mirror of
https://github.com/LCTT/TranslateProject.git
synced 2024-12-29 21:41:00 +08:00
407 lines
16 KiB
Markdown
407 lines
16 KiB
Markdown
日常 Python 编程优雅之道
|
||
======
|
||
|
||
> 3 个可以使你的 Python 代码更优雅、可读、直观和易于维护的工具。
|
||
|
||
|
||
|
||
Python 提供了一组独特的工具和语言特性来使你的代码更加优雅、可读和直观。为正确的问题选择合适的工具，你的代码将更易于维护。在本文中，我们将研究其中的三个工具：魔术方法、迭代器和生成器，以及方法魔术。
|
||
|
||
### 魔术方法
|
||
|
||
魔术方法可以看作是 Python 的管道。它们被称为“底层”方法，用于某些内置的方法、符号和操作。你可能熟悉的常见魔术方法是 `__init__()`，当我们想要初始化一个类的新实例时，它会被调用。
|
||
|
||
你可能已经看过其他常见的魔术方法，如 `__str__` 和 `__repr__`。Python 中有一整套魔术方法，通过实现其中的一些方法，我们可以修改一个对象的行为，甚至使其行为类似于内置数据类型，例如数字、列表或字典。
|
||
|
||
让我们创建一个 `Money` 类来示例：
|
||
|
||
```
|
||
class Money:
|
||
|
||
currency_rates = {
|
||
'$': 1,
|
||
'€': 0.88,
|
||
}
|
||
|
||
def __init__(self, symbol, amount):
|
||
self.symbol = symbol
|
||
self.amount = amount
|
||
|
||
def __repr__(self):
|
||
return '%s%.2f' % (self.symbol, self.amount)
|
||
|
||
def convert(self, other):
|
||
""" Convert other amount to our currency """
|
||
new_amount = (
|
||
other.amount / self.currency_rates[other.symbol]
|
||
* self.currency_rates[self.symbol])
|
||
|
||
return Money(self.symbol, new_amount)
|
||
```
|
||
|
||
该类定义为给定的货币符号和汇率定义了一个货币汇率，指定了一个初始化器（也称为构造函数），并实现 `__repr__`，因此当我们打印这个类时，我们会看到一个友好的表示，例如 `$2.00` ，这是一个带有货币符号和金额的 `Money('$', 2.00)` 实例。最重要的是，它定义了一种方法，允许你使用不同的汇率在不同的货币之间进行转换。
|
||
|
||
打开 Python shell，假设我们已经定义了使用两种不同货币的食品的成本，如下所示：
|
||
|
||
```
|
||
>>> soda_cost = Money('$', 5.25)
|
||
>>> soda_cost
|
||
$5.25
|
||
|
||
>>> pizza_cost = Money('€', 7.99)
|
||
>>> pizza_cost
|
||
€7.99
|
||
```
|
||
|
||
我们可以使用魔术方法使得这个类的实例之间可以相互交互。假设我们希望能够将这个类的两个实例一起加在一起，即使它们是不同的货币。为了实现这一点，我们可以在 `Money` 类上实现 `__add__` 这个魔术方法：
|
||
|
||
```
|
||
class Money:
|
||
|
||
# ... previously defined methods ...
|
||
|
||
def __add__(self, other):
|
||
""" Add 2 Money instances using '+' """
|
||
new_amount = self.amount + self.convert(other).amount
|
||
return Money(self.symbol, new_amount)
|
||
```
|
||
|
||
现在我们可以以非常直观的方式使用这个类：
|
||
|
||
```
|
||
>>> soda_cost = Money('$', 5.25)
|
||
>>> pizza_cost = Money('€', 7.99)
|
||
>>> soda_cost + pizza_cost
|
||
$14.33
|
||
>>> pizza_cost + soda_cost
|
||
€12.61
|
||
```
|
||
|
||
当我们将两个实例加在一起时，我们得到以第一个定义的货币符号所表示的结果。所有的转换都是在底层无缝完成的。如果我们想的话，我们也可以为减法实现 `__sub__`，为乘法实现 `__mul__` 等等。阅读[模拟数字类型][1]或[魔术方法指南][2]来获得更多信息。
|
||
|
||
我们学习到 `__add__` 映射到内置运算符 `+`。其他魔术方法可以映射到像 `[]` 这样的符号。例如，在字典中通过索引或键来获得一项，其实是使用了 `__getitem__` 方法：
|
||
|
||
```
|
||
>>> d = {'one': 1, 'two': 2}
|
||
>>> d['two']
|
||
2
|
||
>>> d.__getitem__('two')
|
||
2
|
||
```
|
||
|
||
一些魔术方法甚至映射到内置函数，例如 `__len__()` 映射到 `len()`。
|
||
|
||
```
|
||
class Alphabet:
|
||
letters = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ'
|
||
|
||
def __len__(self):
|
||
return len(self.letters)
|
||
|
||
>>> my_alphabet = Alphabet()
|
||
>>> len(my_alphabet)
|
||
26
|
||
```
|
||
|
||
### 自定义迭代器
|
||
|
||
对于新的和经验丰富的 Python 开发者来说，自定义迭代器是一个非常强大的但令人迷惑的主题。
|
||
|
||
许多内置类型，例如列表、集合和字典，已经实现了允许它们在底层迭代的协议。这使我们可以轻松地遍历它们。
|
||
|
||
```
|
||
>>> for food in ['Pizza', 'Fries']:
|
||
|
||
print(food + '. Yum!')
|
||
|
||
Pizza. Yum!
|
||
Fries. Yum!
|
||
```
|
||
|
||
我们如何迭代我们自己的自定义类？首先，让我们来澄清一些术语。
|
||
|
||
* 要成为一个可迭代对象，一个类需要实现 `__iter__()`
|
||
* `__iter__()` 方法需要返回一个迭代器
|
||
* 要成为一个迭代器，一个类需要实现 `__next__()`（或[在 Python 2][3]中是 `next()`），当没有更多的项要迭代时，必须抛出一个 `StopIteration` 异常。
|
||
|
||
呼！这听起来很复杂，但是一旦你记住了这些基本概念，你就可以在任何时候进行迭代。
|
||
|
||
我们什么时候想使用自定义迭代器？让我们想象一个场景，我们有一个 `Server` 实例在不同的端口上运行不同的服务，如 `http` 和 `ssh`。其中一些服务处于 `active` 状态，而其他服务则处于 `inactive` 状态。
|
||
|
||
```
|
||
class Server:
|
||
|
||
services = [
|
||
{'active': False, 'protocol': 'ftp', 'port': 21},
|
||
{'active': True, 'protocol': 'ssh', 'port': 22},
|
||
{'active': True, 'protocol': 'http', 'port': 80},
|
||
]
|
||
```
|
||
|
||
当我们遍历 `Server` 实例时，我们只想遍历那些处于 `active` 的服务。让我们创建一个 `IterableServer` 类：
|
||
|
||
```
|
||
class IterableServer:
|
||
def __init__(self):
|
||
self.current_pos = 0
|
||
def __next__(self):
|
||
pass # TODO: 实现并记得抛出 StopIteration
|
||
```
|
||
|
||
首先，我们将当前位置初始化为 `0`。然后，我们定义一个 `__next__()` 方法来返回下一项。我们还将确保在没有更多项返回时抛出 `StopIteration`。到目前为止都很好！现在，让我们实现这个 `__next__()` 方法。
|
||
|
||
```
|
||
class IterableServer:
|
||
def __init__(self):
|
||
self.current_pos = 0. # 我们初始化当前位置为 0
|
||
def __iter__(self): # 我们可以在这里返回 self，因为实现了 __next__
|
||
return self
|
||
def __next__(self):
|
||
while self.current_pos < len(self.services):
|
||
service = self.services[self.current_pos]
|
||
self.current_pos += 1
|
||
if service['active']:
|
||
return service['protocol'], service['port']
|
||
raise StopIteration
|
||
next = __next__ # 可选的 Python2 兼容性
|
||
```
|
||
|
||
我们对列表中的服务进行遍历，而当前的位置小于服务的个数，但只有在服务处于活动状态时才返回。一旦我们遍历完服务，就会抛出一个 `StopIteration` 异常。
|
||
|
||
|
||
因为我们实现了 `__next__()` 方法，当它耗尽时，它会抛出 `StopIteration`。我们可以从 `__iter__()` 返回 `self`，因为 `IterableServer` 类遵循 `iterable` 协议。
|
||
|
||
现在我们可以遍历一个 `IterableServer` 实例，这将允许我们查看每个处于活动的服务，如下所示：
|
||
|
||
```
|
||
>>> for protocol, port in IterableServer():
|
||
|
||
print('service %s is running on port %d' % (protocol, port))
|
||
|
||
service ssh is running on port 22
|
||
|
||
service http is running on port 21
|
||
|
||
```
|
||
|
||
太棒了，但我们可以做得更好！在这样类似的实例中，我们的迭代器不需要维护大量的状态，我们可以简化代码并使用 [generator（生成器）][4] 来代替。
|
||
|
||
```
|
||
class Server:
|
||
services = [
|
||
{'active': False, 'protocol': 'ftp', 'port': 21},
|
||
{'active': True, 'protocol': 'ssh', 'port': 22},
|
||
{'active': True, 'protocol': 'http', 'port': 21},
|
||
]
|
||
def __iter__(self):
|
||
for service in self.services:
|
||
if service['active']:
|
||
yield service['protocol'], service['port']
|
||
```
|
||
|
||
`yield` 关键字到底是什么？在定义生成器函数时使用 yield。这有点像 `return`，虽然 `return` 在返回值后退出函数，但 `yield` 会暂停执行直到下次调用它。这允许你的生成器的功能在它恢复之前保持状态。查看 [yield 的文档][5]以了解更多信息。使用生成器，我们不必通过记住我们的位置来手动维护状态。生成器只知道两件事：它现在需要做什么以及计算下一个项目需要做什么。一旦我们到达执行点，即 `yield` 不再被调用，我们就知道停止迭代。
|
||
|
||
这是因为一些内置的 Python 魔法。在 [Python 关于 `__iter__()` 的文档][6]中我们可以看到，如果 `__iter__()` 是作为一个生成器实现的，它将自动返回一个迭代器对象，该对象提供 `__iter__()` 和 `__next__()` 方法。阅读这篇很棒的文章，深入了解[迭代器，可迭代对象和生成器][7]。
|
||
|
||
### 方法魔法
|
||
|
||
由于其独特的方面，Python 提供了一些有趣的方法魔法作为语言的一部分。
|
||
|
||
其中一个例子是别名功能。因为函数只是对象，所以我们可以将它们赋值给多个变量。例如：
|
||
|
||
```
|
||
>>> def foo():
|
||
return 'foo'
|
||
>>> foo()
|
||
'foo'
|
||
>>> bar = foo
|
||
>>> bar()
|
||
'foo'
|
||
```
|
||
|
||
我们稍后会看到它的作用。
|
||
|
||
Python 提供了一个方便的内置函数[称为 `getattr()`][8]，它接受 `object, name, default` 参数并在 `object` 上返回属性 `name`。这种编程方式允许我们访问实例变量和方法。例如：
|
||
|
||
```
|
||
>>> class Dog:
|
||
sound = 'Bark'
|
||
def speak(self):
|
||
print(self.sound + '!', self.sound + '!')
|
||
|
||
>>> fido = Dog()
|
||
|
||
>>> fido.sound
|
||
'Bark'
|
||
>>> getattr(fido, 'sound')
|
||
'Bark'
|
||
|
||
>>> fido.speak
|
||
<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
|
||
>>> getattr(fido, 'speak')
|
||
<bound method Dog.speak of <__main__.Dog object at 0x102db8828>>
|
||
|
||
|
||
>>> fido.speak()
|
||
Bark! Bark!
|
||
>>> speak_method = getattr(fido, 'speak')
|
||
>>> speak_method()
|
||
Bark! Bark!
|
||
```
|
||
|
||
这是一个很酷的技巧，但是我们如何在实际中使用 `getattr` 呢？让我们看一个例子，我们编写一个小型命令行工具来动态处理命令。
|
||
|
||
```
|
||
class Operations:
|
||
def say_hi(self, name):
|
||
print('Hello,', name)
|
||
def say_bye(self, name):
|
||
print ('Goodbye,', name)
|
||
def default(self, arg):
|
||
print ('This operation is not supported.')
|
||
|
||
if __name__ == '__main__':
|
||
operations = Operations()
|
||
# 假设我们做了错误处理
|
||
command, argument = input('> ').split()
|
||
func_to_call = getattr(operations, command, operations.default)
|
||
func_to_call(argument)
|
||
```
|
||
|
||
脚本的输出是：
|
||
|
||
```
|
||
$ python getattr.py
|
||
> say_hi Nina
|
||
Hello, Nina
|
||
> blah blah
|
||
This operation is not supported.
|
||
```
|
||
|
||
接下来，我们来看看 `partial`。例如，`functool.partial(func, *args, **kwargs)` 允许你返回一个新的 [partial 对象][9]，它的行为类似 `func`，参数是 `args` 和 `kwargs`。如果传入更多的 `args`，它们会被附加到 `args`。如果传入更多的 `kwargs`，它们会扩展并覆盖 `kwargs`。让我们通过一个简短的例子来看看：
|
||
|
||
```
|
||
>>> from functools import partial
|
||
>>> basetwo = partial(int, base=2)
|
||
>>> basetwo
|
||
<functools.partial object at 0x1085a09f0>
|
||
>>> basetwo('10010')
|
||
18
|
||
|
||
# 这等同于
|
||
>>> int('10010', base=2)
|
||
```
|
||
|
||
让我们看看在我喜欢的一个[名为 `agithub`][10] 的库中的一些示例代码中，这个方法魔术是如何结合在一起的，这是一个（名字起得很 low 的） REST API 客户端，它具有透明的语法，允许你以最小的配置快速构建任何 REST API 原型（不仅仅是 GitHub）。我发现这个项目很有趣，因为它非常强大，但只有大约 400 行 Python 代码。你可以在大约 30 行配置代码中添加对任何 REST API 的支持。`agithub` 知道协议所需的一切（`REST`、`HTTP`、`TCP`），但它不考虑上游 API。让我们深入到它的实现中。
|
||
|
||
以下是我们如何为 GitHub API 和任何其他相关连接属性定义端点 URL 的简化版本。在这里查看[完整代码][11]。
|
||
|
||
```
|
||
class GitHub(API):
|
||
def __init__(self, token=None, *args, **kwargs):
|
||
props = ConnectionProperties(api_url = kwargs.pop('api_url', 'api.github.com'))
|
||
self.setClient(Client(*args, **kwargs))
|
||
self.setConnectionProperties(props)
|
||
```
|
||
|
||
然后，一旦配置了[访问令牌][12]，就可以开始使用 [GitHub API][13]。
|
||
|
||
```
|
||
>>> gh = GitHub('token')
|
||
>>> status, data = gh.user.repos.get(visibility='public', sort='created')
|
||
>>> # ^ 映射到 GET /user/repos
|
||
>>> data
|
||
... ['tweeter', 'snipey', '...']
|
||
```
|
||
|
||
请注意，你要确保 URL 拼写正确，因为我们没有验证 URL。如果 URL 不存在或出现了其他任何错误，将返回 API 抛出的错误。那么，这一切是如何运作的呢？让我们找出答案。首先，我们将查看一个 [`API` 类][14]的简化示例：
|
||
|
||
```
|
||
class API:
|
||
# ... other methods ...
|
||
def __getattr__(self, key):
|
||
return IncompleteRequest(self.client).__getattr__(key)
|
||
__getitem__ = __getattr__
|
||
```
|
||
|
||
在 `API` 类上的每次调用都会调用 [`IncompleteRequest` 类][15]作为指定的 `key`。
|
||
|
||
```
|
||
class IncompleteRequest:
|
||
# ... other methods ...
|
||
def __getattr__(self, key):
|
||
if key in self.client.http_methods:
|
||
htmlMethod = getattr(self.client, key)
|
||
return partial(htmlMethod, url=self.url)
|
||
else:
|
||
self.url += '/' + str(key)
|
||
return self
|
||
__getitem__ = __getattr__
|
||
|
||
class Client:
|
||
http_methods = ('get') # 还有 post, put, patch 等等。
|
||
def get(self, url, headers={}, **params):
|
||
return self.request('GET', url, None, headers)
|
||
```
|
||
|
||
如果最后一次调用不是 HTTP 方法（如 `get`、`post` 等），则返回带有附加路径的 `IncompleteRequest`。否则，它从[`Client` 类][16]获取 HTTP 方法对应的正确函数，并返回 `partial`。
|
||
|
||
如果我们给出一个不存在的路径会发生什么？
|
||
|
||
```
|
||
>>> status, data = this.path.doesnt.exist.get()
|
||
>>> status
|
||
... 404
|
||
```
|
||
|
||
因为 `__getattr__` 别名为 `__getitem__`：
|
||
|
||
```
|
||
>>> owner, repo = 'nnja', 'tweeter'
|
||
>>> status, data = gh.repos[owner][repo].pulls.get()
|
||
>>> # ^ Maps to GET /repos/nnja/tweeter/pulls
|
||
>>> data
|
||
.... # {....}
|
||
```
|
||
|
||
这真心是一些方法魔术！
|
||
|
||
### 了解更多
|
||
|
||
Python 提供了大量工具，使你的代码更优雅，更易于阅读和理解。挑战在于找到合适的工具来完成工作，但我希望本文为你的工具箱添加了一些新工具。而且，如果你想更进一步，你可以在我的博客 [nnja.io][17] 上阅读有关装饰器、上下文管理器、上下文生成器和命名元组的内容。随着你成为一名更好的 Python 开发人员，我鼓励你到那里阅读一些设计良好的项目的源代码。[Requests][18] 和 [Flask][19] 是两个很好的起步的代码库。
|
||
|
||
|
||
--------------------------------------------------------------------------------
|
||
|
||
via: https://opensource.com/article/18/4/elegant-solutions-everyday-python-problems
|
||
|
||
作者：[Nina Zakharenko][a]
|
||
选题：[lujun9972](https://github.com/lujun9972)
|
||
译者：[MjSeven](https://github.com/MjSeven)
|
||
校对：[wxy](https://github.com/wxy)
|
||
|
||
本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出
|
||
|
||
[a]:https://opensource.com/users/nnja
|
||
[1]:https://docs.python.org/3/reference/datamodel.html#emulating-numeric-types
|
||
[2]:https://rszalski.github.io/magicmethods/
|
||
[3]:https://docs.python.org/2/library/stdtypes.html#iterator.next
|
||
[4]:https://docs.python.org/3/library/stdtypes.html#generator-types
|
||
[5]:https://docs.python.org/3/reference/expressions.html#yieldexpr
|
||
[6]:https://docs.python.org/3/reference/datamodel.html#object.__iter__
|
||
[7]:http://nvie.com/posts/iterators-vs-generators/
|
||
[8]:https://docs.python.org/3/library/functions.html#getattr
|
||
[9]:https://docs.python.org/3/library/functools.html#functools.partial
|
||
[10]:https://github.com/mozilla/agithub
|
||
[11]:https://github.com/mozilla/agithub/blob/master/agithub/GitHub.py
|
||
[12]:https://github.com/settings/tokens
|
||
[13]:https://developer.github.com/v3/repos/#list-your-repositories
|
||
[14]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L30-L58
|
||
[15]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L60-L100
|
||
[16]:https://github.com/mozilla/agithub/blob/dbf7014e2504333c58a39153aa11bbbdd080f6ac/agithub/base.py#L102-L231
|
||
[17]:http://nnja.io
|
||
[18]:https://github.com/requests/requests
|
||
[19]:https://github.com/pallets/flask
|
||
[20]:https://us.pycon.org/2018/schedule/presentation/164/
|
||
[21]:https://us.pycon.org/2018/
|