Python的双下划方法

Posted 2021-02-01 wang-kai-1994

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python的双下划方法相关的知识，希望对你有一定的参考价值。

算数运算符

一元运算符        __neg__ -、__pos__ +、__abs__ abs()    

众多比较运算符        __lt__ <、__le__ <=、__eq__ ==、__ne__ !=、__gt__ >、__ge__ >=

算术运算符    __add__ +、__sub__ -、__mul__ *、__truediv__ /、__floordiv__ //、__ mod__ 、 __divmod__ divmod()、__pow__     　　　　　　** 或 pow()、__round__ round()


反向算术运算符        __radd__、__rsub__、__rmul__、__rtruediv__、__rfloordiv__、__rmod__、                     __rdivmod__、__rpow__ 

增量赋值算术运算符        __iadd__、__isub__、__imul__、__itruediv__、__ifloordiv__、__imod__、 __ipow__

位运算符    __invert__ ~、__lshift__ <<、__rshift__ >>、__and__ &、__or__ |、__ xor__ ^

反向位运算符        __invert__ ~、__lshift__ <<、__rshift__ >>、__and__ &、__or__ |、__ xor__ ^

增量赋值位运算符    __ilshift__、__irshift__、__iand__、__ixor__、__ior_

非算数运算符

字符串 / 字节序列  
表示形式     __repr__、__str__、__format__、__bytes__ 

数值转换    __abs__、__bool__、__complex__、__int__、__float__、__hash__、__index__

集合模拟      __len__、__getitem__、__setitem__、__delitem__、__contains__ 

迭代枚举     __iter__、__reversed__、__next__

可调用模拟     __call__ 
    
上下文管理    __enter__、__exit__

实例创建和销毁   __new__、__init__、__del__

属性管理     __getattr__、__getattribute__、__setattr__、__delattr__、__dir__

属性描述符     __get__、__set__、__delete__ 

跟类相关的服务        __prepare__、__instancecheck__、__subclasscheck__

repr,str

_repr__ 所返回的字符串应该准确、无歧义，并且尽可能表达出如何用代码创建出这个被 打印的对象。因此这里使用了类似调用对象构造器的表达形式(比如Vector(3, 4)就是个 例子)。

__repr__ 和 __str__ 的区别在于，后者是在 str() 函数被使用，或是在用 print 函数打印 一个对象的时候才被调用的，并且它返回的字符串对终端用户更友好。

__del__ 与弱引用

del 不会删除对象，而是删除对象的引用。执行 del 操作后可能会导致对象不可获取，从而被垃圾回收机制删除。

Python 没有直接销毁对象的机制，CPython 中的垃圾回收主要依靠引用计数，后来实现了分代垃圾回收程序，它能把引用循环中不可获取的对象销毁。

 弱引用不会增加对象的引用数量。不会妨碍所指对象被当作垃圾回收。

(WeakValueDictionary 类 实现的是一种可变映射，里面的值是对象的弱引用。被引用的对象在程序中的其他地方被当作垃圾回收后，对应的键会自动从 WeakValueDictionary 中删除。因此，WeakValueDictionary 经常用于缓存)

　　弱引用的局限

不是每个 Python 对象都可以作为弱引用的目标(或称所指对象)。基本的 list 和 dict 实例不能作为所指对象，但是它们的子类可以轻松地解决这个问题.

但是，int 和 tuple 实例不能作为弱引用的目标，甚至它们的子类也不行。这些局限基本上是 CPython 的实现细节，在其他 Python 解释器中情况可能不一样。

slots

默认情况下，Python 在各个实例中名为 dict 的字典里存储实例属性。

通过设置 slots ，阻止实例创建 dict 成员。解释器仅为指定成员分配内存空间

class X:
    __slots__ = (‘a‘,‘b‘)
    def __init__(self,a):
    self.a = a

主要作用是为了创建海量数据时，提升效率，对于非指定的对象，不开辟内存空间。

对 slots 的修改并不会影响类创建时设定的内存分配策略。

总之，如果使用得当，slots 能显著节省内存，不过有几点要注意。

每个子类都要定义 slots 属性，因为解释器会忽略继承的 slots 属性。
实例只能拥有 slots 中列出的属性，除非把 ‘dict‘ 加入 slots 中(这样做

就失去了节省内存的功效)。
如果不把 ‘weakref‘ 加入 slots，实例就不能作为弱引用的目标。

cal

来控制对象的创建过程

单例
class My(type):
    obj = None
    def __call__(self, *args, **kwargs):
        if not My.obj:
            obj = object.__new__(self)
            self.__init__(obj, *args, **kwargs)
            My.obj = obj
        return My.obj
        
class  Printer(metaclass=My):

装饰器
from functools import wraps

class decorate:

    def __init__(self, name):        
        self.name = name    
        
    def __call__(self, func):        
        @wraps(func)
        def deco(*args, **kwargs):
        
            if self.name == ‘Admin‘:
                pass
                        
            elif self.name == ‘Student‘:
               pass)
                        
            elif self.name == ‘Teacher‘:
                pass
                        
            return func(*args, **kwargs)

        return deco

@decorate(‘Admin‘)
@decorate(‘Student‘)
@decorate(‘Teacher‘)