# hasattr(obj,'name')-->obj.name
# getattr(obj,'name',default = 'xxx')--->obj.name
# setattr(obj,'name','egon')--->obj.name = 'egon'
# delattr(obj,'name')-->del obj.name
# class Foo:
# pass
# f1 = Foo()
# 类、文件、模块都可以使用反射机制
# import Day15 as test
# print(test)
# print(hasattr(test,'say'))
# print(hasattr(test,'test'))
# if hasattr(test,'test1'):
# func = getattr(test,'test1')
# func()
# else:
# print('不存在该方法，不能执行')
# import sys
# test1 = sys.modules[__name__]
# print('--->',hasattr(test1,'test'))
##########################################################################
# isinstance(obj,cls) 判断是否是类的一个对象
# class Foo:
# pass
# f1 = Foo()
# print(isinstance(f1,Foo))
# class Bar(Foo):
# pass
# print(issubclass(Bar,Foo))#判断是否是子类
########################################################################
# class Foo:
# def __init__(self,x):
# self.x = x
# def __getattr__(self, item):
# print('当找不到执行的方法是就执行getattr')
# def __getattribute__(self, item):
# print('执行的是getattribute')
# raise AttributeError('抛出一个异常') # 模拟python的异常
# f1 = Foo(10)
# f1.xx
# f1.x
# 不管是否有没有方法，都会触发getattribute，当有getattribute的时候都会执行，不会再执行getattr
# getattribute优先运行
# print('------------>')
# print('------------>')
# class Foo:
# pass
# f1 = Foo()
# f1.name
# raise AttributeError('抛出异常')
# print('------------>')
#############################################################################
# item()只适用于字典的操作
# class Foo:
# def __getitem__(self, item):
# print('getitem')
#
# def __setitem__(self, key, value):
# print('setitem')
# def __delitem__(self, key):
# print('delitem')
# f1 = Foo()
# print(f1.__dict__)
# f1.name = 'egon'
# f1['name'] = 'egon'
# f1[1] = '2222'
# print(f1.__dict__)
# del f1['name']
###############################################################################
# 改变对象的字符串显示
# l = list('hello')
# print(l)
# class Foo:
# def __init__(self,name,age):
# self.name = name
# self.age = age
# # def __str__(self):
# # return '我的名字是%s，我的年龄是%s'%(self.name,self.age)
# def __repr__(self):
# return '我的名字是%s，我的年龄是%s' % (self.name, self.age)
# f1 = Foo('pandaboy',18)
# print(f1) #print实际是在调用str'方法，实际是调用了__str__方法
# file = open('test.txt','w')
# print(file)
# repr是使用在解释器中的
# repr和str都是用来输出的，str是用在print中的，repr是用在解释器的。当共存时，print就调用str的方法，找不到str时回去找repr替代
######################################################################################################
# format定制格式化方法
# class Date:
# def __init__(self,year,mon,day):
# self.year = year
# self.mon = mon
# self.day = day
# def __format__(self, format_spec):
# print('执行中')
# return '{0.year}-{0.mon}-{0.day}'.format(self)
# d1 = Date(2018,3,4)
# print(format(d1))
# x = '{0.year}:{0.mon}:{0.day}'.format(d1)
# print(x)
####################################################################################################
# 1.__slots__是什么：是一个类变量，变量值可以是列表、元祖，或者可迭代对象，也可以是一个字符串(意味着所有的实例只有一个数据属性)
# 2.引子：使用点来访问属性本质就是在访问类或者对象的__dict__属性字典(类的字典是共享的，而每个实例都是独立的)
# 3.为何使用__slots__：字典会占用大量内存，如果有一个属性很少的类，都是有很多实例，为了节省内存可以使用__slots__
# 当定义了__slots__后，就会为实例还用一直更加紧凑的内部表示。实例通过一个很小的固定大小的数组来构建，而不是为每个实例定义一个字典
# 这跟元祖或列表类似。在__slots__中列出的属性名在内部被映射到这个数组的指定小标上，如果使用了__slots__则不能再给实例添加新的属性
# 4.注意：由__solte__产生的类不在具有dict的属性字典
# class Foo:
# __slots__ = ['name','age']#属性字典里存储key 类似于{'name':None,'age':None}
# f1 = Foo()
# f1.name = 'egon'
# print(f1.name)
# f1.age = 18
# print(f1.age)
####################################################################################################
# __doc__ 打印描述信息
# class Foo:
# '我是描述信息'
# pass
# print(Foo.__doc__)#不能被继承
# class Bar(Foo):
# pass
# print(Bar.__doc__)
####################################################################################################
# __moudle__查看导入的文件是来自哪一个模块的
####################################################################################################
# __析构方法__:当对象在内存被释放是，自动触发执行，垃圾回收机制
# class Foo:
# def __init__(self,name):
# self.name = name
# def __del__(self):
# print('垃圾回收')
# f1 = Foo('name')
# del f1
# print('_____>')
####################################################################################################
# __call__:对象后面加括号，触发执行
# class Foo:
# def __call__(self, *args, **kwargs):
# print('执行实例的方法')
# f1 = Foo()
# f1()
# 一个对象加小括号可以执行，执行的一个对象的类的方法
####################################################################################################
# 迭代器协议:1.类的对象中必须有iter的方法 2.必须有next的方法
# class Foo:
# def __init__(self,n):
# self.n = n
# def __iter__(self):
# return self
# def __next__(self):
# self.n += 1
# if self.n > 100:
# raise StopIteration ('不能在计算了')
# return self.n
#
# f1 = Foo(1)
# print(iter(f1))
# print(f1.__next__())
# print(next(f1))
# for i in f1:
# print(i)
# 斐波那契数列:第三个数为前两个数之和
# class Fib:
# def __init__(self):
# self._a = 1
# self._b = 1
# def __iter__(self):
# return self
# def __next__(self):
# self._a , self._b = self._b , self._a + self._b
# if self._a > 100:
# raise StopIteration ('不能在计算了')
# return self._a
# f1 = Fib()
# for i in f1:
# print(i)
####################################################################################################
# 描述符：描述符本质就是一个新式类，至少实现了__get__(),__set__(),__delete__()中的一个，这也被成为描述符协议
# __get__():调用一个属性时，触发
# __stt__()为一个属性赋值时，触发
# __delete__()采用del删除属性时，触发
class Foo:
def __get__(self, instance, owner):
print('get方法')
def __set__(self, instance, value):
print('set方法')
def __delete__(self, instance):
print('delete方法')
# 描述符的作用：用来代理另外一个类的属性(必须把描述符定义成这个类的类属性，不能定义到构造函数中)
# f1 = Foo()
# f1.name = 'egon'
# print(f1.name)
# 什么情景下用描述符
class Bar:
x = Foo()
print(Bar.__dict__)
b1 = Bar()
b1.x
b1.x = 10
del b1.x
# 描述符分两种
# 一、数据描述符：至少实现了get和set
# 二、非数据描述符：没有实现set
# 注意：描述符本身应该定义成新式类。被代理的也是新式类
# 必须把描述符定义成这个类的属性，不能定义到构造函数中
# 要严格遵循该优先级，优先级由高到低：类属性>数据描述符>实例属性>非数据描述符>找不到属性方法的触发__getattr__
# 类属性优先级最高， 其次是数据描述符，再次是实例属性
####################################################################################################
####################################################################################################
# 软件开发规范 转载：http://www.cnblogs.com/alex3714/articles/5765046.html
# 4.软件目录结构规范
# 为什么要设计好目录结构?
# "设计项目目录结构"，就和
# "代码编码风格"
# 一样，属于个人风格问题。对于这种风格上的规范，一直都存在两种态度:
# 一类同学认为，这种个人风格问题
# "无关紧要"。理由是能让程序work就好，风格问题根本不是问题。
# 另一类同学认为，规范化能更好的控制程序结构，让程序具有更高的可读性。
# 我是比较偏向于后者的，因为我是前一类同学思想行为下的直接受害者。
# 我曾经维护过一个非常不好读的项目，
# 其实现的逻辑并不复杂，
# 但是却耗费了我非常长的时间去理解它想表达的意思。从此我个人对于提高项目可读性、可维护性的要求就很高了。
# "项目目录结构"
# 其实也是属于"可读性和可维护性"的范畴，我们设计一个层次清晰的目录结构，就是为了达到以下两点:
#
# 可读性高: 不熟悉这个项目的代码的人，一眼就能看懂目录结构，知道程序启动脚本是哪个，
# 测试目录在哪儿，配置文件在哪儿等等。从而非常快速的了解这个项目。
# 可维护性高: 定义好组织规则后，维护者就能很明确地知道，
# 新增的哪个文件和代码应该放在什么目录之下。这个好处是，随着时间的推移，代码 / 配置的规模增加，项目结构不会混乱，仍然能够组织良好。
# 所以，我认为，保持一个层次清晰的目录结构是有必要的。更何况组织一个良好的工程目录，其实是一件很简单的事儿。
#
# 目录组织方式
# 关于如何组织一个较好的Python工程目录结构，已经有一些得到了共识的目录结构。在Stackoverflow的这个问题上，能看到大家对Python目录结构的讨论。
# 这里面说的已经很好了，我也不打算重新造轮子列举各种不同的方式，这里面我说一下我的理解和体会。
# 假设你的项目名为foo, 我比较建议的最方便快捷目录结构这样就足够了:
# Foo /
# | -- bin /
# | | -- foo
# |
# | -- foo /
# | | -- tests /
# | | | -- __init__.py
# | | | -- test_main.py
# | |
# | | -- __init__.py
# | | -- main.py
# |
# | -- docs /
# | | -- conf.py
# | | -- abc.rst
# |
# | -- setup.py
# | -- requirements.txt
# | -- README
# 简要解释一下:
# bin /: 存放项目的一些可执行文件，当然你可以起名script / 之类的也行。
# foo /: 存放项目的所有源代码。(1)
# 源代码中的所有模块、包都应该放在此目录。不要置于顶层目录。(2)
# 其子目录tests / 存放单元测试代码； (3)
# 程序的入口最好命名为main.py。
# docs /: 存放一些文档。
# setup.py: 安装、部署、打包的脚本。
# requirements.txt: 存放软件依赖的外部Python包列表。
# README: 项目说明文件。
# 除此之外，有一些方案给出了更加多的内容。比如LICENSE.txt, ChangeLog.txt文件等，
# 我没有列在这里，因为这些东西主要是项目开源的时候需要用到。如果你想写一个开源软件，目录该如何组织，可以参考这篇文章。
# 下面，再简单讲一下我对这些目录的理解和个人要求吧。
# 关于README的内容
# 这个我觉得是每个项目都应该有的一个文件，目的是能简要描述该项目的信息，让读者快速了解这个项目。
# 它需要说明以下几个事项:
# 软件定位，软件的基本功能。
# 运行代码的方法: 安装环境、启动命令等。
# 简要的使用说明。
# 代码目录结构说明，更详细点可以说明软件的基本原理。
# 常见问题说明。
# 我觉得有以上几点是比较好的一个README。在软件开发初期，由于开发过程中以上内容可能不明确或者发生变化，
# 并不是一定要在一开始就将所有信息都补全。但是在项目完结的时候，是需要撰写这样的一个文档的。
# 可以参考Redis源码中Readme的写法，这里面简洁但是清晰的描述了Redis功能和源码结构。
# 关于requirements.txt和setup.py
# setup.py
# 一般来说，用setup.py来管理代码的打包、安装、部署问题。业界标准的写法是用Python流行的打包工具setuptools来管理这些事情。
# 这种方式普遍应用于开源项目中。不过这里的核心思想不是用标准化的工具来解决这些问题
# 而是说，一个项目一定要有一个安装部署工具，能快速便捷的在一台新机器上将环境装好、代码部署好和将程序运行起来。
# 这个我是踩过坑的。
# 我刚开始接触Python写项目的时候，安装环境、部署代码、运行程序这个过程全是手动完成，遇到过以下问题:
# 安装环境时经常忘了最近又添加了一个新的Python包，结果一到线上运行，程序就出错了。
# Python包的版本依赖问题，有时候我们程序中使用的是一个版本的Python包，但是官方的已经是最新的包了，通过手动安装就可能装错了。
# 如果依赖的包很多的话，一个一个安装这些依赖是很费时的事情。
# 新同学开始写项目的时候，将程序跑起来非常麻烦，因为可能经常忘了要怎么安装各种依赖。
# setup.py可以将这些事情自动化起来，提高效率、减少出错的概率。"复杂的东西自动化，能自动化的东西一定要自动化。"
# 是一个非常好的习惯。
# setuptools的文档比较庞大，刚接触的话，可能不太好找到切入点。
# 学习技术的方式就是看他人是怎么用的，可以参考一下Python的一个Web框架，flask是如何写的: setup.py
# 当然，简单点自己写个安装脚本（deploy.sh）替代setup.py也未尝不可。
# requirements.txt
# 这个文件存在的目的是:
# 方便开发者维护软件的包依赖。将开发过程中新增的包添加进这个列表中，避免在setup.py安装依赖时漏掉软件包。
# 方便读者明确项目使用了哪些Python包。
# 这个文件的格式是每一行包含一个包依赖的说明，通常是flask >= 0.10
# 这种格式，要求是这个格式能被pip识别，这样就可以简单的通过
# pip
# install - r
# requirements.txt来把所有Python包依赖都装好了。具体格式说明： 点这里。
# 关于配置文件的使用方法
# 注意，在上面的目录结构中，没有将conf.py放在源码目录下，而是放在docs / 目录下。
# 很多项目对配置文件的使用做法是:
# 配置文件写在一个或多个python文件中，比如此处的conf.py。
# 项目中哪个模块用到这个配置文件就直接通过import
# conf这种形式来在代码中使用配置。
# 这种做法我不太赞同:
# 这让单元测试变得困难（因为模块内部依赖了外部配置）
# 另一方面配置文件作为用户控制程序的接口，应当可以由用户自由指定该文件的路径。
# 程序组件可复用性太差，因为这种贯穿所有模块的代码硬编码方式，使得大部分模块都依赖conf.py这个文件。
# 所以，我认为配置的使用，更好的方式是，
# 模块的配置都是可以灵活配置的，不受外部配置文件的影响。
# 程序的配置也是可以灵活控制的。
# 能够佐证这个思想的是，用过nginx和mysql的同学都知道，nginx、mysql这些程序都可以自由的指定用户配置。
# 所以，不应当在代码中直接import
# conf来使用配置文件。上面目录结构中的conf.py，是给出的一个配置样例，不是在写死在程序中直接引用的配置文件。
# 可以通过给main.py启动参数指定配置路径的方式来让程序读取配置内容。当然，这里的conf.py你可以换个类似的名字，
# 比如settings.py。或者你也可以使用其他格式的内容来编写配置文件，比如settings.yaml之类的