python class __getattr__ 与 __getattribute__ 的区别

2024-05-31 00:04

本文主要是介绍python class __getattr__ 与 __getattribute__ 的区别,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在Python中,__getattr__是一个特殊的方法,用于处理访问不存在的属性时的行为。它通常在类中被重写,以便在属性访问失败时提供自定义的处理逻辑。

__getattr__ 的使用

1. 基本用法

__getattr__方法在访问类实例的某个不存在的属性时自动调用。其签名如下:

def __getattr__(self, name):# 自定义处理逻辑pass
  • self:指向实例对象本身。
  • name:要访问的不存在的属性的名称。
2. 示例

以下是一个简单的示例,展示如何使用__getattr__

class MyClass:def __init__(self, existing_attribute):self.existing_attribute = existing_attributedef __getattr__(self, name):return f"The attribute '{name}' does not exist"# 创建对象
obj = MyClass("Hello")# 访问存在的属性
print(obj.existing_attribute)  # 输出: Hello# 访问不存在的属性
print(obj.non_existent_attribute)  # 输出: The attribute 'non_existent_attribute' does not exist
3. 实现动态属性

可以使用__getattr__来实现动态属性:

class DynamicAttributes:def __init__(self, base_value):self.base_value = base_valuedef __getattr__(self, name):if name.startswith("dynamic_"):return f"Dynamic value based on {self.base_value} and {name}"raise AttributeError(f"'{self.__class__.__name__}' object has no attribute '{name}'")# 创建对象
obj = DynamicAttributes(10)# 访问动态属性
print(obj.dynamic_example)  # 输出: Dynamic value based on 10 and dynamic_example# 访问不存在的普通属性会引发 AttributeError
print(obj.some_other_attribute)  # 输出: AttributeError: 'DynamicAttributes' object has no attribute 'some_other_attribute'

__getattr____getattribute__ 的区别

  • __getattr__:仅在访问不存在的属性时调用。
  • __getattribute__:每次访问属性时都会调用,不论该属性是否存在。因此,如果使用__getattribute__,必须特别小心以避免无限递归。
__getattribute__ 示例
class MyClass:def __init__(self, value):self.value = valuedef __getattribute__(self, name):print(f"Accessing attribute: {name}")return super().__getattribute__(name)# 创建对象
obj = MyClass(100)# 访问属性
print(obj.value)  # 输出: Accessing attribute: value\n100

典型应用场景

  1. 延迟加载属性:当某些属性的计算开销较大且可能并不总是需要时,可以使用__getattr__在第一次访问时计算并缓存这些属性。

  2. 代理模式:在代理对象中,将对不存在属性的访问转发到实际对象。

class RealObject:def __init__(self):self.existing_attribute = "I'm real"class Proxy:def __init__(self, real_object):self._real_object = real_objectdef __getattr__(self, name):return getattr(self._real_object, name)# 创建真实对象和代理对象
real = RealObject()
proxy = Proxy(real)# 通过代理对象访问真实对象的属性
print(proxy.existing_attribute)  # 输出: I'm real
  1. 配置管理:在动态生成配置项时,可以通过__getattr__来实现。
class Config:def __init__(self, settings):self._settings = settingsdef __getattr__(self, name):return self._settings.get(name, None)# 创建配置对象
settings = {'host': 'localhost', 'port': 8080}
config = Config(settings)# 访问配置项
print(config.host)  # 输出: localhost
print(config.port)  # 输出: 8080
print(config.debug)  # 输出: None

通过__getattr__,可以使类的属性访问更加灵活,满足特定需求。合理使用这个方法可以增强代码的动态性和适应性,但滥用可能导致代码难以调试和维护。

这篇关于python class __getattr__ 与 __getattribute__ 的区别的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1017113

相关文章

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

nudepy,一个有趣的 Python 库!

更多资料获取 📚 个人网站:ipengtao.com 大家好,今天为大家分享一个有趣的 Python 库 - nudepy。 Github地址:https://github.com/hhatto/nude.py 在图像处理和计算机视觉应用中,检测图像中的不适当内容(例如裸露图像)是一个重要的任务。nudepy 是一个基于 Python 的库,专门用于检测图像中的不适当内容。该

native和static native区别

本文基于Hello JNI  如有疑惑,请看之前几篇文章。 native 与 static native java中 public native String helloJni();public native static String helloJniStatic();1212 JNI中 JNIEXPORT jstring JNICALL Java_com_test_g

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

HTML提交表单给python

python 代码 from flask import Flask, request, render_template, redirect, url_forapp = Flask(__name__)@app.route('/')def form():# 渲染表单页面return render_template('./index.html')@app.route('/submit_form',

Android fill_parent、match_parent、wrap_content三者的作用及区别

这三个属性都是用来适应视图的水平或者垂直大小,以视图的内容或尺寸为基础的布局,比精确的指定视图的范围更加方便。 1、fill_parent 设置一个视图的布局为fill_parent将强制性的使视图扩展至它父元素的大小 2、match_parent 和fill_parent一样,从字面上的意思match_parent更贴切一些,于是从2.2开始,两个属性都可以使用,但2.3版本以后的建议使

Collection List Set Map的区别和联系

Collection List Set Map的区别和联系 这些都代表了Java中的集合,这里主要从其元素是否有序,是否可重复来进行区别记忆,以便恰当地使用,当然还存在同步方面的差异,见上一篇相关文章。 有序否 允许元素重复否 Collection 否 是 List 是 是 Set AbstractSet 否