Python常见特性入门
装饰器
有过AOP编程经历的人对以下的场景肯定都不陌生:我们暴露了API接口给客户端调用，基于运维的考虑，我们需要自动拦截API接口的耗时参数等信息，通常的方式就是在基类中包装一层或者使用拦截器，大致的代码如下:
public string WrapExecute(string fake_param)
{
ExecuteBefore(fake_param);
var result = Execute();
ExecuteAfter(result);
return result
}
Python的装饰器天生就可以承担类似的工作,下面是一个简单的装饰器:
def execute_before():
print('this is before')
def execute_after():
print('this is after')
def decorator(func):
def wrapper():
execute_before()
func()
execute_after()
return wrapper
def execute():
print('this is executing')
execute = decorator(execute)
跟我们在其他语言中的用法保持一致，当然我们的python在此之上，还提供了更便捷的方式:@,python中以@开头并紧跟装饰器的名字可理解成给对应的对应的对象使用装饰器，所以，上面的调用方式，可以优化成:
@decorator
def execute():
pass
通常情况下，被修饰的函数都是带有参数的，为了能在装饰器中获取参数信息，python中引入了可变参数的概念，*args表明所有未被捕获的参数,**kwargs表明所有未被捕获的keyword参数，我们把我们的wrapper函数调整为如下，则能捕获所有类型的参数:
de decorator(func)
def wrapper(*args, **kwargs)
execute_before()
func(args, kwargs)
execute_after()
#other code
还有一种情况，就是我们的装饰器本身是可以支持配置参数的，在这种情况下，我们往往还需要在外面再增加一层，在现在的例子基础上，比如我们需要支持配置日志级别,那代码可调整如下:
def outter_wrapper(log_level='info')
def decorator(func):
def wrapper():
execute_before(log_level)
func()
execute_after(log_level)
return wrapper
return decorator
@outter_wrapper(log_level='error')
def execute():
pass
描述器
描述符是一个具有绑定行为的对象属性，其属性的访问被描述符协议方法覆写。这些方法是__get__()、 set()和__delete__()，一个对象中只要包含了这三个方法（至少一个），就称它为描述符。在python的多个特性:属性(特性)/方法/静态方法/类方法中都有应用。
- 如果一个描述器定义了get和set，他就是一个资料描述器(data descriptor),可以用来定义属性。
- 如果一个描述器只定义了get，他就是一个非资料描述器，通常用来定义方法。
以下是一个最基本的描述器的用法(属性):
class PropertyDescriptor(object):
def __init__(self, value=None):
self.value = value
def __get__(self, obj, objtype):
print('get value')
return self.value
def __set__(self, obj, value):
print('set value')
self.value = value
class TestClass(object):
attr_x = Property(12)
这样每次我们在调用对象attr_x属性的时候，相应的set和get函数就会被调用。
实际上，在python中，描述器在被调用的时候根据类型不同，内部具体调用的方法也不一样。
- 如果调用方为object instance那相当于调用:type(instance).dict[‘x’].get(instance, type(instance))
- 如果调用方为type那相当于调用:type(instance).dict[‘x’].get(None, type(instance))
以上面的代码为例:
instance = TestClass()
instance.attr_x == type(instance).__dict__['attr_x'].__get__(instance, type(instance))
TestClass.attr_x == TestClass.__dict__['attr_x'].__get__(None, TestClass)
特性
Python内建的property能够帮我们快速构建属性，假设我们现在有个Person对象，需要一个adult(成年)属性根据age(年龄)自动计算，那通过property，代码则大致如下:
class Person:
def __init__(self,age = 1):
self.age = age
def _is_adult(self):
return self.age >= 18
adult = property(_is_adult)
tommy = Person(24)
print(tommy.adult) #True
python的property支持定义属性的读取/修改/删除/文档操作，用法如下:
def get_property_x(self):
return self.x
#other code
document_string = 'this is property x'
property_x = property(get_property_x,set_property_x,delete_property_x,document_string)
函数
Python中的一切资源都是面向对象的，这里也包括函数,我们看一个简单的例子:
class TestMethod(object):
def hello(self):
print('hello world')
print(TestMethod.__dict__['hello']) #<function TestMethod.hello at 0x01178BB8>
实际上从类中调用TestMethod.hello，返回的是一个unbound对象，而从实例中调用instance.hello返回的是一个bound对象，在这里可以看到更多关于bound/unbound的资料
python中定义类方法和静态方法都是使用描述器和装饰器组合来实现的，具体实现代码参考:link。
类方法
class ClassMethod(object):
"Emulate PyClassMethod_Type() in Objects/funcobject.c"
def __init__(self, f):
self.f = f
def __get__(self, obj, klass=None):
if klass is None:
klass = type(obj)
def newfunc(*args):
return self.f(klass, *args)
return newfunc
静态方法
class StaticMethod(object):
"Emulate PyStaticMethod_Type() in Objects/funcobject.c"
def __init__(self, f):
self.f = f
def __get__(self, obj, objtype=None):
return self.f
