print("I am a duck")
animal_list = [Cat,Dog,Duck]
for animal in animal_list:
animal().say()#实例化对象，在调用say方法 三个类实现同一个方法名，这就是多态。然后可以将这些类归为一种类型（鸭子类型）
#python中的魔法函数充分也利用了鸭子类型的特性，可以在任一类中定义
name_list = ["list1","list2"]
name_list1 = ["love","python"]
name_tuple = (3,4)
name_set = set()
name_set.add(5)
name_set.add(6)
name_list.extend(name_set) #参数name_set：['list1', 'list2', 5, 6]参数name_tuple：['list1', 'list2', 3, 4]
print(name_list) # 参数：name_list1：['list1', 'list2', 'love', 'python']
"""
这里说的是只要传入的参数是一个可迭代的类型就可以，
就连我们自定义的类将类的魔法函数__getitem__(返回 )、__iter__就可以变成可迭代的，都可以传入
def extend(self, *args, **kwargs): # real signature unknown
Extend list by appending elements from the iterable.
pass
"""
#首先这三个类里面都包含了这个say()方法，如果在JAVA里边，要实现多态的话，需要继承父类在覆盖父类的方法实现多态。
# 例如：一般情况先定义一个父类Animal，然后这个Animal有一个say()方法。
# 然后在写其他类例如上面的Cat类，Cat类继承Animal类，然后重写say()方法。
# 然后指定类型实例化这个Cat对象，在python中不需要指定类型，在JAVA中(静态语言)必须指定类型，
#这是动态语言和静态语言最大的区别。在python中都要做的一件事就是每个对象下都要写这个say()方法
1.2、抽象基类(abc)
python里边的抽象基类，是不能够实例化的。python是动态语言，动态语言是没有变量的类型的。在python中变量只是一个符号而已，这个符号可以指向任何类型的对象。动态语言缺少编译时检查错误的环境，在python中编写代码是很难发现错误的，只有要运行解释器才能找到错误。这也是动态语言共有的一个缺陷。python信奉的是鸭子类型，鸭子类型贯穿于整个面向对象之中。抽象基类是什么意思？在这个基础的类当中，设定好一些方法，然后所有的继承这个基类的类，都必须覆盖这个抽象基类里面的方法。抽象基类是无法实例化的。
##################去检查某个类是否有某种方法#############################
class Students(object):
def __init__(self,student_list):
self.student = student_list
def __len__(self):
return len(self.student)
students = Students(["lishuntao","test","python"])
# print(hasattr(students,"__len__"))#True
# print(hasattr(students,"__getitem__"))#False
##############################判定某个对象的类型#####################################
from collections.abc import Sized
print(isinstance(students,Sized))#True
######################利用抽象基类实现接口的 强制规定##########################
#强制某些子类必须实现某些方法
#实现了一个web框架，集成cache（redis，cache，memorychache）
#需要设计一个抽象基类，指定子类必须实现某些方法
#如何去模拟一个抽象基类呢？
class CacheBase():
def get(self,key):
raise NotImplementedError
def set(self,key,value):
raise NotImplementedError
#用户在实现这个抽象基类的子类时候，必须实现这里面的两个方法
class RedisCache(CacheBase):
pass
redis = RedisCache()
#redis.get("key")#抛出异常raise NotImplementedError NotImplementedError
#但这样做不好，我们需要刚初始化的时候就抛出异常，接下来就换成abc实现个人基类
import abc
class Cache1Base(metaclass=abc.ABCMeta):
@abc.abstractmethod
def get(self,key):
pass
@abc.abstractmethod
def set(self,key,value):
pass
class RedisCache1(Cache1Base):
pass
redis_cache1 = RedisCache1() #TypeError: Can't instantiate abstract class RedisCache1 with abstract methods get, set
#利用抽象基类直接初始化抛出异常
#在python当中已经实现了一些通用的抽象基类，放在
from collections.abc import *
抽象基类不是用来继承的，它只是利用抽象基类来理解继承之间的关系，以及接口的定义，我们去使用的时候一定要用我们的鸭子类型，如果一定要用接口的话，那么推荐使用mixin多继承的方式去实现它。抽象基类使用的时候设计过度，反而不容易理解它。
1.3、isinstance和type的区别
class A:
pass
class B(A):
pass
b = B()
print(isinstance(b,B)) #True
print(isinstance(b,A)) #True
print(type(b) is B) #True is与==的区别，==判断值是否相等，is判断是不是同一个对象（id（b）地址是否一样）
print(type(b),A) #False
###########判断类型：为什么更推荐用isinstance而不是type？##############
#因为如果判断某个对象的类型的话，用isinstance会根据树的形状去搜索，从叶子搜索到跟就可以判断是否是相同类型，
#就算是不同对象可能是相同类型，然而type是同种类型，但不同对象。
1.4、类变量和实例变量
class A:
a = 1 #a是类变量
def __init__(self,x,y):#self是类的实例 x与y已经绑定到实例上的属性上了
self.x = x
self.y = y
num = A(2,3)
# A.a = 11 #如果修改类属性，那么实例的值也会跟着变
# num.a = 100 #如果修改实例属性，那么类属性的值不变，
# 会在对象中新建一个实例属性的值，寻找的时候直接对象属性中寻找。
print(num.x,num.y,num.a) #2 3 1 为什么实例num能够找到A的类属性呢，
# 首先实例num先在实例属性种寻找，如果没有找到的话就会向上寻找，找到类属性
print(A.a) # 1 类属性
print(A.x)#AttributeError: type object 'A' has no attribute 'x'
#类找实例属性找不到是因为类首先到自己的属性中找，如果没有找到的话，就不会向下寻找
1.5、类和实例属性的查找顺序----mro查找
类查找属性的查找顺序有深度优先查找和广度优先查找。
广度优先查找：
#python3以后称为新式类，全部都继承object
class D:
pass
class C(D):
pass
class B(D):
pass
class A(B,C):
pass
print(A.__mro__) #(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class 'object'>)
#__mro__魔法方法直接显示出类查找属性的顺序
深度优先查找：
#python3以后称为新式类，全部都继承object
class E:
pass
class D:
pass
class C(E):
pass
class B(D):
pass
class A(B,C):
pass
print(A.__mro__)
#(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.D'>, <class '__main__.C'>, <class '__main__.E'>, <class 'object'>)
但在python3中为了避免深度优先算法与广度优先算法混乱，出现了C3算法避免了两种算法出现的问题，例如菱形搜索应用深度优先算法，从A找B再到D找到方法，可能C中重写了D的方法，因此深度优先算法不能解决菱形搜索的情况，然而C3算法解决了以上出现的两种情况。
1.6、类方法、静态方法和实例方法
class Date:
def __init__(self,year,month,day):
self.year = year
self.month = month
self.day = day
#静态方法的缺点就是硬编码，如果换类名又要重新改返回的类名
@staticmethod
def parse_from_string(date_str):
year,month,day = tuple(date_str.split("-"))
return Date(int(year),int(month),int(day))
#为啥不用classmethod替换staticmethod呢？
#检查时间格式是否正确,不需要对象返回回来，因此这个时候它就有用了，而其余都是要将对象返回回来
@staticmethod
def valid_str(date_str):
year, month, day = tuple(date_str.split("-"))
if int(year)>0 and (int(month)>0 and int(month)<=12) and int(day)<=31:
return True
else:
return False
#类方法就解决掉刚才的硬编码问题
@classmethod
def from_string(cls,date_str):
year, month, day = tuple(date_str.split("-"))
return cls(int(year), int(month), int(day))
def __str__(self):
return "{year}/{month}/{day}".format(year=self.year,month=self.month,day=self.day)
if __name__ == '__main__':
days = Date(2019,12,1)
print(days) #2019/12/1
#方法中传入self这个参数叫实例方法，
#用staticmethod完成初始化
date_str = "2019-12-01"
new_day = Date.parse_from_string(date_str)
print(new_day) #2019/12/1
# 用classmethod完成初始化
new_day = Date.from_string(date_str)
print(new_day) #2019/12/1
print(Date.valid_str("2019-12-01")) #True
1.7、数据封装和私有属性
导入的Date是上面写的类：
from chapter04.class_method import Date
class User:
def __init__(self,birthday):
self.__birthday = birthday#在属性前面加上双下划线，
# 就变成了私有属性，外面实例化对象不能直接访问
def get_age(self):
"""
希望用户看不见出生日期(我们提供计算年龄的接口)在这里只能用公共方法调用，子类都不能使用私有属性
:return:返回用户年龄，
"""
return 2019 - self.__birthday.year
if __name__ == '__main__':
user = User(Date(1999,9,9))
print(user._User__birthday) #1999/9/9 如果想要访问那么对象名._classname__attr就可以获取python的私有属性
print(user.get_age())#20
#从语言的角度来讲，没有绝对的私有属性的安全性的，都是可以突破的，
1.8、python对象的自省机制
自省：就是通过一定的机制查询到对象的内部结构。
from chapter04.class_method import Date
class Person:
name = "user"
class Student(Person):
def __init__(self,school_name):
self.school_name = school_name
if __name__ == '__main__':
student = Student("清华大学")#实例
#通过__dict__查询属性
print(student.__dict__) #{'school_name': '清华大学'}
#上面打印的是实例的属性,为啥name属性没有进入__dict__呢？因为name属于Person类，
# 实例查询到name的值，但并不是说name属性属于实例
print(student.name) #user
print(Person.__dict__)#结果如下：类的__dict__比对象也就是实例更加丰富
#{'__module__': '__main__', 'name': 'user', '__dict__': <attribute '__dict__' of 'Person' objects>, '__weakref__': <attribute '__weakref__' of 'Person' objects>, '__doc__': None}
#给实例添加属性
student.__dict__["school_addr"] = "四川市"
print(student.school_addr)#四川市
#会列出我们对象的所有属性
print(dir(student))
#['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'name', 'school_addr', 'school_name']
list1 = [1,2,3,4]
print(dir(list1))#列表不可以用__dict__，列表没有这个属性
#['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__reversed__', '__rmul__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']
1.9、super真的是调用父类吗？
class A:
def __init__(self):
print("A")
class B(A):
def __init__(self):
print("B")
super(B,self).__init__() # 想让他初始化B之后，运行A的初始化，这是python2的用法
super().__init__() #python3的用法
#既然重写了A的构造函数，为什么还要调用super？
#super函数到底执行顺序是什么？（遵循__mro__算法逻辑顺序）
from threading import Thread
class MyThread(Thread):
def __init__(self,name,user):
self.user = user
# self.name = name #实际上父类Thread的参数有了name这个参数，我们直接可以调用父类
super().__init__(name=name)#这样我们就不用写具体的name相关的逻辑了
if __name__ == '__main__':
b = B() #运行结果：B,A,A
2.0、mixin继承案例----django-rest-framework
mixin模式特点：
1、Mixin类功能单一
2、不和基类关联（mixin只是定义一个方法（接口）），可以和任一基类组合、基类可以不和mixin组合就能初始化成功
3、在mixin中不要使用super的用法
4、设置mixin的时候尽量以Mixin结尾，这样别人就可以读懂代码（规范）
接下来展示的代码就是Django-REST-Framework的Mixins的设计模式(Mixin源代码)：
"""
Basic building blocks for generic class based views.
We don't bind behaviour to http method handlers yet,
which allows mixin classes to be composed in interesting ways.
"""
from rest_framework import status
from rest_framework.response import Response
from rest_framework.settings import api_settings
class CreateModelMixin:
"""
Create a model instance.
"""
def create(self, request, *args, **kwargs):
serializer = self.get_serializer(data=request.data)
serializer.is_valid(raise_exception=True)
self.perform_create(serializer)
headers = self.get_success_headers(serializer.data)
return Response(serializer.data, status=status.HTTP_201_CREATED, headers=headers)
def perform_create(self, serializer):
serializer.save()
def get_success_headers(self, data):
try:
return {'Location': str(data[api_settings.URL_FIELD_NAME])}
except (TypeError, KeyError):
return {}
class ListModelMixin:
"""
List a queryset.
"""
def list(self, request, *args, **kwargs):
queryset = self.filter_queryset(self.get_queryset())
page = self.paginate_queryset(queryset)
if page is not None:
serializer = self.get_serializer(page, many=True)
return self.get_paginated_response(serializer.data)
serializer = self.get_serializer(queryset, many=True)
return Response(serializer.data)
class RetrieveModelMixin:
"""
Retrieve a model instance.
"""
def retrieve(self, request, *args, **kwargs):
instance = self.get_object()
serializer = self.get_serializer(instance)
return Response(serializer.data)
class UpdateModelMixin:
"""
Update a model instance.
"""
def update(self, request, *args, **kwargs):
partial = kwargs.pop('partial', False)
instance = self.get_object()
serializer = self.get_serializer(instance, data=request.data, partial=partial)
serializer.is_valid(raise_exception=True)
self.perform_update(serializer)
if getattr(instance, '_prefetched_objects_cache', None):
# If 'prefetch_related' has been applied to a queryset, we need to
# forcibly invalidate the prefetch cache on the instance.
instance._prefetched_objects_cache = {}
return Response(serializer.data)
def perform_update(self, serializer):
serializer.save()
def partial_update(self, request, *args, **kwargs):
kwargs['partial'] = True
return self.update(request, *args, **kwargs)
class DestroyModelMixin:
"""
Destroy a model instance.
"""
def destroy(self, request, *args, **kwargs):
instance = self.get_object()
self.perform_destroy(instance)
return Response(status=status.HTTP_204_NO_CONTENT)
def perform_destroy(self, instance):
instance.delete()
看这些源代码是不是和上面的规范要求都是符合的呢？好接下来看我项目中的实战代码：
class GoodsListViewSet(mixins.ListModelMixin,mixins.RetrieveModelMixin,viewsets.GenericViewSet):
"""
商品列表页 分页 搜索 过滤 排序
"""
queryset = Goods.objects.all()
serializer_class = GoodsSerializer
pagination_class = GoodsSetPagination
filter_backends = [DjangoFilterBackend,filters.SearchFilter,filters.OrderingFilter]
#这是精确搜索过滤，我们需要的是模糊搜索
# filterset_fields = ['name', 'shop_price']
filter_class = GoodsFilter
search_fields = ("name","goods_brief","goods_desc")
ordering_fields = ("shop_price","sold_num","add_time")
基类和Mixin组合成新类，实现想要的功能。
2.1、python中的with语句
#try except else finally
def exe_try():
try:
print("coding is started")
raise KeyError
except KeyError as e:
print("key error")
return 2
else: #要程序没有出异常就会运行else
print("other coding")
return 3
finally:
print("finally")
return 4
#python会自动识别自己的协议
#上下文管理器协议(with调用)（简化try-finally用法的）
class Sample():
def __enter__(self):
#获取资源
print("enter")
return self
def __exit__(self, exc_type, exc_val, exc_tb):
#释放资源
print("exit")
def do_something(self):
print("do something")
with Sample() as sample:
sample.do_something()
"""
当我们离开with语句的时候，就会调用__exit__方法
运行结果：
enter
do something
exit
"""
# if __name__ == '__main__':
# result = exe_try()
# print(result)
"""
运行结果：为什么会出现这样的结果？程序运行，直接抛出异常KeyError先返回2进入栈底（栈的知识），
然后执行finally中的返回4，4进入栈顶，栈的规则是后进先出，则返回的是4
coding is started
key error
finally
4
"""
2.2、contextlib简化上下文管理器
import contextlib
@contextlib.contextmanager#装饰器将函数变为上下文管理器（上下文管理器都可以用with用）
def file_open(filename):
print("file open") #yield之前的相当于__enter__函数的操作
yield {}
print("file end")#之后相当于__exit__函数的操作
with file_open("test.txt") as fp:
print("file open processing")
"""
运行结果：
file open
file open processing
file end
"""
这样就大大简化我们的上下文管理器啦。
