python高级编程——入门语法（一）

元类

　　在python中一切皆对象，类也是对象，只不过类是一个创建对象的对象，我们可以在类中动态的创建一个类，比如

def func(name):
    if name == "Plane":
        class Plane(object):
            pass
        return Plane
     else:
        class Metrorolite(object):
            pass
        return Mrtroolite

　　虽然根据上述代码可以动态创建一个类，但是整个类的代码仍需要我们编写的

　　type()有两种作用：

　　　　1、检查对象类型

class People(object):
    def __init__(self, id, name, employees):
        self.id = id
        self.name = name
    
    def func(self):
        return

if __name__ == "__main__":
    id = 1001
    name = "abc"
    employees = [1,2,3]
    people = People(id, name, employees)
    # 检查整型
    print(type(id))   # <class 'int'>
    # 检查字符串型
    print(type(name))   # <class 'str'>
    # 检查列表型
    print(type(employees))  # <class 'list'>
    # 检查类的对象型
    print(type(people))    #  <class '__main__.People'>
    # 检查类类型
    print(type(People))    # <class 'type'>
    # 检查函数型
    print(type(people.func))   #   <class 'method'>

# 如果我们对其结果再次type()得到的结果都是type类型，这就验证了一切解释对象

　　2、还有一个高大上的作用就是动态的创建类

　　　　　　语法：type(类名, 由父类名称组成的元组（可以为空）, 包含属性的字典（名称和值）)

　　　　　　返回值是一个类

# 空类
Chinese = type("People", (), {})

# 继承父类，父类以元组的形式表达
Chinses = type("People", (object, ), {})

# 给类一些属性(下述都是类属性）和方法（方法可以自定义，依次是实例方法、类方法、静态方法）

def sayHI(self):
    print("HI")

@classmethod
def sayHello(cls):
    print("Hello")

@staticmethod
def sayBye():
    print("Bye")

Chinese = type("People", (object, ), {"id": 1001, "name": "zhangsan", "func1": sayHI, "func2": sayHello, "func3": sayBye})

# Chinese 不是类名，People是类名，Chinese是一个引用变量

　　元类的定义：

　　　　元类就是用来创建类的“东西” 

　　　　元类是类的类， 是类的模板

　　　　元类是用来控制如何创建类的， 正如类是创建对象的模板一样，而元类的主要目的是为了控制类的创建行为 

　　　　元类的实例化结果是我们用class定义的类，正如类的实例为对象 

　　　　type是python的一个内建元类， 用来直接控制生成类 

　　　　python中任何class定义的类其实都是type类实例化的对象 

　　　　当然了，你也可以创建自己的元类，需要继承 type。

　　元类的定义和使用：

　　　　通过函数返回一个元类：

# 自定义函数
def summary(a, b):
    return a+b


# 这个函数的作用是修改当前类的属性的值和方法的功能，并且返回一个类
def upper_attr(future_class_name, future_class_parent, future_class_attr):

    # 可以修改当前类定义的属性的值和方法的功能
    newAttr = {}
    for name, value in future_class_attr.items():
        if name == "bar":
            newAttr[name] = "变量值修改了"
        if name == "func":
            newAttr[name] = summary

    return type(future_class_name, future_class_parent, newAttr)


class Operation(object, metaclass=upper_attr):
    bar = "修改之前的值"
    func = None


if __name__ == "__main__":
    print(Operation.bar)    # 变量值修改了
    print(Operation.func(2, 4))    # 返回值6

　　　　通过继承type生成元类（博主也没有看懂，了解即可，用到极少）：

class Meta(type):
    def __init__(cls, *args, **kwargs):
        super().__init__(*args)

    def __new__(cls, *args, **kwargs):
　　　　name, bases, attrs = args
　　　　return super().__new__(cls, name, bases, attrs)
class M_Class(metaclass=Meta):
　　def __new__(cls, *args, **kwargs):
　　　　return super().__new__(cls)
　　def __init__(self):
　　　　pass

动态语言

　　静态语言和动态语言的区别：

静态语言（强类型语言）
　　静态语言是在编译时变量的数据类型即可确定的语言，多数静态类型语言要 求在使用变量之前必须声明数据类型。

　　例如：C++、Java、Delphi、C#等。

动态语言（弱类型语言）
　　动态语言是在运行时确定数据类型的语言。变量使用之前不需要类型声明， 通常变量的类型是被赋值的那个值的类型。

　　 例如：PHP/ASP/Ruby/Python/Perl/ABAP/SQL/JavaScript/Unix Shell等等。

　　动态语言的特性：

　　　　运行的过程中给对象绑定(添加)属性

　　　　运行的过程中给类绑定(添加)属性

　　　　运行的过程中给类绑定(添加)方法

　　　　运行的过程中删除属性、方法

class Person(object):
    def __init__(self, name, age):
        self.name = name
        self.age = age

def show():
    print("通过类动态增加类方法.")
@classmethod
def show2(cls):
    print("通过类动态增加类方法，并且打印id.", cls.id)
    
if __name__ == "__main__":
    person = Person("张三", 22)

    # 运行过程中，给对象添加属性
    person.phone = "1847015XXXX"
    print(person.phone)       # 1847015XXXX

    # 运行过程中，对象是不能添加方法，否则会报错
    # person.func = show
    # person.func()

    # 运行过程中，给类增加属性
    Person.id = 10001
    print("对象访问类属性", person.id)  # 对象访问类属性10001
    print("类访问类属性", Person.id)    #  类访问类属性10001
    # 运行过程中给类增加方法
    Person.func = show
    Person.func()               #  通过类动态增加类方法.
    # 运行过程中给类增加类方法
    Person.func = show2
    Person.func()           #   通过类动态增加类方法，并且打印id。10001

__slots__

　　__slots__作用：

　　　　Python允许在定义class的时候，定义一个特殊变量__slots__来限制该 class能添加的属性，当前类就不能定义或者增加__slots__之外的属性了

　　__slots__注意事项：

　　　　__slots__只对类的实例化对象进行限制，不对类进行限制，__slots__变量值是以元组形式表示

　　　　__slots__不仅限制类对象的属性，还限制类对象的方法

　　　　__slots__仅对当前类起作用，对继承的子类不起作用

　　　　在子类中定义__slots__，子类允许定义的属性就是自身的__slots__加上父类的 __slots__

class Person(object):
    __slots__ = ("name", "age")
    def __init__(self, name, age):
        self.name = name
        self.age = age
    
if __name__ == "__main__":
    person = Person("张三", 22)
    # 运行过程中，给对象添加属性实例对象属性只限于name，age 
    # person.phone = "1847015XXXX"
    # print(person.phone)
    
    # 运行过程中，给类增加属性，__slots__ 不限制类
    Person.id = 10001
    print("对象访问类属性", person.id)  # 对象访问类属性 10001
    print("类访问类属性", Person.id)   # 类访问类属性 10001

生成器

　　概念：Python中，这种一边循环一边计算的机制，称为生成器：generator。

　　创建生成器的两种方式：

 　　　　方法1：列表生成式的 [ ] 改成 ( )

　　　　　　numbers = ( i for i in range(100))

　　　　　　通过 next() 函数获得生成器的下一个返回值 

　　　　　　没有更多的元素时，抛出 StopIteration 的异常 

　　　　　　正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心 StopIteration 异

 　　　　方法2：使用函数创建生成器（实例）

# 斐波那契数列
def fibonacci(num):
    a = 0
    b = 1
    count = 0
    temp = 1
    while count < num:
        yield b
        a, b = b, a+b
        count += 1

fi = fibonacci(4)
print(next(fi))    # 1
print(next(fi))    # 1
print(next(fi))    # 2
print(next(fi))    # 3

# 没有更多的元素时，抛出 StopIteration 的异常
# 正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心StopIteration 异常
print(next(fi))    # error

# 所以在使用生成器的时候，需要捕获异常
fi = fibonacci(10)
while True:
    try:
        print(next(fi))
    except StopIteration as e:
        print(e)
        break

　　　　另外生成器也可以传递参数通过send(参数值)：

# 斐波那契数列
def fibonacci(num):
    a = 0
    b = 1
    count = 0
    temp = 1
    while count < num:
        temp = yield temp*b
        print("temp{}:{}".format(count, temp))
        a, b = b, a+b
        count += 1
fi = fibonacci(10)

print(next(fi))
while True:
    try:
        print(fi.send(1))
    except:
        break

迭代器

　　可迭代对象： 　　

　　　　这里先提一下迭代器对象，如果一个对象可以通for循环进行遍历的对象一般都是迭代器对象；python提供了一个Iterable类就是鉴别对象是否是迭代器对象，在鉴别的过程中需要借助isinstance()方法，这个方法是鉴别对象是否属于一个类的对象，这里不能用type()方法，因为type()的作用是鉴别对象是否是类的实例化对象（通过继承的是false)

　　　　首先先简单介绍两者检验对象类型的区别：

class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()

if __name__ == "__main__":
    a = 123
    # 两者检验整型,类似这种，字符串、列表、元组、集合、字典都是一样的结果
    print(type(a) == int)     # True
    print(isinstance(a, int))    # True
    
    # 两者主要的区别 直接通过类生成的对象，两者检验的结果是一样的
    b = B()
    print(type(b) == B)    # True
    print(isinstance(b, B))    # True
    # 若是父类就会有不一样的结果
    print(type(b) == A)    # False
    print(isinstance(b, A))   # True

　　　　所以在检验对象时，采用isinstance()比较好，

from collections import Iterable

class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()
    
    # 实例生成器函数
    def func(self, a):
        yield a
        a = a + 1
        if a == 5:
            return

if __name__ == "__main__":
    b = B()
    print(isinstance(b, Iterable))   #  False
    # 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典
    b = ""
    print(isinstance(b, Iterable))   # True
    # 前面提到的生成器，他也是可迭代对象
    a = B()
    b = a.func(0)
    print(isinstance(b, Iterable))   # True

　　迭代器：

　　　　可以被next()函数调用并不断返回下一个值的对象称为迭代器：Iterator。

　　　　可以使用 isinstance() 判断一个对象是否是 Iterator 对象： 

　　　　有两种情况是迭代器：

　　　　　　1、通过生成器函数生成的生成器就是迭代器

　　　　　　2、通iter()函数将可迭代对象转换成迭代器

from collections import Iterator

class A:
    def __init__(self):
        pass

class B(A):
    def __init__(self):
        super().__init__()
    
    # 实例生成器函数
    def func(self, a):
        yield a
        a = a + 1
        if a == 5:
            return

if __name__ == "__main__":
    b = B()
    print(isinstance(b, Iterator))   #  False
    # 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典
    b = ""
    print(isinstance(b, Iterator))   # True
    # 前面提到的生成器，他也是可迭代对象
    a = B()
    b = a.func(0)
    print(isinstance(b, Iterator))   # True
    
    # 通过iter()函数将字符串、列表、元组、集合、字典转换成迭代器
    b = {}
    b = iter(b)
    print(isinstance(b, Iterator))

　　　　迭代器是可以自定义，只要重写迭代器协议的两个方法　　　　

　　　　　　迭代器对象符合迭代器协议，提供两种方法： __iter__() 和 __next__()　　　　　　

　　　　　　__iter__ 返回迭代器对象，并在循环开始时隐式调用。 

　　　　　　 __next__方法返回下一个值，并在每个循环增量处隐式调用。　　　　

　　　　　　 __next__在没有更多值返回时引发StopIteration异常，循环结构隐式捕获该 异常以停止迭代。 

class Counter:
    def __init__(self, low, high):
        self.current = low
        self.high = high
    
    # 生成器的一般固定写法
    def __iter__(self):
        return self
    
    # 在下面函数可以改变迭代器返回的下一个值
    def __next__(self):
        if self.current > self.high:
            raise StopIteration
        else:
            self.current += 2
            return self.current -2