首先来看一个json文件的读取。书中给出了一个json样例。该json文件有700多K，数据量充足，适合本章的例子。文件的具体内容可以在http://www.oreilly.com/pub/sc/osconfeed上查看。首先先下载数据生成json文件。
def load():
url='http://www.oreilly.com/pub/sc/osconfeed'
JSON="osconfeed.json"
if not os.path.exists(JSON):
remote=urlopen(url)
with open(JSON,'wb') as local:
local.write(remote.read())
with open(JSON) as fp:
return json.load(fp)
我们要访问json数据里面的例子，该如何访问呢，一般情况是
print feed['Schedule']['speakers'][-1]['name'] 但是这种句法有个缺点，就是很冗长。能不能按照feed.Schedule.speakers[-1].name这种比较简洁的方式来访问呢。要实现这种访问。需要对数据做下重新处理。这里要用到__getattr__方法：代码如下：
class FrozenJSON:
def __init__(self,mapping):
self.__data=dict(mapping) (1)
def __getattr__(self,name):
if hasattr(self.__data,name):
return getattr(self.__data,name) (2)
else:
return FrozenJSON.build(self.__data[name]) (3)
@classmethod
def build(cls,obj):
if isinstance(obj,dict): (4)
return cls(obj)
elif isinstance(obj,list): (5)
return [cls.build(item) for item in obj]
else: (6)
return obj
(1)构造一个字典，这样做确保传入的是字典
(2)确保没有此属性的时候调用__getattr__
(3)如果name是__data的属性，则返回那个属性。
(4)如果判定是字典，则返回该字典对象
(5)如果是列表，则将列表的每个元素递归的传给build方法，构建一个列表
(6)如果既不是列表也不是字典，则直接返回元素
这样实现我们就能按照前面的预期来访问元素了：raw_feed.Schedule.speakers[-1].name
使用__new__方法来创建对象
首先来介绍下__new__方法。我们通常都将__init__称为构造函数。其实在python中真正的构造函数应该是__new__。我们没有具体的去实现__new__方法。是因为从object类继承的实现已经足够了。来看一个例子：
class A(object):
def __init__(self):
print '__init__'
def __new__(cls, *args, **kwargs):
print '__new__'
print cls
return object.__new__(cls, *args, **kwargs)
if __name__=="__main__":
a=A()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter19.py
__new__
<class '__main__.A'>
__init__
从结果可以看到首先是进入__new__，然后来生成一个对象的实例并返回。最后才是执行__init__。从这个例子可以看出在构造一个对象实例的时候，首先是进入__new__生成对象实例，然后再调用__init__方法进行初始赋值。那么我们用__new__方法来改造前面的FrozenJSON类。在前面的FrozenJSON实现中，build函数其实是不停的在递归各个字典对象，在递归过程中生成FronzenJSON实例进行处理。也就是第四步中的return cls(obj)。这里我们可以__new__来改造。
class FrozenJSON1(object):
def __new__(cls, args):
if isinstance(args,dict):
return object.__new__(cls)
elif isinstance(args,list):
return [cls(item) for item in arg]
else:
return args
def __init__(self,mapping):
self.__data=dict(mapping)
def __getattr__(self,name):
if hasattr(self.__data,name):
return getattr(self.__data,name)
else:
return FrozenJSON(self.__data[name])
上面代码部分中的__new__就是实现了build方法。在__getattr__中没有找到对应name属性时候，return FrozenJSON(self.__data[name])新建一个FrozenJSON对象进行往下递归
使用特性验证属性：
首先来看一个电商应用
class LineItem(object):
def __init__(self,description,weight,price):
self.description=description
self.weight=weight
self.price=price
def subtotal(self):
return self.weight*self.price
if __name__=="__main__":
raisins=LineItem('Golden raisins',10,6.95)
print raisins.subtotal()
目前这个实现都是正常的，客户输入要的货物数量，和单价。在这里计算出总价。但是如果客户一个不小心，把货物数量设置成了负数，后果会怎样？
if __name__=="__main__":
raisins=LineItem('Golden raisins',10,6.95)
print raisins.subtotal()
raisins.weight=-20
print raisins.subtotal()
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter19.py
69.5
-139.0
这个时候变成了给顾客钱。是不是很囧。一般来说这种情况下都会想到将变量设置为私有变量。然后则设置值的时候进行保护。
class LineItem(object):
def __init__(self,description,weight,price):
self.description=description
self.__weight=weight
self.__price=price
def set_value(self,new_value):
if new_value <=0:
raise ValueError('value must be > 0')
else:
self.__weight=new_value
def subtotal(self):
return self.__weight*self.__price
if __name__=="__main__":
raisins=LineItem('Golden raisins',10,6.95)
print raisins.subtotal()
raisins.set_value(0)
数量和价格都被设置成了私有变量。要想设置值必须通过set_value的方式。而在set_value的时候设置了保护，当设置的值小于等于0的时候，弹出异常。
Traceback (most recent call last):
File "E:/py_prj/fluent_python/chapter19.py", line 76, in <module>
raisins.set_value(0)
File "E:/py_prj/fluent_python/chapter19.py", line 68, in set_value
raise ValueError('value must be > 0')
ValueError: value must be > 0
对于这种情况，我们还有另外一种方法。那就是将属性变成一种特性。采用property方法。代码如下：
class LineItem(object):
def __init__(self,description,weight,price):
self.description=description
self.weight=weight
self.price=price
def subtotal(self):
return self.weight*self.price
@property
def weight(self):
return self.__weight
@weight.setter
def weight(self,value):
if value <=0:
raise ValueError('value must be > 0')
else:
self.__weight=value
if __name__=="__main__":
raisins=LineItem('Golden raisins',10,6.95)
print raisins.subtotal()
raisins.weight=0
通过@property将weight变成一个特性，@weight.setter来进行赋值。虽然内置的property经常用作装饰器，但它其实是个类。代码可以改写成下面的样子：
class LineItem(object):
def __init__(self,description,weight,price):
self.description=description
self.weight=weight
self.price=price
def subtotal(self):
return self.weight*self.price
def get_weight(self):
return self.__weight
def set_weight(self,value):
if value <= 0:
raise ValueError('value must be > 0')
else:
self.__weight=value
weight=property(get_weight,set_weight)
至于用哪种方法更好，这个属于见仁见智的看法。我个人觉得用装饰器的方式看起来更简洁一些。因为可以很明白的看出赋值和读值，而不用按照惯例在方法名的前面加上get和set
接下来看下属性和特性的差别：
class Class(object):
data='the class data attr'
@property
def prop(self):
return 'the prop value'
if __name__=="__main__":
obj=Class()
print vars(obj) (1)
print obj.data (2)
obj.data='bar'
print vars(obj) (3)
print obj.data (4)
print Class.data (5)
(1) vars函数返回的是obj的__dict__函数，没有实例属性
(2) 读取obj.data实际上读取的是Class.data的值
(3) 为obj.data赋值后，创建一个实例属性。
(4) 读取obj.data，获取的是实例属性的值。实例属性会覆盖类属性data
(5) 类属性还是以前的样子，并没有被覆盖
下面来看下特性的例子
if __name__=="__main__":
obj=Class()
print Class.prop (1)
print obj.prop (2)
obj.__dict__['prop']='foo' (3)
print vars(obj)
print obj.prop (4)
Class.prop='baz'
print obj.prop (5)
E:python2.7.11python.exe E:/py_prj/fluent_python/chapter19.py
<property object at 0x01B4F540>
the prop value
{'prop': 'foo'}
the prop value
foo
(1) 直接从Class中读取prop特性。获取的是特性本身
(2) 读取obj.prop
(3) 通过__dict__方法来给实例增加一个属性
(4) 此时实例有2个实例属性，data和prop, 但是在调用prop的时候仍然是读取特性的方法，而不是实例属性。表明特性没有被实例属性覆盖
(5) 当类的prop特性被覆盖后，销毁该特性对象。再次读取obj.prop的时候，Class.prop不再是特性了，因此不会覆盖obj.prop。
总结：从这里可以看出，当读取实例属性的时候会覆盖类的属性。而在读取实例特性的时候，特性不会被实例属性覆盖，而依然是读取类的特性。除非类特性被销毁。