本文实例讲述了Python类装饰器。分享给大家供大家参考,具体如下:
编写类装饰器
类装饰器类似于函数装饰器的概念,但它应用于类,它们可以用于管理类自身,或者用来拦截实例创建调用以管理实例。
单体类
由于类装饰器可以拦截实例创建调用,所以它们可以用来管理一个类的所有实例,或者扩展这些实例的接口。
下面的类装饰器实现了传统的单体编码模式,即最多只有一个类的一个实例存在。
instances = {} # 全局变量,管理实例 def getInstance(aClass, *args): if aClass not in instances: instances[aClass] = aClass(*args) return instances[aClass] #每一个类只能存在一个实例 def singleton(aClass): def onCall(*args): return getInstance(aClass,*args) return onCall 为了使用它,装饰用来强化单体模型的类: @singleton # Person = singleton(Person) class Person: def __init__(self,name,hours,rate): self.name = name self.hours = hours self.rate = rate def pay(self): return self.hours * self.rate @singleton # Spam = singleton(Spam) class Spam: def __init__(self,val): self.attr = val bob = Person('Bob',40,10) print(bob.name,bob.pay()) sue = Person('Sue',50,20) print(sue.name,sue.pay()) X = Spam(42) Y = Spam(99) print(X.attr,Y.attr)
现在,当Person或Spam类稍后用来创建一个实例的时候,装饰器提供的包装逻辑层把实例构建调用指向了onCall,它反过来调用getInstance,以针对每个类管理并分享一个单个实例,而不管进行了多少次构建调用。
程序输出如下:
Bob 400
Bob 400
42 42
在这里,我们使用全局的字典instances来保存实例,还有一个更好的解决方案就是使用Python3中的nonlocal关键字,它可以为每个类提供一个封闭的作用域,如下:
def singleton(aClass): instance = None def onCall(*args): nonlocal instance if instance == None: instance = aClass(*args) return instance return onCall
当然,我们也可以用类来编写这个装饰器——如下代码对每个类使用一个实例,而不是使用一个封闭作用域或全局表:
class singleton: def __init__(self,aClass): self.aClass = aClass self.instance = None def __call__(self,*args): if self.instance == None: self.instance = self.aClass(*args) return self.instance
跟踪对象接口
类装饰器的另一个常用场景是每个产生实例的接口。类装饰器基本上可以在实例上安装一个包装器逻辑层,来以某种方式管理其对接口的访问。
前面,我们知道可以用__getattr__运算符重载方法作为包装嵌入到实例的整个对象接口的方法,以便实现委托编码模式。__getattr__
用于拦截未定义的属性名的访问。如下例子所示:
class Wrapper: def __init__(self,obj): self.wrapped = obj def __getattr__(self,attrname): print('Trace:',attrname) return getattr(self.wrapped,attrname) > x = Wrapper([1,2,3]) > x.append(4) Trace: append > x.wrapped [1, 2, 3, 4] > > x = Wrapper({'a':1,'b':2}) > list(x.keys()) Trace: keys ['b', 'a']
在这段代码中,Wrapper类拦截了对任何包装对象的属性的访问,打印出一条跟踪信息,并且使用内置函数getattr来终止对包装对象的请求。
类装饰器为编写这种__getattr__
技术来包装一个完整接口提供了一个替代的、方便的方法。如下:
def Tracer(aClass): class Wrapper: def __init__(self,*args,**kargs): self.fetches = 0 self.wrapped = aClass(*args,**kargs) def __getattr__(self,attrname): print('Trace:'+attrname) self.fetches += 1 return getattr(self.wrapped,attrname) return Wrapper @Tracer class Spam: def display(self): print('Spam!'*8) @Tracer class Person: def __init__(self,name,hours,rate): self.name = name self.hours = hours self.rate = rate def pay(self): return self.hours * self.rate food = Spam() food.display() print([food.fetches]) bob = Person('Bob',40,50) print(bob.name) print(bob.pay()) print('') sue = Person('Sue',rate=100,hours = 60) print(sue.name) print(sue.pay()) print(bob.name) print(bob.pay()) print([bob.fetches,sue.fetches])
通过拦截实例创建调用,这里的类装饰器允许我们跟踪整个对象接口,例如,对其任何属性的访问。
Spam和Person类的实例上的属性获取都会调用Wrapper类中的__getattr__逻辑,由于food和bob确实都是Wrapper的实例,得益于装饰器的实例创建调用重定向,输出如下:
Trace:display
Spam!Spam!Spam!Spam!Spam!Spam!Spam!Spam!
[1]
Trace:name
Bob
Trace:pay
2000
Trace:name
Sue
Trace:pay
6000
Trace:name
Bob
Trace:pay
2000
[4, 2]
示例:实现私有属性
如下的类装饰器实现了一个用于类实例属性的Private声明,也就是说,属性存储在一个实例上,或者从其一个类继承而来。不接受从装饰的类的外部对这样的属性的获取和修改访问,但是,仍然允许类自身在其方法中自由地访问那些名称。类似于Java中的private属性。
traceMe = False def trace(*args): if traceMe: print('['+ ' '.join(map(str,args))+ ']') def Private(*privates): def onDecorator(aClass): class onInstance: def __init__(self,*args,**kargs): self.wrapped = aClass(*args,**kargs) def __getattr__(self,attr): trace('get:',attr) if attr in privates: raise TypeError('private attribute fetch:'+attr) else: return getattr(self.wrapped,attr) def __setattr__(self,attr,value): trace('set:',attr,value) if attr == 'wrapped': # 这里捕捉对wrapped的赋值 self.__dict__[attr] = value elif attr in privates: raise TypeError('private attribute change:'+attr) else: # 这里捕捉对wrapped.attr的赋值 setattr(self.wrapped,attr,value) return onInstance return onDecorator if __name__ == '__main__': traceMe = True @Private('data','size') class Doubler: def __init__(self,label,start): self.label = label self.data = start def size(self): return len(self.data) def double(self): for i in range(self.size()): self.data[i] = self.data[i] * 2 def display(self): print('%s => %s'%(self.label,self.data)) X = Doubler('X is',[1,2,3]) Y = Doubler('Y is',[-10,-20,-30]) print(X.label) X.display() X.double() X.display() print(Y.label) Y.display() Y.double() Y.label = 'Spam' Y.display() # 这些访问都会引发异常 """ print(X.size()) print(X.data) X.data = [1,1,1] X.size = lambda S:0 print(Y.data) print(Y.size())
这个示例运用了装饰器参数等语法,稍微有些复杂,运行结果如下:
[set: wrapped <__main__.Doubler object at 0x03421F10>]
[set: wrapped <__main__.Doubler object at 0x031B7470>]
[get: label]
X is
[get: display]
X is => [1, 2, 3]
[get: double]
[get: display]
X is => [2, 4, 6]
[get: label]
Y is
[get: display]
Y is => [-10, -20, -30]
[get: double]
[set: label Spam]
[get: display]
Spam => [-20, -40, -60]
更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
Python,类装饰器
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
RTX 5090要首发 性能要翻倍!三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。
据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。