外贸购物网站制作,十大免费货源网址,长尾关键词网站,走出趣网站怎么做就像元数据是有关数据的数据一样#xff0c;元编程就是编写用于操纵程序的某些程序。人们普遍认为#xff0c;元程序就是生成其他程序的某些程序#xff0c;但范式更加广泛。所有旨在自我读取、分析、转换或修改的程序都是元编程的范例。例如#xff1a;领域特定语言 (DSL)…就像元数据是有关数据的数据一样元编程就是编写用于操纵程序的某些程序。人们普遍认为元程序就是生成其他程序的某些程序但范式更加广泛。所有旨在自我读取、分析、转换或修改的程序都是元编程的范例。例如领域特定语言 (DSL)解析器解释器编译器定理证明器术语重写器本教程探究 Python 中的元编程。本文通过考察 Python 的特性更新您的 Python 知识让您能够更深入地理解本教程中的概念。同时还说明了 Python 中的类型为何会比只返回对象的类更重要。之后讨论了在 Python 中进行元编程的方法以及元编程如何简化某些任务。稍作反思如果您使用 Python 进行编程已经有段时间可能知道一切都是对象而类创建了这些对象。但是如果一切都是对象(类也是对象)那么谁来创建这些类呢这就是我要解答的问题。我们来验证一下上述说法是否正确1 2 3 4 5 class SomeClass: ... pass some_object SomeClass() type(some_obj) __main__.someclass instance at因此在对象上调用的 type 函数返回该对象的类。1 2 3 4 5 6 7 import inspect inspect.isclass(SomeClass) True inspect.isclass(some_object) False inspect.isclass(type(some_object)) True如果将类传递给 inspect.isclass它就会返回 True否则即返回 False。因为 some_object 不是类(它是 SomeClass 类的实例)所以 inspect.isclass 返回 False。又因为 type(some_object) 返回 some_object 的类所以inspect.isclass(type(some_object)) 返回 True1 2 3 4 type(SomeClass) inspect.isclass(type(SomeClass)) True在 Python 3 中所有类在默认情况下从 Classobj 类继承。现在一切都说得通了。但 classobj 又该如何解释我们来开开眼1 2 3 4 5 6 7 8 type(type(SomeClass)) inspect.isclass(type(type(SomeClass))) True type(type(type(SomeClass))) isclass(type(type(type(SomeClass)))) True发现了吗事实证明一开始的说法(一切都是对象)并不完全正确。下面是更准确的说法除 type 之外Python 中的一切都是对象它们要么是类的实例要么是元类的实例。验证这一点1 2 3 4 5 some_obj SomeClass() isinstance(some_obj,SomeClass) True isinstance(SomeClass, type) True现在我们知道了实例是实例化的类而类是元类的实例。type 并不是我们所想的那样type 本身是类也是自己的类型。它是一个元类。元类用于实例化并定义类的行为就像类用于实例化并定义实例的行为一样。type 是 Python 使用的内置元类。为改变 Python 中类的行为(比如SomeClass 的行为)我们可以通过继承 type 元类定义一个自定义元类。元类是在 Python 中进行元编程的一种方法。定义了某个类后会发生什么情况我们首先回顾下已知的内容。Python 程序的基本构建块是语句函数类语句用于在程序中执行实际的工作。语句可以在全局范围(模块级别)或局部范围(限于函数内)执行。函数类似代码的基本单元由用于完成特定任务的一个或多个语句以某种顺序构成。可以在模块级别定义函数也可以将函数定义为类的方法。类为函数提供面向对象的编程方法。它们定义对象如何进行实例化以及对象的特征(属性和方法)。类的名称空间被分层为不同的字典。例如1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 class SomeClass: ... class_var 1 ... def __init__(self): ... self.some_var Some value SomeClass.__dict__ {__doc__: None, __init__: , __module__: __main__, class_var: 1} s SomeClass() s.__dict__ {some_var: Some value}以下是每次遇到关键字类时发生的情况类的主体(语句和函数)被隔离。创建类的名称空间字典(但尚未填充)。先执行类的主体然后使用所有属性、定义的方法以及与类有关的其他一些有用信息来填充名称空间字典。在基类或要创建的类的元类挂钩(稍后解释)中确定元类。然后通过类的名称、基类和属性调用元类对其进行实例化。因为 type 是 Python 中的默认元类所以可以在 Python 中使用 type 来创建类。type 的另一面通过一个参数调用 type 时会生成现有类的 type 信息。通过三个参数调用 type 时会创建一个新的类对象。调用 type时参数是类名、基类列表以及指定类的名称空间的字典(所有字段和方法)。所以 class SomeClass: pass等同于 SomeClass type(SomeClass, (), {})以及1 2 3 4 5 6 7 class ParentClass: pass class SomeClass(ParentClass): some_var 5 def some_function(self): print(Hello!)实际等同于1 2 3 4 5 6 7 8 def some_function(self): print(Hello) ParentClass type(ParentClass, (), {}) SomeClass type(SomeClass, [ParentClass], {some_function: some_function, some_var:5})因此通过使用自定义元类而不是 type我们可以将某种行为注入到不太可能的类中。但是在实现元类来改变行为之前我们来看一下在 Python 中进行元编程更为常见的方法。装饰器在 Python 中进行元编程的常见例子装饰器是用于改变函数或类的行为的一种方法。装饰器的用法类似如下1 2 3 some_decorator def some_func(*args, **kwargs): passsome_func 包装的 some_decorator 只是语法糖的代表 。我们知道在 Python 中函数和类(metaclass 类型除外)都是对象也就是说它们可以分配给某个变量复制作为参数传递给其他函数前面的语法实际等同于some_func some_decorator(some_func)您可能想知道 some_decorator 是如何定义的1 2 3 4 5 6 7 8 9 def some_decorator(f): The decorator receives function as a parameter. def wrapper(*args, **kwargs): # doing something before calling the function f(*args, **kwargs) # doing something after the function is called return wrapper我们假设自己有一个从 URL 访存已提取数据的函数。我们从中访存数据的服务器具备调节机制如果它检测到在相同时间间隔内从某个 IP 地址传入大量请求就会进行调节。所以为了让提取器像人类一样我们愿意等待随机长度的时间然后再提交请求以欺骗服务器。 能否使装饰器也做到这样我们来看一下1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 from functools import wraps import random import time def wait_random(min_wait1, max_wait30): def inner_function(func): wraps(func) def wrapper(*args, **kwargs): time.sleep(random.randint(min_wait, max_wait)) return func(*args, **kwargs) return wrapper return inner_function wait_random(10, 15) def function_to_scrape(): # some scraping stuff您对 Inner_function 和 wraps 装饰器可能有点陌生。如果您仔细查看就会发现inner_function 与我们前面定义的some_decorator 类似。 Wait_random 中的另一层包装也支持将参数传递到装饰器(min_wait 和 max_wait)。Wraps 是个不错的装饰器可以复制 func 的元数据(比如名称、文档字符串以及函数属性)。如果不使用这些我们就无法从 help(func)等函数调用获得有用的结果因为在这种情况下它会返回 wrapper 而不是 func 的文档字符串和信息。但是如果我们拥有 scraper 类以及多个此类函数会怎样1 2 3 4 5 6 7 8 9 10 class Scraper: def func_to_scrape_1(self): # some scraping stuff pass def func_to_scrape_2(self): # some scraping stuff pass def func_to_scrape_3(self): # some scraping stuff pass一种选择就是使用 wait_random 单独包装所有函数。但我们可以做得更好我们可以创建一个类装饰器。方法就是遍历类名称空间确定函数然后通过装饰器包装这些函数。1 2 3 4 5 6 7 8 def classwrapper(cls): for name, val in vars(cls).items(): # callable return True if the argument is callable # i.e. implements the __call if callable(val): # instead of val, wrap it with our decorator. setattr(cls, name, wait_random()(val)) return cls现在您可以使用 classwrapper 包装整个类。但是如果存在多个 scraper 类或者 scraper 的多个子类会怎样您可以对这些类单独使用 classwrapper或者在这种情况下也可以创建元类。元类编写自定义元类分为两个步骤编写元类类型的子类。使用元类挂钩将新元类插入到类创建流程中。我们使 type 类实现子类化并修改魔术方法比如 __init__、__new__、__prepare__ 以及 __call__以便在创建类时修改类的行为。这些方法包含基类、类名、属性及其值等方面的信息。在 Python 2 中元类挂钩是称为 __metaclass__ 的类中的静态字段。在 Python 3 中您可以将元类指定为类的基类列表中的一个 metaclass 参数。1 2 3 4 5 6 7 8 9 10 11 12 class CustomMetaClass(type): ... def __init__(cls, name, bases, attrs): ... for name, value in attrs.items(): # do some stuff ... print({} :{}.format(name, value)) class SomeClass: ... # the Python 2.x way ... __metaclass__ CustomMetaClass ... class_attribute Some string __module__ :__main__ __metaclass__ : class_attribute :Some string由于 CustomMetaClass 的 __init__ 方法中的 print 语句这些属性将会自动打印。我们假设您在 Python 项目中有个令人讨厌的合作者此人更喜欢使用 camelCase 来命名类属性和方法。您知道这样不好该合作者应该使用 snake_case(毕竟这是 Python)。我们能否编写元类将所有这些 camelCase 属性更改为 snake_case1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 def camel_to_snake(name): A function that converts camelCase to snake_case. Referred from: https://stackoverflow.com/questions/1175208/elegant-python-function-to-convert-camelcase-to-snake-case import re s1 re.sub((.)([A-Z][a-z]), r\1_\2, name) return re.sub(([a-z0-9])([A-Z]), r\1_\2, s1).lower() class SnakeCaseMetaclass(type): def __new__(snakecase_metaclass, future_class_name, future_class_parents, future_class_attr): snakecase_attrs {} for name, val in future_class_attr.items(): snakecase_attrs[camel_to_snake(name)] val return type(future_class_name, future_class_parents, snakecase_attrs)您可能想知道我们在这里为什么使用 __new__ 而不是 __init__。__new__ 实际上是创建实例的第一步。它负责返回类的新实例。而在另一方面__init__ 则不会返回任何内容。它只负责在创建实例后对其进行初始化。请牢记一条简单的经验法则当需要控制新实例的创建时使用 new而在需要控制新实例的初始化时则使用 init。在元类中实现 __init__ 并不常见因为它不是那么强大 — 在实际调用 __init__ 之前已经构造了类。您可以将其视为具有一个类装饰器但不同点在于在构建子类时会运行 __init__而不会为子类调用类装饰器。因为我们的任务包括创建新实例(防止这些 camelCase 属性潜入类中)所以覆盖自定义 SnakeCaseMetaClass 中的 __new__ 方法。我们来确认下它是否运行1 2 3 4 5 6 class SomeClass(metaclassSnakeCaseMetaclass): ... camelCaseVar 5 SomeClass.camelCaseVar AttributeError: type object SomeClass has no attribute camelCaseVar SomeClass.camel_case_var 5它已运行现在您已了解了如何在 Python 中编写和使用元类。我们再来探究一下这有何用途。在 Python 中使用元类您可以使用元类对属性、方法及其值执行不同的准则。前面例子(使用 snake_case)的类似示例包括值的域限制隐式转换自定义类的值(您可能希望向用户隐藏编写类的所有这些复杂方面)执行不同的命名约定和样式准则(比如“每种方法都应有一个文档字符串”)向类添加新的属性在类定义本身中定义所有这种逻辑时使用元类主要原因就是为了避免在整个代码库中出现重复代码。元类的实际使用因为在子类中会继承元类所以元类解决了代码冗余(不要重复自己 — DRY)这一实际问题。 通常情况下在生成类对象的同时通过执行额外操作或添加额外代码元类也可以帮助提取有关类创建的复杂逻辑。元类的一些实际用例包括抽象基类类的注册在库和框架中创建 API我们来具体看一下每个示例。抽象基类抽象基类是只能被继承而不会被实例化的类。Python 具有以下内容1 2 3 4 5 6 7 8 9 10 11 from abc import ABCMeta, abstractmethod class Vehicle(metaclassABCMeta): abstractmethod def refill_tank(self, litres): pass abstractmethod def move_ahead(self): pass我们来创建一个从 Vehicle 类继承的 Truck 类1 2 3 4 5 6 7 8 9 10 11 class Truck(Vehicle): def __init__(self, company, color, wheels): self.company company self.color color self.wheels wheels def refill_tank(self, litres): pass def move_ahead(self): pass请注意我们没有实现抽象方法。我们来看下如果尝试实例化 Truck 类的对象会发生什么情况1 2 3 mini_truck Truck(Tesla Roadster, Black, 4) TypeError: Cant instantiate abstract class Truck with abstract methods move_ahead, refill_tank可以通过在 Truck 类中定义两种抽象方法来修复这个问题1 2 3 4 5 6 7 8 9 10 11 12 13 14 class Truck(Vehicle): def __init__(self, company, color, wheels): self.company company self.color color self.wheels wheels def refill_tank(self, litres): pass def move_ahead(self): pass mini_truck Truck(Tesla Roadster, Black, 4) mini_truck __main__.truck at类的注册为理解这一点我们以某个服务器上的多个文件处理程序为例。想法就是能够根据文件格式快速找到正确的处理程序类。我们将创建处理程序字典让 CustomMetaclass 注册在代码中遇到的不同处理程序1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 handlers {} class CustomMetaclass(type): def __new__(meta, name, bases, attrs): cls type.__new__(meta, name, bases, attrs) for ext in attrs[formats]: handlers[ext] cls return cls class Handler(metaclassCustomMetaclass): formats [] # common stuff for all kinds of file format handlers class ImageHandler(Handler): formats [jpeg, png] class AudioHandler(Handler): formats [mp3, wav] handlers {mp3: __main__.AudioHandler, jpeg: __main__.ImageHandler, png: __main__.ImageHandler, wav: __main__.AudioHandler}现在根据文件格式我们很容易就知道要使用哪个处理程序类。一般来说无论何时需要维护存储类特征的某种数据结构都可以使用元类。创建 API由于元类能够防止子类中的逻辑冗余能够隐藏用户无需知道的自定义类创建逻辑因此元类在框架和库中得到广泛应用。这为减少样板和拥有更出色的 API 创造了一些值得注意的机会。例如思考一下 Django ORM 的这个使用片段1 2 3 4 from from django.db import models class Vehicle(models.Model): ... color models.CharField(max_length10) ... wheels models.IntegerField()我们在此创建了一个 Vehicle 类它从 Django 包中的 models.Model 类继承而来。在该类的内部我们定义了几个字段(color 和 wheels)来表示车辆的特征。现在我们尝试实例化刚刚所创建类的对象。1 2 3 4 5 four_wheeler Vehicle(colorBlue, wheelsFour) # Raises an error four_wheeler Vehicle(colorBlue, wheels4) four_wheeler.wheels 4作为创建车辆模型的用户我们只需从 models.Model 类继承然后编写一些高级语句。其余工作(比如创建数据库挂钩提出无效值错误返回 int 类型而不是 models.IntegerField)则由 model.Models 类以及它使用的元类在后台完成。总结在本教程中您了解了 Python 中的实例、类以及元类之间的关系。您学习了元编程知识这是一种操纵代码的方法。我们讨论了函数装饰器和类装饰器二者是将自定义行为注入到类和方法中的一种方式。然后我们通过使 Python 的默认 type 元类子类化实现了自定义元类。最后我们介绍了元类的一些实际用例。是否使用元类这个问题在网上饱受争议但是现在对于某种问题是否利用元编程才能更好地解决您应该可以更轻松地展开分析并得出答案。相关主题Python 初学者指南技术讲座Python一种持续奉献、不断发展和永续学习的语言
