【Python专题】面向对象编程

注：本系列内容系廖雪峰老师Python教程学习笔记
本文主要内容：

1.面向对象编程简介

  • 面向对象编程Object Oriented Programming简称OOP，是一种区别于面向过程编程的新的编程思想。OOP把对象作为程序的基本单元，一个对象包含了数据和操作数据的函数。

  • Python中的所有数据类型都可以视为对象，也可以自定义对象。自定义的对象数据类型就是面向对象中的类class概念。

  • 示例：使用面向对象程序设计思想设计一个存储学生信息（姓名和成绩）的表。

    为了显示区别，我们首先使用面向过程的程序来构造：

    stu1={'name':'Alex','score':98}
stu2={'name':'Bob','score':89}
...

    然后使用函数来处理学生信息

    def print_score(stu):
  print('%s:%s' %(stu['name'],stu['score']))

    上面的代码简单演示了面向过程设计的存储数据到使用数据过程。接着我们用面向对象的程序设计思想来实现。

    首先，我们来考虑如何存储数据：我们把学生视为一个对象，那么姓名和成绩就是这个对象的两个属性，使用数据就属于对象的一个方法，我们把上面的内容转为代码就是：

    class Student(object):
  def __init__(self,name,score):
      self.name=name
      self.score=score

  def print_score(self):
      print('%s:%s' %(self.name,self.score))

    上面的代码中我们构造了一个Student类(对象)，还构造了一个对象的方法(Method)print_score,现在我们就可以来实例化（Instance）对象

    bart=Student('Bart',67)
lisa=Student('Lisa',88)

    调用对象的方法

    bart.print_score()
lisa.print_score()

    我们来运行测试：

    >>> from stu import Student
>>> bart=Student('Bart',67)
>>> lisa=Student('Lisa',88)
>>> bart.print_score()
Bart:67
>>> lisa.print_score()
Lisa:88
>>>

    这样，我们就完成了面向对象程序设计的第一个程序。由上可见，这种程序设计思想抽象程度要高于函数，因为它既包括了数据，又包括了操作数据的方法。

2.类和实例

  • 面向对象最重要的概念就是类（Class）和实例（Instance）。类是抽象的模板，而实例则是根据类创建出来的一个个具体的对象。

  • 类定义的一般格式，以前面创建的Student类为例

    class Student(object):
  pass

    上面Student代表类名，object代表继承的类，这里可以是继承不同的类，如果没有继承类，则使用所有类的公有继承类object，pass里写类的内容，这就是创建类的一般格式。

  • 实例化类的一般格式，以student类为例

    bart=Student('Bart',67)

    给类传入数据以后，类就被实例化为一个个对象，比如上面的bart就属于一个对象，该对象包括了name和score两个属性，还有一个print_score()方法。

    可以给一个实例自由的绑定属性，比如，为bart实例添加一个gender属性

    >>> bart.gender='male'
>>> bart.gender
'male'

    而有一些属性我们认为是必备的，这就可以通过一个特殊的__init__方法强制填入，比如前面的

    def __init__(self,name,score):
      self.name=name
      self.score=score

    注意这里的__init__是前后各两个下划线。

    另外，__init__方法的第一个参数永远是self，表示创建的实例本身。在实例化对象时，注意要传入与__init__方法相对应的参数，但是self不用传入。

  • 数据封装

    面向对象编程的一个重要特点就是数据封装。我们还是通过前面定义的Student类来看。对于面向过程的程序设计，当我们完成了数据的存储后，要实现对数据的操作，我们通常会定义一个方法，比如

    def print_score(stu):
      print('%s:%s' %(stu.name,stu.score))

    这样，方法和数据就是独立的，但是使用类的概念后，我们直接把这个方法封装进入类里，这样，调用这个类的方法只需这样：

    stu.print_score()

    可见，我们只关心操作对象的方法，而不关心其内部是如何实现的，这就是封装的优势所在。

    注意，在类内部写方法时，也需要把第一个参数置为self，至于其他的参数等都和普通函数完全一样，在调用时也同样不用传入self参数。

3.访问限制

  • Python通过在变量前添加两个下划线来把变量申明为私有private，比如，前面的Student，你现在在外部仍可以修改内部代码

    >>> bart=Student('Bart',99)
>>> bart.score=78
>>> bart.score
78
>>>

    现在我们给类的name和score属性添加__,让外部不可访问

    class Student(object):
def __init__(self,name,score):
    self.__name=name
    self.__score=score
def print_score(self):
    print('%s:%s' %(self.__name,self.__score))

    现在我们再来尝试从外部访问

    >>> bart=Student('Bart',99)
>>> bart.__name
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute '__name'

    发现，程序报错了，可见，通过添加__，程序把变量相应申明为私有了，这时，我们通过在程序内部提供公有的函数(public)来让外部使用

    def getName(self):
    return self.__name
def setName(self,name):
    self.__name=name

    这样，我们就把内部的变量完全封装了。

    >>> bart=Student('Bart',99)
>>> bart.setName('BART')
>>> bart.getName()
'BART'
>>>

4.继承和多态

  • 在OOP程序设计中，当我们定义一个class时，可以从某个现有的class继承，新的class称为子类(subclass)，而被继承的那个clas称为基类(Base class)

    假设现在我们有一个名为Animal的class

    class Animal:
  def run(self):
      print('Animal is running...')

    现在我们需要构建一个新类Dog类,这样我们就可以从Animal类继承

    class Dog(Animal):

    继承有什么好处呢？最大的好处就是子类会自动拥有父类的全部功能

    >>> Animal().run()
Animal is running...
>>> Dog().run()
Animal is running...
>>>

    从上面的代码可见，我们并没有为Dog类写run函数，但是他却有该函数功能，原因就是他继承了Animal类的run函数。

    观察上面的Dog函数，我们希望，他打印的信息不是Animal is running...,而应该是Dog is running...,这样，我们来对上面的Dog类做一些修改

    class Dog(Animal):
def run(self):
      print('Dog is running...')

    调用

    >>> Dog().run()
Dog is running...

    此时，Dog类的run函数并没有调用父类的，而是使用了在其内部定义的run方法，现在，我们获得了OOP程序设计的另一个好处：多态！。

  • Python是一种动态语言。

    相比较于静态语言(如Java)来说，如果需要传入某个特定的数据类型，那么传入的参数必须是相应的数据类型或者是其子类，否则调用就会出错，但对于Python来说则大可不必如此严格，比如，对于参数需要传入Animal类型，那么实际传入的参数未必一定要是该类型，只要是拥有run方法的对象都可以，这叫动态语言的“鸭子类型”，他并不要求严格的继承体系，一个对象只要“看起来像鸭子，走起路来像鸭子”，那么他就可以被看作是鸭子。

5.获取对象信息

  • 在Python中要获取对象的信息可以使用这几个函数：type(),isinstance(),dir()

    • type用法示例：
    >>> type(123)
<class 'int'>
>>> type('www')
<class 'str'>
>>> type([123])
<class 'list'>
>>> type((122,123))
<class 'tuple'>
>>> type({'name':'bob'})
<class 'dict'>

    判断是否属于函数

    >>> import types
>>> type(abs)
<class 'builtin_function_or_method'>
>>> type(abs)==types.BuiltinFunctionType
True
    • isinstance用法示例
    >>> isinstance(abs,types.BuiltinFunctionType)
True
>>> isinstance(123,int)
True
>>> isinstance('12',str)
True
>>> isinstance([12],list)
True
>>> isinstance([12],(list,tuple))
True
>>> isinstance({'bbb':122},(list,tuple))
False
    • dir用法示例：其返回一个对象的所有属性和方法
    >>> dir(int)
['__abs__', '__add__', '__and__', '__bool__', '__ceil__', '__class__', '__delattr__', '__dir__', '__divmod__', '__doc__', '__eq__', '__float__', '__floor__', '__floordiv__', '__format__', '__ge__', '__getattribute__', '__getnewargs__', '__gt__', '__hash__', '__index__', '__init__', '__init_subclass__', '__int__', '__invert__', '__le__', '__lshift__', '__lt__', '__mod__', '__mul__', '__ne__', '__neg__', '__new__', '__or__', '__pos__', '__pow__', '__radd__', '__rand__', '__rdivmod__', '__reduce__', '__reduce_ex__', '__repr__', '__rfloordiv__', '__rlshift__', '__rmod__', '__rmul__', '__ror__', '__round__', '__rpow__', '__rrshift__', '__rshift__', '__rsub__', '__rtruediv__', '__rxor__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', '__truediv__', '__trunc__', '__xor__', 'bit_length', 'conjugate', 'denominator', 'from_bytes', 'imag', 'numerator', 'real', 'to_bytes']
>>>

    类似__xxx__的属性和方法在Python中都是有特殊用途的，比如__len__方法返回长度。在Python中，如果你调用len()函数试图获取一个对象的长度，实际上，在len()函数内部，它自动去调用该对象的__len__()方法，所以，下面的代码是等价的：

    >>> len('123')
3
>>> '123'.__len__()
3
>>>

    这样当想为自己写的类添加len(xxx)用法时只需在定义时添加__len__()函数。

    在列出对象的属性后，配合getattr(),setattr()和hasattr()方法可以直接操作一个对象的状态。

    >>> class MyObject(object):
...     def __init__(self):
...             self.x=9
...
>>> obj=MyObject()
>>> hasattr(obj,'x')
True
>>> obj.x
9
>>> setattr(obj,'y',11)
>>> hasattr(obj,'y')
True
>>> getattr(obj,'y')
11

6.高级特性

  • __slots__方法：常规情况下，对一个类可以任意绑定属性，但当我们不希望这样的情况发生时，则可以限定能绑定的属性，使用的方式只需在创建类的时候把允许绑定的属性赋值给__slots__，比如我们希望仅能绑定name和score属性

    class Student(object):
  __slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称

    使用__slots__要注意，__slots__定义的属性仅对当前类实例起作用，对继承的子类是不起作用的：

    除非在子类中也定义__slots__，这样，子类实例允许定义的属性就是自身的__slots__加上父类的__slots__。

  • 使用@property

    在绑定属性时，如果我们直接把属性暴露出去，虽然写起来很简单，但是，没办法检查参数，导致可以把成绩随便改：

    s = Student()
s.score = 9999

    这显然不合逻辑。为了限制score的范围，可以通过一个set_score()方法来设置成绩，再通过一个get_score()来获取成绩，这样，在set_score()方法里，就可以检查参数：

    class Student(object):
  def get_score(self):
       return self._score
  def set_score(self, value):
      if not isinstance(value, int):
          raise ValueError('score must be an integer!')
      if value < 0 or value > 100:
          raise ValueError('score must between 0 ~ 100!')
      self._score = value

    现在，对任意的Student实例进行操作，就不能随心所欲地设置score了：

    >>> s = Student()
>>> s.set_score(60)
>>> s.get_score()
60
>>> s.set_score(9999)
Traceback (most recent call last):
...
ValueError: score must between 0 ~ 100!

    但是，上面的调用方法又略显复杂，没有直接用属性这么直接简单。

    有没有既能检查参数，又可以用类似属性这样简单的方式来访问类的变量呢？对于追求完美的Python程序员来说，这是必须要做到的！

    还记得装饰器（decorator）可以给函数动态加上功能吗？对于类的方法，装饰器一样起作用。Python内置的@property装饰器就是负责把一个方法变成属性调用的：

    class Student(object):

  @property
  def score(self):
      return self._score

  @score.setter
  def score(self, value):
      if not isinstance(value, int):
          raise ValueError('score must be an integer!')
      if value < 0 or value > 100:
          raise ValueError('score must between 0 ~ 100!')
      self._score = value

    @property的实现比较复杂，我们先考察如何使用。把一个getter方法变成属性，只需要加上@property就可以了，此时，@property本身又创建了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值，于是，我们就拥有一个可控的属性操作：

    >>> s = Student()
>>> s.score = 60 # OK，实际转化为s.set_score(60)
>>> s.score # OK，实际转化为s.get_score()
60
>>> s.score = 9999
Traceback (most recent call last):
...
ValueError: score must between 0 ~ 100!

    注意到这个神奇的@property，我们在对实例属性操作的时候，就知道该属性很可能不是直接暴露的，而是通过getter和setter方法来实现的。

    还可以定义只读属性，只定义getter方法，不定义setter方法就是一个只读属性：

    class Student(object):

  @property
  def birth(self):
      return self._birth

  @birth.setter
  def birth(self, value):
      self._birth = value

  @property
  def age(self):
      return 2015 - self._birth

    上面的birth是可读写属性，而age就是一个只读属性，因为age可以根据birth和当前时间计算出来。

  • 多重继承

    继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以拓展父类的功能。

    回顾之前的Animal类，假设我们要实现这几种动物：

    • Dog
    • Bat
    • Parrot
    • Ostrich

    如果按照哺乳动物和鸟类归类，我们可以设计出这样的类的层次：

    animal-mb

    但是如果按照“能跑”和“能飞”来归类，我们就应该设计出这样的类的层次：

    animal-rf

    如果要把上面的两种分类都包含进来，我们就得设计更多的层次：

    • 哺乳类：能跑的哺乳类，能飞的哺乳类；
    • 鸟类：能跑的鸟类，能飞的鸟类。

    这么一来，类的层次就复杂了：

    animal-mb-rf

    为了避免这种情况，就可以使用多重继承。首先，主要的类仍就是按照哺乳类和鸟类进行设计：

    class Animal:
pass


#大分类  

class Mammal(Animal):
pass

class Bird(Animal):
pass


##底层类

class Dog(Mammal):
pass

class Bat(Mammal):
pass

class Parrot(Bird):
pass

class Ostrich(Bird):
pass

    现在，我们再为动物添加Runnable和Flyable功能，只需先定义好这两个类：

    
#额外属性类

class Runnable(object):
def run(self):
    print('Running...')

class Flyable(object):
def fly(self):
    print('Flying...')

    此时，我们给需要额外属性的子类添加相应的父类

    class Dog(Mammal,Runnable):
  pass

class Bat(Mammal,Flyable):
  pass

    这样，通过多继承，子类就拥有了多个父类的功能。这种混合式继承的设计方式称之为MixIn。为了能明显看出是多继承关系，我们一般会把上面类似Runnable和Flyable的额外添加的类命名为RunnableMixIn和FlyableMixIn。Python自带的很多类也是用了这样的设计。

  • 定制类

    形如__xxx__这样的变量或者方法在Python中有着特殊的用途。可以用来为我们自己写的类定制特定的功能，下面我们来介绍常用的几个

    1.__slots__:这个我们在之前已经介绍过，可以用来限定类的属性。

    2.__len()__:这个方法我们也介绍过，是为了能让自己写的类使用len()函数。

    3.__str__:

    我们先定义一个Student类，打印一个实例：

    >>> class Student(object):
...     def __init__(self, name):
...         self.name = name
...
>>> print(Student('Michael'))
<__main__.Student object at 0x109afb190>

    打印出一堆<__main__.Student object at 0x109afb190>，不好看。

    怎么才能打印得好看呢？只需要定义好__str__()方法，返回一个好看的字符串就可以了：

    >>> class Student(object):
...     def __init__(self, name):
...         self.name = name
...     def __str__(self):
...         return 'Student object (name: %s)' % self.name
...
>>> print(Student('Michael'))
Student object (name: Michael)

    这样打印出来的实例，不但好看，而且容易看出实例内部重要的数据。

    但是你会发现直接敲变量，打印出来的实例还是不好看：

    >>> s = Student('Michael')
>>> s
<__main__.Student object at 0x109afb310>

    这是因为直接显示变量调用的不是__str__()，而是__repr__()，两者的区别是__str__()返回用户看到的字符串，而__repr__()返回程序开发者看到的字符串，也就是说，__repr__()是为调试服务的。

    解决办法是再定义一个__repr__()。但是通常__str__()和__repr__()代码都是一样的，所以，有个偷懒的写法：

    class Student(object):
  def __init__(self, name):
      self.name = name
  def __str__(self):
      return 'Student object (name=%s)' % self.name
  __repr__ = __str__

    4.__iter__

    如果一个类想被用于for ... in循环，类似list或tuple那样，就必须实现一个__iter__()方法，该方法返回一个迭代对象，然后，Python的for循环就会不断调用该迭代对象的__next__()方法拿到循环的下一个值，直到遇到StopIteration错误时退出循环。

    class Fib(object):
  def __init__(self):
      self.a,self.b=0,1

  def __iter__(self):
      return self #实例本身就是迭代对象

  def __next__(self):
      self.a,self.b=self.b,self.a+self.b
      if self.a>10000:
          raise StopIteration()
      return self.a

    现在来调用

    >>> L=[]
>>> for n in Fib():
...     L.append(n)
...
>>> L
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, 987, 1597, 2584, 4181, 6765]

    5.__getitem__

    如果要让上面的Fib类实现用下标来获得元素，那么需要为其实现__getitem___方法

    class Fib(object):
  def __getitem__(self,n):
      a,b=1,1
      for x in range(n):
          a,b=b,a+b
          return a

    现在就可以是用下标来进行调用操作

    >>> f=Fib()
>>> f[1]
1
>>> f[5]
8
>>> f[12]
233
>>> f[111]
114059301025943970552219

    类似的，还可以实现类于list的其他功能，可以使用诸如__setitem__(),__delitem__()等方法。

    6.__getattr__

    正常情况下，当我们调用类的方法或属性时，如果不存在，就会报错。比如定义Student类：

    class Student(object):

  def __init__(self):
      self.name = 'Michael'

    调用name属性，没问题，但是，调用不存在的score属性，就有问题了：

    >>> s = Student()
>>> print(s.name)
Michael
>>> print(s.score)
Traceback (most recent call last):
...
AttributeError: 'Student' object has no attribute 'score'

    错误信息很清楚地告诉我们，没有找到score这个attribute。

    要避免这个错误，除了可以加上一个score属性外，Python还有另一个机制，那就是写一个__getattr__()方法，动态返回一个属性。修改如下：

    class Student(object):

  def __init__(self):
      self.name = 'Michael'

  def __getattr__(self, attr):
      if attr=='score':
          return 99

    当调用不存在的属性时，比如score，Python解释器会试图调用__getattr__(self, 'score')来尝试获得属性，这样，我们就有机会返回score的值：

    >>> s = Student()
>>> s.name
'Michael'
>>> s.score
99

  • 使用枚举类

    当我们需要定义常量时，比如月份，可以采用枚举类来完成，Python提供了Enum类来完成这个功能。

    示例：使用枚举类定义月份

    from enum import Enum
Month=Enum('Month',('Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'));

    这样我们就获得了Month类型的枚举类，可以直接使用Month.xxx的形式来引用一个常量，或者枚举其所有成员

    >>> for name,member in Month.__members__.items():
...     print(name,'=>',member,',',member.value)
...
Jan => Month.Jan , 1
Feb => Month.Feb , 2
Mar => Month.Mar , 3
Apr => Month.Apr , 4
May => Month.May , 5
Jun => Month.Jun , 6
Jul => Month.Jul , 7
Aug => Month.Aug , 8
Sep => Month.Sep , 9
Oct => Month.Oct , 10
Nov => Month.Nov , 11
Dec => Month.Dec , 12
>>>

    value属性是自动赋值给成员的int型变量，默认从1开始。

  • 使用元类

    动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。

    比方说我们要定义一个Hello的class，就写一个hello.py模块：

    class Hello(object):
  def hello(self, name='world'):
      print('Hello, %s.' % name)

    当Python解释器载入hello模块时，就会依次执行该模块的所有语句，执行结果就是动态创建出一个Hello的class对象，测试如下：

    >>> from hello import Hello
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class 'hello.Hello'>

    type()函数可以查看一个类型或变量的类型，Hello是一个class，它的类型就是type，而h是一个实例，它的类型就是class Hello。

    我们说class的定义是运行时动态创建的，而创建class的方法就是使用type()函数。

    type()函数既可以返回一个对象的类型，又可以创建出新的类型，比如，我们可以通过type()函数创建出Hello类，而无需通过class Hello(object)...的定义：

    >>> def fn(self, name='world'): # 先定义函数
...     print('Hello, %s.' % name)
...
>>> Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class '__main__.Hello'>

    要创建一个class对象，type()函数依次传入3个参数：

    1. class的名称；
    2. 继承的父类集合，注意Python支持多重继承，如果只有一个父类，别忘了tuple的单元素写法；
    3. class的方法名称与函数绑定，这里我们把函数fn绑定到方法名hello上。

    通过type()函数创建的类和直接写class是完全一样的，因为Python解释器遇到class定义时，仅仅是扫描一下class定义的语法，然后调用type()函数创建出class。

    正常情况下，我们都用class Xxx...来定义类，但是，type()函数也允许我们动态创建出类来，也就是说，动态语言本身支持运行期动态创建类，这和静态语言有非常大的不同，要在静态语言运行期创建类，必须构造源代码字符串再调用编译器，或者借助一些工具生成字节码实现，本质上都是动态编译，会非常复杂。

    metaclass

    除了使用type()动态创建类以外，要控制类的创建行为，还可以使用metaclass。

    metaclass，直译为元类，简单的解释就是：

    当我们定义了类以后，就可以根据这个类创建出实例，所以：先定义类，然后创建实例。

    但是如果我们想创建出类呢？那就必须根据metaclass创建出类，所以：先定义metaclass，然后创建类。

    连接起来就是：先定义metaclass，就可以创建类，最后创建实例。

    所以，metaclass允许你创建类或者修改类。换句话说，你可以把类看成是metaclass创建出来的“实例”。

    metaclass是Python面向对象里最难理解，也是最难使用的魔术代码。正常情况下，你不会碰到需要使用metaclass的情况，所以，以下内容看不懂也没关系，因为基本上你不会用到。

    我们先看一个简单的例子，这个metaclass可以给我们自定义的MyList增加一个add方法：

    定义ListMetaclass，按照默认习惯，metaclass的类名总是以Metaclass结尾，以便清楚地表示这是一个metaclass：

    
# metaclass是类的模板，所以必须从`type`类型派生：

class ListMetaclass(type):
  def __new__(cls, name, bases, attrs):
      attrs['add'] = lambda self, value: self.append(value)
      return type.__new__(cls, name, bases, attrs)

    有了ListMetaclass，我们在定义类的时候还要指示使用ListMetaclass来定制类，传入关键字参数metaclass：

    class MyList(list, metaclass=ListMetaclass):
  pass

    当我们传入关键字参数metaclass时，魔术就生效了，它指示Python解释器在创建MyList时，要通过ListMetaclass.__new__()来创建，在此，我们可以修改类的定义，比如，加上新的方法，然后，返回修改后的定义。

    __new__()方法接收到的参数依次是：

    1. 当前准备创建的类的对象；
    2. 类的名字；
    3. 类继承的父类集合；
    4. 类的方法集合。

    测试一下MyList是否可以调用add()方法：

    >>> L = MyList()
>>> L.add(1)
>> L
[1]

    而普通的list没有add()方法：

    >>> L2 = list()
>>> L2.add(1)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: 'list' object has no attribute 'add'

    动态修改有什么意义？直接在MyList定义中写上add()方法不是更简单吗？正常情况下，确实应该直接写，通过metaclass修改纯属变态。

    但是，总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子。

    ORM全称“Object Relational Mapping”，即对象-关系映射，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码更简单，不用直接操作SQL语句。

    要编写一个ORM框架，所有的类都只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来。

    让我们来尝试编写一个ORM框架。

    编写底层模块的第一步，就是先把调用接口写出来。比如，使用者如果使用这个ORM框架，想定义一个User类来操作对应的数据库表User，我们期待他写出这样的代码：

    class User(Model):
  # 定义类的属性到列的映射：
  id = IntegerField('id')
  name = StringField('username')
  email = StringField('email')
  password = StringField('password')


# 创建一个实例：

u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')

# 保存到数据库：

u.save()

    其中，父类Model和属性类型StringField、IntegerField是由ORM框架提供的，剩下的魔术方法比如save()全部由metaclass自动完成。虽然metaclass的编写会比较复杂，但ORM的使用者用起来却异常简单。

    现在，我们就按上面的接口来实现该ORM。

    首先来定义Field类，它负责保存数据库表的字段名和字段类型：

    class Field(object):

  def __init__(self, name, column_type):
      self.name = name
      self.column_type = column_type

  def __str__(self):
      return '<%s:%s>' % (self.__class__.__name__, self.name)

    在Field的基础上，进一步定义各种类型的Field，比如StringField，IntegerField等等：

    class StringField(Field):

  def __init__(self, name):
      super(StringField, self).__init__(name, 'varchar(100)')

class IntegerField(Field):

  def __init__(self, name):
      super(IntegerField, self).__init__(name, 'bigint')

    下一步，就是编写最复杂的ModelMetaclass了：

    class ModelMetaclass(type):

  def __new__(cls, name, bases, attrs):
      if name=='Model':
          return type.__new__(cls, name, bases, attrs)
      print('Found model: %s' % name)
      mappings = dict()
      for k, v in attrs.items():
          if isinstance(v, Field):
              print('Found mapping: %s ==> %s' % (k, v))
              mappings[k] = v
      for k in mappings.keys():
          attrs.pop(k)
      attrs['__mappings__'] = mappings # 保存属性和列的映射关系
      attrs['__table__'] = name # 假设表名和类名一致
      return type.__new__(cls, name, bases, attrs)

    以及基类Model：

    class Model(dict, metaclass=ModelMetaclass):

  def __init__(self, **kw):
      super(Model, self).__init__(**kw)

  def __getattr__(self, key):
      try:
          return self[key]
      except KeyError:
          raise AttributeError(r"'Model' object has no attribute '%s'" % key)

  def __setattr__(self, key, value):
      self[key] = value

  def save(self):
      fields = []
      params = []
      args = []
      for k, v in self.__mappings__.items():
          fields.append(v.name)
          params.append('?')
          args.append(getattr(self, k, None))
      sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params))
      print('SQL: %s' % sql)
      print('ARGS: %s' % str(args))

    当用户定义一个class User(Model)时，Python解释器首先在当前类User的定义中查找metaclass，如果没有找到，就继续在父类Model中查找metaclass，找到了，就使用Model中定义的metaclass的ModelMetaclass来创建User类，也就是说，metaclass可以隐式地继承到子类，但子类自己却感觉不到。

    在ModelMetaclass中，一共做了几件事情：

    1. 排除掉对Model类的修改；
    2. 在当前类（比如User）中查找定义的类的所有属性，如果找到一个Field属性，就把它保存到一个__mappings__的dict中，同时从类属性中删除该Field属性，否则，容易造成运行时错误（实例的属性会遮盖类的同名属性）；
    3. 把表名保存到__table__中，这里简化为表名默认为类名。

    在Model类中，就可以定义各种操作数据库的方法，比如save()，delete()，find()，update等等。

    我们实现了save()方法，把一个实例保存到数据库中。因为有表名，属性到字段的映射和属性值的集合，就可以构造出INSERT语句。

    编写代码试试：

    u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')
u.save()

    输出如下：

    Found model: User
Found mapping: email ==> <StringField:email>
Found mapping: password ==> <StringField:password>
Found mapping: id ==> <IntegerField:uid>
Found mapping: name ==> <StringField:username>
SQL: insert into User (password,email,username,id) values (?,?,?,?)
ARGS: ['my-pwd', 'test@orm.org', 'Michael', 12345]

    可以看到，save()方法已经打印出了可执行的SQL语句，以及参数列表，只需要真正连接到数据库，执行该SQL语句，就可以完成真正的功能。

7.小结

本文内容较多，都是围绕Python中的面向对象编程的。首先我们介绍了面向对象编程的概念和其在Python的应用，然后我们使用一个实例Student类来讲述Python中类的创建使用以及其一些常用的功能，然后介绍了Python面向对象编程的几个特点：包括数据封装，继承和多态，访问限制等，然后介绍了Python面向对象编程的几个高级功能，用来定制话自己创建的类。学习本文需要逐一自己理解并实际动手操作才能掌握，切不可眼高手低。

posted @ 2017-05-18 09:43  yczha  阅读(102)  评论(0)  编辑  收藏  举报