一、使用__slot__
正常情况下，当我们定义了一个class，创建了一个class的实例后，我们可以给该 实例 绑定 任何属性和方法，这就是动态语言的灵活性。先定义class：
name 'Object' is not defined，定义在内部的object写的一定要是小写
class Student(object):
pass
s=Student()
# 1.给实例绑定属性
s.name='mike'
print(s.name)
# 2.给实例绑定方法，给某一个实例绑定方法，对于下一个实例是不起作用的
#定义一个函数作为实例方法
def set_age(self,age):
self.age=age
from types import MethodType
#给实例绑定一个方法,给s实例绑定上set_age的方法
s.set_age=MethodType(set_age,s)
#调用实例方法
s.set_age(25)
#测试结果
print(s.age)
s2=Student()
# s2.set_age(26)
# print(s2.age)
#此处会报错：AttributeError: 'Student' object has no attribute 'set_age'
# 3.给类绑定方法
def set_score(self, score):
self.score = score
Student.set_score=set_score
#类绑定方法之后所有的实例都可以使用
s.set_score(100)
s2.set_score(99)
print(s.score,s2.score)
通常情况下，上面的set_score方法可以直接定义在class中，但动态绑定允许我们在程序运行的过程中动态给class加上功能，这在静态语言中很难实现。
使用__slots__ 限制实例绑定的属性或方法
只允许绑定__slots__中定义的属性或方法
class Student(object):
__slots__ = ('name', 'age') # 用tuple定义允许绑定的属性名称
s=Student()
s.name='Mike'
s.age=25
s.score=99
#出现报错：AttributeError: 'Student' object has no attribute 'score'
#由于'score'没有被放到__slots__中，所以不能绑定score属性，试图绑定score将得到AttributeError的错误。
class GraduateStudent(Student):
pass
g=GraduateStudent()
g.score=9999
print(g.score)
#出现报错：AttributeError: 'Student' object has no attribute 'score'
#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：
二、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，不能在某个范围内修改：
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？
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：
# @property广泛应用在类的定义中，可以让调用者写出简短的代码，同时保证对参数进行必要的检查，
# 这样，程序运行时就减少了出错的可能性。
# @property给一个Screen对象加上width和height属性，以及一个只读属性resolution
# RecursionError: maximum recursion depth exceeded。一般会在对象属性名前加一个下划线 `_` 避免重名，并且表明这是一个受保护的属性
#@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：
#只要当前的 property 修饰过的属性方法 都可以被直接使用
class Screen(object):
def _set_value(self, value):
if not isinstance(value, int):
raise ValueError()
if value < 0:
raise ValueError()
return value
@property
def width(self):
return self._width
@property
def height(self):
return self._height
@width.setter
def width(self, value):
self._width = self._set_value(value)
@height.setter
def height(self, value):
self._height = self._set_value(value)
@property
def resolution(self):
return self._width * self._height
s = Screen()
s.width = 1024
s.height = 768
print('resolution =', s.resolution)
if s.resolution == 786432:
print('测试通过!')
else:
print('测试失败!')
三、多重继承 和 MixIn
由于Python允许使用多重继承，因此，MixIn就是一种常见的设计.Mixln是多重继承中的一种，class都带有MIXIN增加代码可读性，能更好理解当前的类具备多重继承
只允许单一继承的语言（如Java）不能使用MixIn的设计。
继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以扩展父类的功能。
回忆一下Animal类层次的设计，假设我们要实现以下4种动物：
- Dog - 狗狗；
- Bat - 蝙蝠；
- Parrot - 鹦鹉；
- Ostrich - 鸵鸟。
如果按照哺乳动物和鸟类归类，我们可以设计出一种类的分类层次：
但是如果按照“能跑”和“能飞”来归类，我们就应该设计出一种类的分类层次：
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：
如果要再增加“宠物类”和“非宠物类”，这么搞下去，类的数量会呈指数增长，很明显这样设计是不行的。
正确的做法是采用多重继承。首先，主要的类层次仍按照哺乳类和鸟类设计：
class Animal(object):
pass
# 大类:
class Mammal(Animal):
pass
class Bird(Animal):
pass
# 各种动物:
class Dog(Mammal):
pass
class Bat(Mammal):
pass
class Parrot(Bird):
pass
class Ostrich(Bird):
pass
#各种方法
class Runnable(object):
def run(self):
print('Running...')
class Flyable(object):
def fly(self):
print('Flying...')
#对于需要Runnable功能的动物，就多继承一个Runnable，例如Dog
class Dog(Mammal, Runnable):
pass
#对于需要Flyable功能的动物，就多继承一个Flyable，例如Bat
class Bat(Mammal, Flyable):
pass
# 在设计类的继承关系时，通常，主线都是单一继承下来的，
# 例如，Ostrich继承自Bird。但是，如果需要“混入”额外的功能，通过多重继承就可以实现，
# 比如，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计通常称之为MixIn。
#为了更好地看出继承关系，我们把Runnable和Flyable改为RunnableMixIn和FlyableMixIn。
#类似的，你还可以定义出肉食动物CarnivorousMixIn和植食动物HerbivoresMixIn，让某个动物同时拥有好几个MixIn：
class Dog(Mammal, RunnableMixIn, CarnivorousMixIn):
pass
#MixIn的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功能，而不是设计多层次的复杂的继承关系。
# Python自带的很多库也使用了MixIn。举个例子，Python自带了TCPServer和UDPServer这两类网络服务，而要
# 同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合，我们就可以创造出合适的服务来。
# 比如，编写一个多进程模式的TCP服务，定义如下：
class MyTCPServer(TCPServer, ForkingMixIn):
pass
# 比如，编写一个多进程模式的UDP服务，定义如下：
class MyUDPServer(UDPServer, ThreadingMixIn):
pass
四、定制类
看到类似__slots__这种形如__xxx__的变量或者函数名就要注意，这些在Python中是有特殊用途的。
__slots__我们已经知道怎么用了，__len__()方法我们也知道是为了能让class作用于len()函数。
除此之外，Python的class中还有许多这样有特殊用途的函数，可以帮助我们定制类。
__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。
我们以斐波那契数列为例，写一个Fib类，可以作用于for循环：
class Fib(object):
def __init__(self):
self.a, self.b = 0, 1 # 初始化两个计数器a，b
def __iter__(self):
return self # 实例本身就是迭代对象，故返回自己
def __next__(self):
self.a, self.b = self.b, self.a + self.b # 计算下一个值
if self.a > 100000: # 退出循环的条件
raise StopIteration()
return self.a # 返回下一个值
测试
for n in Fib(): ... print(n)
__getitem__
Fib实例虽然能作用于for循环，看起来和list有点像，但是，把它当成list来使用还是不行，比如，取第5个元素：
Fib()[5] Traceback (most recent call last): File "<stdin>", line 1, in <module> TypeError: 'Fib' object does not support indexing
要表现得像list那样按照下标取出元素，需要实现__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
测试
f = Fib() f[0]
f[1]
f[2]
更多的定制类的使用可以查看官方文档：
https://docs.python.org/3/reference/datamodel.html#special-method-names
四、枚举类
当我们需要定义常量时，一个办法是用大写变量通过整数来定义，例如月份：
新类名 = Enum(变量统称名，(变量1，变量2....))
JAN = 1 FEB = 2 MAR = 3 ... NOV = 11 DEC = 12
好处是简单，缺点是类型是int，并且仍然是变量。
更好的方法是为这样的枚举类型定义一个class类型，然后，每个常量都是class的一个唯一实例。Python提供了 Enum类 来实现这个功能
from enum import Enum Month = Enum('month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec')) for name, member in Month.__members__.items(): print(name, '=>', member, ',', member.value)
这样我们就获得了Month类型的枚举类，可以直接使用Month.Jan来引用一个常量，或者枚举它的所有成员：
运行结果：
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
出现问题
ModuleNotFoundError: No module named 'Enum'
解决方法
enum下载地址：https://pypi.python.org/pypi/enum34#downloads
根据当前的python版本选择要下载的类型
也可以直接pip安装当前的包
G:1.pythonproject>pip install Enum34 Collecting Enum34 Downloading enum34-1.1.10-py3-none-any.whl (11 kB) Installing collected packages: Enum34 Successfully installed Enum34-1.1.10 G:1.pythonproject>pip install G:1.pythonenum34-1.1.10-py3-none-any.whl Processing g:1.pythonenum34-1.1.10-py3-none-any.whl enum34 is already installed with the same version as the provided wheel. Use - -force-reinstall to force an installation of the wheel.
value属性则是自动赋给成员的int常量，默认从1开始计数。
如果需要更精确地控制枚举类型，可以从Enum派生出自定义类：
@unique装饰器可以帮助我们检查保证没有重复值。
访问这些枚举类型可以有若干种方法，既可以用成员名称引用枚举常量，又可以直接根据value的值获得枚举常量
1、一般引用当前的枚举常量
from enum import Enum, unique
@unique
class Weekday(Enum):
Sun = 0 # Sun的value被设定为0
Mon = 1
Tue = 2
Wed = 3
Thu = 4
Fri = 5
Sat = 6
for name, member in Weekday.__members__.items():
print(name, '=>', member)
#成员名称直接饮用枚举常量
day1 = Weekday.Mon
print(day1)
打印内容：Weekday.Mon
print(Weekday['Tue'])
打印内容：Weekday.Tue
#直接根据value的值获得枚举常量
print(Weekday(1))
打印内容：Weekday.Mon
print(Weekday.Tue.value)
打印内容：2
2、当Class中有重复值时，会返回第一个，其他忽略
from enum import Enum
class Weekday(Enum):
monday = 1
tusday = 1
wensdday =3
thursday =9
friday =5
#print (Weekday(1))
for n in Weekday:
print (n)
运行结果：
Weekday.monday Weekday.wensdday Weekday.thursday Weekday.friday
3、@unique 检查重复值
from enum import Enum,
@unique
class Weekday(Enum):
monday = 1
tusday = 1
wensdday =3
thursday =9
friday =5
print (Weekday(1))
运行结果：
Traceback (most recent call last):
File "/usercode/file.py", line 7, in <module>
class Weekday(Enum):
File "/usr/lib/python3.4/enum.py", line 524, in unique
(enumeration, alias_details))
ValueError: duplicate values found in <enum 'Weekday'>: tusday -> monday
4、枚举比较：不能比大小！！能比同值
from enum import Enum, unique
#@unique
class Weekday(Enum):
monday = 1
tusday = 1
wensdday =3
thursday =9
friday =5
print (Weekday.monday == Weekday.wensdday)
print (Weekday.tusday is Weekday.friday )
print (Weekday.tusday > Weekday.friday )
测试结果
False
False
Traceback (most recent call last):
File "/usercode/file.py", line 16, in <module>
print (Weekday.tusday > Weekday.friday )
TypeError: unorderable types: Weekday() > Weekday()
五、使用元类
type()
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：
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
class Hello(object):
def hello(self, name='world'):
print('Hello, %s.' % name)
# 要创建一个class对象，type()函数依次传入3个参数：
# class的名称；
# 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；
# 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
print(type(Hello))
# <class 'type'>
h=Hello()
print(type(h))
#<class '__main__.Hello'>
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：
-
当前准备创建的类的对象；
-
类的名字；
-
类继承的父类集合；
-
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 运行结果： [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()全部由父类Model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：
-
排除掉对
Model类的修改； -
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）； -
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。
不到100行代码，我们就通过metaclass实现了一个精简的ORM框架
seasons = ['Spring', 'Summer', 'Fall', 'Winter'] print (list(enumerate(seasons))) 运行结果： [(0, 'Spring'), (1, 'Summer'), (2, 'Fall'), (3, 'Winter')]