python装饰器扩展类方法和元类管理实例

2024-01-22 01:52

本文主要是介绍python装饰器扩展类方法和元类管理实例,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!

1 python装饰器扩展类方法和元类管理实例

在class语句的末尾,类装饰器把类名重绑定的一个可调用对象;

在class语句的末尾,元类把类对象的创建指定到type的子类;

类装饰器可以管理类对象和类实例;

元类比较适合管理类对象,用于管理类实例会比较复杂。

通过类装饰器也可以扩展类方法。

1.1 基于装饰器的扩展

描述

装饰器通过返回装饰类保留原类类型来管理类。

对装饰类添加方法来自动扩展全部被装饰的类。

示例

# obj 类似 self,类的方法第1个入参为self    
>>> def triple(obj):return obj.value*3>>> def joinf(obj,value):return value+'装饰器自动扩展'>>> def MyDecorator(aCls):# 添加装饰类的方法aCls.triple=tripleaCls.joinf=joinf# 返回装饰类保留最初的类类型return aCls# 通过装饰器自动添加方法 
>>> @MyDecorator
class ClsA():def __init__(self,value):self.value=valuedef double(self):return self.value*2>>> @MyDecorator
class ClsB():value=5>>> ca1=ClsA(6)
>>> ca1.double()
12
>>> ca1.triple()
18
>>> ca1.joinf('ca1')
'ca1元类自动扩展'
>>> cb1=ClsB()
>>> cb1.triple()
15
>>> cb1.joinf('cb1')
'cb1元类自动扩展'

1.2 装饰器和元类管理类实例

类装饰器可以管理类和实例。

元类可以管理类和实例,比较适合管理类,管理实例需比较多的额外代码。

1.2.1 装饰器管理类实例

描述

装饰器管理类实例需要返回包装器,通过getattr()拦截装饰类的实例属性。

示例

>>> def TracerDeco(aCls):# 装饰器管理实例需返回包装器class Wrapper:def __init__(self,*args,**kargs):self.wrapped=aCls(*args,**kargs)# 通过__getattr__()拦截实例属性 def __getattr__(self,attrname):print('装饰器getattr:',attrname)return getattr(self.wrapped,attrname)return Wrapper>>> @TracerDeco
class Staff:def __init__(self,name,days,rate):self.name=nameself.days=daysself.rate=ratedef pay(self):return self.days*self.rate>>> s1=Staff('梯阅线条',22,3000)
>>> s1.name,s1.pay()
装饰器getattr: name
装饰器getattr: pay
('梯阅线条', 66000)

1.2.2 元类管理类实例

描述

元类管理类实例,需要先用type()创建类对象,再通过包装器管理类实例,拦截客户类的实例属性。

示例

>>> def TracerMeta(classname,supers,classdict):# 元类管理实例先用type()创建类对象aClass=type(classname,supers,classdict)# 再用包装器管理类实例class Wrapper:def __init__(self,*args,**kargs):self.wrapped=aClass(*args,**kargs)def __getattr__(self,attrname):print('元类getattr:',attrname)return getattr(self.wrapped,attrname)return Wrapper# 返回包装器>>> class Staff(metaclass=TracerMeta):def __init__(self,name,days,rate):self.name=nameself.days=daysself.rate=ratedef pay(self):return self.days*self.rate>>> s1=Staff('梯阅线条',22,3000)
>>> s1.name,s1.pay()
元类getattr: name
元类getattr: pay
('梯阅线条', 66000)

这篇关于python装饰器扩展类方法和元类管理实例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/631502

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

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

【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

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

科研绘图系列:R语言扩展物种堆积图(Extended Stacked Barplot)

介绍 R语言的扩展物种堆积图是一种数据可视化工具,它不仅展示了物种的堆积结果,还整合了不同样本分组之间的差异性分析结果。这种图形表示方法能够直观地比较不同物种在各个分组中的显著性差异,为研究者提供了一种有效的数据解读方式。 加载R包 knitr::opts_chunk$set(warning = F, message = F)library(tidyverse)library(phyl

【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

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验