__getattr__是當類調用一個不存在的屬性時才會調用getattr魔法函數，他傳入的值item就是你這個調用的不存在的值。__getattribute__則是無條件的優先執行，所以如果不是特殊情況最好不要用__getattribute__。

class User(object): def __init__(self, name, info):self.name = nameself.info = info def __getattr__(self, item):return self.info[item]ls = User('李四',{'gender':'male'})print(ls.gender) 2.屬性描述符

屬性描述符介紹屬性描述符是一個強大的通用協議。它是properties, methods, static methods, class methods 和super()的調用原理。

屬性描述符協議屬性描述符是實現了特定協議的類，只要實現了__get__，__set__和__delete__三個方法中的任意一個，這個類就是描述符，它能實現對多個屬性運用相同存取邏輯的一種方式，通俗來說就是：創建一個實例，作為另一個類的類屬性。

注意

• 如果一個對象同時定義了__get__和__set__方法，它被稱做數據描述符(data descriptor)。

• 只定義__get__方法的對象則被稱為非數據描述符(non-data descriptor)。

使用類方法創建描述符

• 定義一個IntField類為描述符類

• 創建IntField類的實例，作為另一個User類的屬性

class IntField(object): def __set__(self, instance, value):print('__set__') def __get__(self, instance, owner):print('__get__') def __delete__(self, instance):print('__delete__')class User(object): age = IntField()ls = User()ls.age ls.age = 30 del ls.age

使用屬性類型創建描述符

除了使用類當作一個屬性描述符，我們之前學習的 property()，就是可以輕松地為任意屬性創建可用的描述符。創建 property() 的語法是 property(fget=None, fset=None, fdel=None, doc=None)

描述符查找順序

• 當為數據描述符時， __get__優先級高于__dict__• 當為非數據描述符時,__dict__優先級高于__get__

元類介紹

元類實際上就是創建類的類

實現如下：

• 定義創建類的函數create_class• 如果給create_class傳的參數為user，則創建User類

type()創建元類

• 第一個參數：name表示類名稱，字符串類型• 第二個參數：bases表示繼承對象（父類），元組類型，單元素使用逗號• 第三個參數：attr表示屬性，這里可以填寫類屬性、類方式、靜態方法，采用字典格式，key為屬性名，value為屬性值

def __init__(self, name): self.name = name print('i am __init__')User = type('User', (), {'age':18 , '__init__':__init__})obj = User('amy') print(obj.name)

metaclass屬性

如果一個類中定義了__metalass__ = xxx,Python就會用元類的方式來創建類,就可以控制類的創建行為比如，以下代碼,再不改變類屬性的抒寫情況下，將屬性名規定為大寫訪問。

class MyClass(object): name = 'ls'mc = MyClass()print(mc.name)Python迭代器

迭代器指的是迭代取值的工具,迭代是指一個重復的過程,每一次重復都是基于上一次結果而來迭代提供了一種通用的不依賴索引的迭代取值方式

可迭代對象

可以用for循環遍歷的對象都是可迭代對象。• str,list,tuple,dict,set等都是可迭代對象。• generator，包括生成器和帶yield的生成器函數。

判斷是否可迭代

除了看內置是否含有__iter__方法來判斷該對象是否是一個可迭代的對象之外，我們還可以使用 isinstance() 判斷一個對象是否是 Iterable 對象• isinstance()–>用來判斷對象是否是相應類型，與type()類似。

from collections import Iterable,Iteratorprint(isinstance(’abc’,Iterable)) # Trueprint(isinstance([1,2,3,4],Iterable)) # Trueprint(isinstance(123,Iterable)) # False

迭代器對象

• 有內置的__next__()方法的對象，執行該方法可以不依賴索引取值• 有內置的__iter__()方法的對象，執行迭代器的__iter__()方法得到的依然是迭代器本身需要注意的是，可迭代對象不一定是迭代器

iter()

可以被next()函數調用并不斷返回下一個值的對象稱為迭代器：Iterator。那我們可以通過iter()方法將可迭代的對象，轉為迭代器。

li = [1,2,3,4]lis = iter(li)print(type(lis)) # <class ’list_iterator’>

注意：• 迭代器不可以通過下標取值，而是使用__next__()或者next()。但是只要超出范圍則直接報錯StopIteration。

print(lis[0]) # 報錯 not subscriptableprint(lis.__next__())print(lis.__next__())print(lis.__next__())print(lis.__next__())print(next(lis))print(next(lis))print(next(lis))print(next(lis))

• next()只能順延調用，不能往前。

可迭代對象與迭代器區別• 可用于for循環的都是可迭代類型• 作用于next()都是迭代器類型• list、dict、str等都是可迭代的但不是迭代器,因為next()函數無法調用它們。可以通過iter()函數將它們轉為迭代器• python的for循環本質就是通過不斷調用next()函數實現的

生成器定義在Python中，一邊循環一邊計算的機制，稱為生成器：generator。為什么要有生成器列表所有數據都在內存中，如果有海量數據的話會非常消耗內存。比如說：我們僅僅需要訪問前面幾個元素，但后面絕大多元素占用的內存就會浪費了。那么生成器就是在循環的過程中根據算法不斷推算出后續的元素，這樣就不用創建整個完整的列表，從而節省大量的空間。總而言之，就是當我們想要使用龐大數據，又想讓它占用的空間少，那就使用生成器。

生成器表達式生成器表達式來源于迭代和列表解析的組合，生成器和列表解析類似，但是它使用()而不是[]。

g = (x for x in range(5))print(g) # generator objectprint(next(g))print(next(g))print(next(g))print(next(g))print(next(g))# 超出報錯print(next(g))for i in g: print(i)

生成器函數當一個函數中包含yield關鍵字，那么這個函數就不再是一個普通的函數，而是一個generator。調用函數就是創建了一個生成器對象。其工作原理就是通過重復調用next()或者__next__()方法，直到捕獲一個異常。比如：實現斐波那契數列，除第一個和第二個數外，任何一個數都可以由前兩個相加得到：1，1，2，3，5，8，12，21，34…

def createNums(): print('-----func start-----') a,b = 0,1 for i in range(5):# print(b)print('--1--')yield bprint('--2--')a,b = b,a+bprint('--3--') print('-----func end-----') g = createNums()print(next(g)) print(next(g)) print(next(g))print(next(g))print(next(g))

注意：

• yield返回一個值，并且記住這個返回值的位置，下次遇到next()調用時，代碼從yield的下一條語句開始執行。與return的差別是，return也是返回一個值，但是直接結束函數。

迭代器與生成器

• 生成器能做到迭代器能做的所有事

• 而且因為生成器自動創建了iter()和next()方法，生成器顯得簡潔，而且高效。

讀取大文件

文件300G,文件比較特殊,一行 分隔符 {|}

def readlines(f,newline): buf = '' while True:while newline in buf: pos = buf.index(newline) yield buf[:pos] buf = buf[pos + len(newline):]chunk = f.read(4096*10)if not chunk: yield buf breakbuf += chunkwith open(’demo.txt’) as f: for line in readlines(f,'{|}'):print(line)

到此這篇關于Python元類與迭代器生成器案例詳解的文章就介紹到這了,更多相關Python元類與迭代器生成器內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！