Python面向对象：杂七杂八的知识点

为什么有这篇"杂项"文章

实在是因为python中对象方面的内容太多、太乱、太杂，在写相关文章时比我所学过的几种语言都更让人"糟心"，很多内容似独立内容、又似相关内容，放这也可、放那也可、放这也不好、放那也不好。

所以，用一篇单独的文章来收集那些在我其它文章中不好归类的知识点，而且会随时更新。

class、type、object的关系

在python 3.x中，类就是类型，类型就是类，它们变得完全等价。

要理解class、type、object的关系，只需几句话：

1. object是所有类的祖先类，包括type类也继承自object
   
2. 所有class自身也是对象，所有类/类型都是type的实例对象，包括object和type自身都是type的实例对象

论证略，网上一大堆。

鸭子模型(duck typing)

Duck typing的概念来源于的诗句"When I see a bird that walks like a duck and swims like a duck and quacks like a duck, I call that bird a duck."。

意思是：如果我看到一只鸟走路像一只鸭子，游泳像一只鸭子，叫起来像一只鸭子，那么我就认为这只鸟是一只鸭子。

在python中，鸭子模型非常容易理解。下面是典型的鸭子模型示例：

class Duck():
    def walk(self):
        print("duck walk")
    def swim(self):
        print("duck swim")
    def quacks(self):
        print("duck quacks")

class Bird():
    def walk(self):
        print("bird walk")
    def swim(self):
        print("bird swim")
    def quacks(self):
        print("bird quacks")

对于Python来说，鸭子模型的意思是：只要某个地方需要调用Duck的walk、swim、quacks方法，就可以让Bird也作为Duck，因为它也实现了这3个方法。

Python并不强制检查类型，只要对象实现了某个所需要的方法，就认为这是可以接受的对象。

它还传达一种思想，A类对象能放在一个地方，如果想让B类对象也可以放在这个地方，只需要让B实现这个地方所需要的方法就可以。

鸭子模型贯穿了python中的运算符重载行为，也贯穿了整个Python的类设计理念。例如print()执行的时候需要调用__str__方法，所以只要实现了__str__方法的类，都可以被print()调用。

绑定方法和非绑定方法

绑定之意，在于方法是否与实例对象(或类名)进行了绑定。

当通过实例对象去调用方法时，或者说会自动传递self的方法是绑定方法，其它通过类名调用、手动传递self的方法调用是非绑定方法，在3.x中没有非绑定方法的概念，它直接被当作是普通函数。

例如：

class cls():
    def m1(self):
        print("m1: ", self)
    def m2(arg1):
        print("m2: ", arg1)

当通过cls类的实例对象去调用m1、m2的时候，是绑定方法：

>>> c = cls()
>>> c.m1
<bound method cls.m1 of <__main__.cls object at 0x000001EE2DA75860>>
>>> c.m1()
m1:  <__main__.cls object at 0x000001EE2DA75860>

>>> c.m2
<bound method cls.m2 of <__main__.cls object at 0x000001EE2DA75860>>
>>> c.m2()
m2:  <__main__.cls object at 0x000001EE2DA75860>

也就是说，绑定方法中是绑定了实例对象的，无需手动去传递实例对象。例如：

>>> cc = c.m1
>>> cc()
m1:  <__main__.cls object at 0x000001EE2DA75860>

当通过类名去访问的时候，是普通函数(非绑定方法)：

>>> cls.m1
<function cls.m1 at 0x000001EE2DA78620>
>>> cls.m2
<function cls.m2 at 0x000001EE2DA786A8>

>>> cls.m1(c)
m1:  <__main__.cls object at 0x000001EE2DA75860>
>>> cls.m2(c)
m2:  <__main__.cls object at 0x000001EE2DA75860>

唯一需要在意的是，并非一定要通过实例对象去调用方法，通过类方法也能的调用，也能手动传递实例对象。此外，类中的方法并非一定要求有self参数。

静态方法和类方法

python的面向对象中有3种类型的方法：普通的实例方法、类方法、静态方法。

• 普通实例方法：通过self参数传递实例对象自身
  
• 类方法：传递的是类名而非对象
  
• 静态方法：不通过self传递

从这些方法的简单定义上看，很容易知晓实例方法可以操作类属性、对象属性，而类方法和静态方法只能操作类属性，不能操作对象属性。

所以，要实现类方法、静态方法需要合理地定义、传递参数。例如：

class cls():
    def m1(self, arg1):
        print("m1: ", self, arg1)
    def m2(arg1, arg2):
        print("m2: ", arg1)

显然这里m2()是静态方法，m1根据调用方式可以是类方法，也可以是实例方法，甚至是静态方法。例如：

# m1作为实例方法
>>> c.m1("hello")
m1:  <__main__.cls object at 0x000001EE2DA75BA8> hello

# m1作为类方法，通过类名调用，并传递类名作为self参数
>>> cls.m1(cls,"hello")
m1:  <class '__main__.cls'> hello

# m1作为静态方法，通过类名调用，随意处置self参数
>>> cls.m1("asdfas","hello")
m1:  asdfas hello

这样的调用方式并没有什么问题，python是允许这样做的，很自由，但很容易犯错。比如想要通过对象名去调用上面的m2，arg1就必须当作self一样解释成对象自身，换句话说只能传递一个参数c.m2("arg2")，这显然有悖静态方法的编码方式。

在python中，要定义严格的类方法、静态方法，需要使用内置的装饰器函数classmethod()、staticmethod()来装饰，装饰后无论使用对象名去调用还是使用类名去调用，都可以。

例如：

class cls():
    def m1(self,arg1):
        print("m1: ", self, arg1)
    @classmethod
    def m2(self,arg1):
        print("m2: ", self, arg1)
    @staticmethod
    def m3(arg1, arg2):
        print("m3: ", arg1, arg2)

上面定义了普通方法、类方法和静态方法。如果尚不了解装饰器的用法，暂时只需知道上面的@xxx将它下面的函数(方法)扩展成了类方法、静态方法即可。

调用实例方法：

>>> c = cls()
>>> c.m1("hello")
m1:  <__main__.cls object at 0x000001EE2DA840B8> hello

注意输出的self是"...object..."，和下面的类方法调用注意区分比较。

调用类方法。因为@classmethod已经将m2包装成了类方法，所以m2的第一个self参数将总是代表类名，而无论是使用对象去调用m2还是使用类名去调用m2。

>>> c.m2("hello")
m2:  <class '__main__.cls'> hello

>>> cls.m2("hello")
m2:  <class '__main__.cls'> hello

如果输出m2方法，会发现它已经是绑定方法，也就是说和类名进行了绑定(这里不是和对象名进行绑定)。

>>> c.m2
<bound method cls.m2 of <class '__main__.cls'>>

>>> cls.m2
<bound method cls.m2 of <class '__main__.cls'>>

调用静态方法。

>>> c.m3("hello","world")
m3:  hello world
>>> cls.m3("hello","world")
m3:  hello world

静态方法都是未绑定的函数:

>>> c.m3
<function cls.m3 at 0x000001EE2DA789D8>
>>> cls.m3
<function cls.m3 at 0x000001EE2DA789D8>

一般来说，类方法用于在类中操作/返回和类名有关的内容，静态方法用于在类中做和类或对象完全无关的操作。一个比较好理解的例子是，一个Employee类，要检查员工的年龄范围在16-35，如果年龄在这范围内，就返回一个员工对象，可以将这个逻辑定义为类方法。如果只是检查年龄范围来决定True或False这样和类/对象无关的操作，则定义为静态方法。

class Employee:
    @staticmethod
    def age_ok(age):
        if 16<age<35:
            return True
        else:
            return False

    @classmethod
    def age_check(cls, age):
        if 16<age<35:
            return cls(...)

私有属性

python没有private关键字来修饰属性使其变成私有属性，但是带上双下划线前缀的属性且没有后缀下划线的属性(__X)可以认为是私有属性。它仅仅只是约定性的私有属性，不代表外界真的不能访问。

实际上，使用__X这样的属性，在类的内部访问时会自动进行扩展为_clsname__X，也就是加个前缀下划线，再加个类名。因为扩展时加上了类名，使得这个属性在名称上是独属于这个类的。

例如：

class cls():
    __X = 12
    def m1(self,y):
        self.__Y = y
        print(self.__X)
        print(self.__Y)

>>> print(cls.__dict__.keys())
dict_keys([..., '_cls__X', 'm1', ....])

>>> c = cls()
>>> c.m1(22)
12
22
>>> print(c.__dict__.keys())
dict_keys(['_cls__Y'])

因为已经扩展了属性的名称，所以无法在类的外界通过直接的名称__X去访问对应的属性。

>>> c.__Y
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'cls' object has no attribute
'__Y'
>>> c.__X
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'cls' object has no attribute
'__X'

>>> cls.__X
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: type object 'cls' has no attribute '__X'

前面说了，这种加双下划线前缀的属性仅仅只是一个约定形式，虽然在外界无法直接通过名称去访问，但是仍有不少方法去访问。例如通过扩展后的名称、通过字典__dict__：

>>> cls._cls__X
12
>>> c._cls__Y
22
>>> c.__dict__['_cls__Y']
22

要想严格地声明属性的私有性，可以编写装饰器类，在装饰器类中完成属性的判断。

方法的默认可变参数陷阱

如果一个方法的参数给了默认参数，且这个默认参数是一个可变类型，那么这里有一个陷阱：使用这个默认参数的时候各对象会共享这个可变默认值。

例如：

class A:
    def __init__(self, arg=[]):
        self.data = arg
    def add(self, value):
        self.data.append(value)

# 两个不同对象，且都使用参数arg的默认值
a1 = A()
a2 = A()

# 向两个对象中添加元素
a1.add("a1")
a2.add("a2")

print(a1.data)
print(a2.data)

执行结果：

['a1', 'a2']
['a1', 'a2']

发现a1和a2这两个不同的对象中的data竟然是相同的数据，如果输出下它们的data属性，会发现是同一个对象：

>>> a1.data is a2.data
True

这是因为参数的默认值是在申请变量之前就先评估好的，也就是在赋值给参数变量arg之前，这个空列表就已经存在了。然后使用默认值来构造对象时，这些对象都使用同一个空列表，而这个空列表是可变的类型，所以无论谁修改这个列表都会影响其它对象。

如果不使用默认值，那么每个对象的列表就是独占的，不会被其它对象修改。

a3 = A([])
a3.add("a3")
print(a3.data)

结果：

['a3']

MethodType：添加外部函数作为方法

python的types模块中提供了一个MethodType(funcName, instance)函数，它可以将类外部定义的函数funcName链接到实例对象或类上。

例如连接到实例对象上：

# 注意外部函数上加了self参数
def func(self, age):
    print(age)

class cls:
    pass

>>> c = cls
>>> import types
>>> c.printage = types.MethodType(func, c)
>>> c.printage(22)
22

type.MethodType()是将某个可调用对象(这里的func)动态地链接到实例对象或类上，使其临时作为对象或类的方法属性，只有在被调用的时候才会进行属性的添加。

需要注意的是，当外部函数链接到实例对象上时，这个链接只对这个实例对象有效，其它对象是不具备这个属性的。如果链接到类上，那么所有对象都可以访问这个链接的方法。

__call__

正常情况下定义了一个类，调用这个类表示创建一个对象。

class cls:
    pass

c = cls()

但是，对象c不再是可调用的对象，也就是说，它不能再被执行。

>>> callable(c)
False

python对象的__call__可以让实例对象也变成可调用类型，就像函数一样。

class cls:
    def __call__(self, *args, **kwargs):
        print('__call__: ', args, kwargs)

>>> c = cls()
>>> c(1,2,3,x=4,y=5)
__call__:  (1, 2, 3) {'x': 4, 'y': 5}

>>> callable(c)
True

将类定义为一个可调用对象是非常有用的，它可以像函数一样去修饰、扩展其它内容的功能，特别是编写装饰器类的时候。

例如，正常情况下写装饰器总要返回一个新装饰器函数，但是想要直接使用类作为装饰器，就需要在这个类中定义__call__，将__call__作为函数装饰器中的装饰器函数wrapped()。下面是一个示例：

import types
from functools import wraps

class DecoratorClass():
    def __init__(self, func):
        wraps(func)(self)
        self.callcount = 0
    def __call__(self, *args, **kwargs):
        self.callcount += 1
        return self.__wrapped__(*args, **kwargs)
    def __get__(self, instance, cls):
        if instance is None:
            return self
        else:
            return types.MethodType(self, instance)

上面是装饰器类，可以像函数装饰器一样去装饰其它函数。

@DecoratorClass
def add(x, y):
    return x + y

>>> add(2,3)
5
>>> add(3,4)
7
>>> add.callcount
2

判断对象是否可调用的几种方式

根据前面的说明可知，判断一个对象是否是可调用的依据有2种方式：

1. 使用内置函数callable(X)，X可调用则返回True，否则False
   • 注：返回False一定表示不可调用，但返回True不代表一定可调用
     
2. 判断是否定义了__call__方法。使用hasattr(obj,'__call__')即可判断

>>> callable(c)
True

>>> hasattr(c,'__call__')
True

__slots__

python是一门动态语言，而且是极其开放的动态语言。在面向对象上，它允许我们随意地、任意时间地添加属性。例如：

class cls():
    attr1 = 111     # 在类中添加属性
    def __init__(self):
        self.attr2 = 222   # 添加实例对象的属性

>>> c = cls()
>>> c.attr3 = 333    # 在类的外部添加属性
>>> c.__dict__.keys()
dict_keys(['attr2', 'attr3'])

如果想要限定对象只能拥有某些属性，可以使用__slots__来限定，__slots__可以指定为一个元组、列表、集合等。

例如：

class cls():
    __slots__ = ['a', 'b']

>>> c = cls()
>>> c.a=13
>>> c.b=14
>>> c.cc=15     # 报错
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'cls' object has no attribute
'cc'

但注意：

1. __slots__定义在类级别上，它仅仅只限定实例对象属性，不会限制类属性
   
2. __slots__不会被子类继承
   
3. __slots__定义后，对象默认就没有了__dict__属性
   • 但可以将__dict__放进__slots__的范围内来允许__dict__
     
4. 还有几个注意点在下面的示例中解释

例如：

class cls():
    __slots__ = ['a', 'b']
    x = 13      # 允许定义类属性

c = cls()
c.a = 14
c.b = 15
cls.y = 16   # 允许定义类属性

print(c.x, c.a, c.b, c.y)

print(cls.__dict__.keys()) # 类有__dict__属性
print(c.__dict__.keys())   # 报错，对象没有__dict__属性

可以将__dict__放进__slots__中，使得对象可以带有属性字典。但这会让__slots__的限定失效：实例对象可以继续添加任意属性，那些不在__slots__中的属性会加入到__dict__中。

class cls1():
    __slots__ = ['a', 'b', '__dict__']

cc = cls1()
cc.a = 14
cc.b = 15
cc.c = 16
cc.d = 17
print(cc.__slots__)
print(cc.__dict__.keys())

输出结果：

['a', 'b', '__dict__']
dict_keys(['c', 'd'])

因为子类不会继承父类的__slots__，所以如果父类中没有定义__slots__的话，因为子类可以访问父类的__dict__，这会使得子类自身定义的__slots__的属性限定功能失效。

class cls1():
    pass

class cls2(cls1):
    __slots__ = ['a', 'b']

ccc = cls2()
ccc.a=13
ccc.b=14
ccc.ddd=15

print(ccc.__slots__)
print(ccc.__dict__.keys())

结果：

['a', 'b']
dict_keys(['ddd'])

多重继承和__mro__和super()

python支持多重继承，只需将需要继承的父类放进子类定义的括号中即可。

class cls1():
    ...

class cls2():
    ...

class cls3(cls1,cls2):
    ...

上面cls3继承了cls1和cls2，它的名称空间将连接到两个父类名称空间，也就是说只要cls1或cls2拥有的属性，cls3构造的对象就拥有(注意，cls3类是不拥有的，只有cls3类的对象才拥有)。

但多重继承时，如果cls1和cls2都具有同一个属性，比如cls1.x和cls2.x，那么cls3的对象c3.x取哪一个？会取cls1中的属性x，因为规则是按照(括号中)从左向右的方式搜索父类。

再考虑一个问题，如果cls1中没有属性x，但它继承自cls0，而cls0有x属性，那么，c3.x取哪个属性。

这在python 3.x中是一个比较复杂的问题，它根据MRO(Method Resolution Order)算法来决定多重继承时的访问顺序，这个算法的规则可以总结为：先左后右，先深度再广度，但必须遵循共同的超类最后搜索。

下面是一个访问顺序图示：

每个类都有一个__mro__属性，这个属性是一个元组，从左向右的元素顺序代表的是属性搜索顺序。

class D():
    pass
class C(D):
    pass
class B(D):
    pass
class A(B, C):
    pass

>>> A.__mro__
(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class 'object'>)
>>> D.__mro__
(<class '__main__.D'>, <class 'object'>)

不仅多重继承时是按照MRO顺序进行属性搜索的，super()引用的时候也一样是按照mro算法来引用属性的，所以super并不一定总是引用父类属性。

例如：

class D():
    def __init__(self):
        print("D")

class C(D):
    def __init__(self):
        print("C")
        super().__init__()

class B(D):
    def __init__(self):
        print("B")
        super().__init__()  # 调用的不是父类D的构造方法

class A(B, C):
    def __init__(self):
        print("A")
        super().__init__()

a = A()

输出结果为：

A
B
C
D

面向对象中，一般不推荐使用多重继承，因为很容易出现属性引用混乱的问题，而且有些面向对象的语言根本就不支持多重继承。但在Python中，使用多重继承的情况也非常多，如果真的要使用多重继承，一定要设计好类。一种更好的方式是使用Mixin类，见下文。

关于Mixin

Mixin的wiki页：https://en.wikipedia.org/wiki/Mixin

对于那些想要从多个类中继承的方法，如果想要避免多重继承可能引起的属性混乱，可以将这些方法单独编写到一个类中，而这个功能/方法相对单一的类称为Mixin类。

Mixin类通过特殊的多重继承方法来扩展主类的功能，却又很安全，不会出现多重继承时属性混乱的问题。

例如：

class Mixin1():
    def test1(self):
        print("test1 method provided by Mixin1")

class Mixin2():
    def test2(self):
        print("test2 method provided by Mixin1")

class Base():
    def mymethod(self):
        print("mymethod is the base method")

class Myclass(Mixin1, Mixin2, Base):
    pass

上面的Mixin1和Mixin2是Mixin类，它们都只有一个方法，功能非常单一，它们可以看作是Base类的功能扩充类，也可以认为Mixin类是主类Include的类。

例如wiki页中给的一个例子，class TCPServer中提供了UDP/TCP server的功能，这时每个连接都通过一个相同的进程进行处理。但是可以将class ThreadingMixIn通过Mixin的方法对TCPServer进行扩充：

class ThreadingTCPServer(ThreadMixIn, TCPServer):
    pass

这相当于将ThreadingMixIn类中的方法添加到了TCPServer类中，使得每个新连接都会创建一个新的线程，这个功能是ThreadMixIn提供的，但看上去作用在TCPServer上。

关于Mixin类，有几个编码规范需要遵守：

1. 类名使用Mixin结尾，例如ListMixin、AbcMixin
   
2. 多重继承时Mixin类放在主类的前面，或者说主类放在最后面，避免主类有和Mixin类中重名函数而使得Mixin类失效
   
3. Mixin类中不规定只能定义一个方法，而是少定义一点，让功能尽量单一、独立

抽象类

抽象类是指：这个类的子类必须重写这个类中的方法，且这个类没法进行实例化产生对象。

先说明在Python中如何定义抽象类。Python中的abc模块(Abstract Base Classes)专门用来实现抽象类、接口。

例如，在设计某个程序的缓存接口时，想要让它未来既可以使用普通的cache，也可以使用redis缓存。那么只需要定义一个抽象的类Cache，里面实现两个抽象方法get()和set()，以后无论使用普通的cache还是redis缓存，都只需让这两种缓存类型实现且必须实现get()和set()即可。

import abc

class Cache(metaclass=abc.ABCMeta):
    @abc.abstractmethod
    def get(self, key):
        pass

    @abc.abstractmethod
    def get(self, key, value):
        pass

# 子类继承时，必须实现这两个方法
class CacheBase(Cache):
    def get(self, key):
        pass
    def set(self, key, value):
        pass

class Redis(Cache):
    def get(self, key):
        pass
    def set(self, key, value):
        pass

如果子类没有实现或者少实现了抽象类中的方法，在构造子类实例化对象的时候就会立即报错。

在Python中大多数时候不建议直接定义抽象类，这可能会造成过度封装/过度抽象的问题。如果想要让子类必须实现父类的某个方法，可以在父类方法中加上raise来抛出异常NotImplementedError，这时如果子类对象没有实现该方法，就会查找到父类的这个方法，从而抛出异常。

class Cache():
    def get(self, key):
        raise NotImplementedError("must define get method")
    def set(self, key):
        raise NotImplementedError("must define set method")

使用raise NotImplementedError的方式来模拟抽象类，它只有在调用到set/get的时候才会抛异常，在实例化对象的时候或者没有调用到这两个方法的时候不会报错。