Array Array - Язык программирования Python

В результате получится класс, эквивалентный следующему:

Листинг

class My_Class(object):

def my_method(self):

print «self:", self

Но самое интересное начинается при попытке составить собственный метакласс. Проще всего наследовать метакласс от метакласса type (пример взят из статьи Дэвида Мертца):

Листинг

>>> class My_Type(type):

… def __new__(cls, name, bases, dict):

… print «Выделение памяти под класс», name

… return type.__new__(cls, name, bases, dict)

… def __init__(cls, name, bases, dict):

… print «Инициализация класса», name

… return super(My_Type, cls).__init__(cls, name, bases, dict)

…

>>> my = My_Type(«X», (), {})

Выделение памяти под класс X

Инициализация класса X

В этом примере не происходит вмешательство в создание класса. Но в __new__() и __init__() имеется полный программный контроль над создаваемым классом в период выполнения.

Примечание:

Следует заметить, что в метаклассах принято называть первый аргумент методов не self, а cls, чтобы напомнить, что экземпляр, над которым работает программист, является не просто объектом, а классом.

Мультиметоды

Некоторые объектно–ориентированные «штучки» не входят в стандартный Python или стандартную библиотеку. Ниже будут рассмотрены мультиметоды — методы, сочетающие объекты сразу нескольких различных классов. Например, сложение двух чисел различных типов фактически требует использования мультиметода. Если «одиночный» метод достаточно задать для каждого класса, то мультиметод требует задания для каждого сочетания классов, которые он обслуживает:

Листинг

>>> import operator

>>> operator.add(1, 2)

3

>>> operator.add(1.0, 2)

3.0

>>> operator.add(1, 2.0)

3.0

>>> operator.add(1, 1+2j)

(2+2j)

>>> operator.add(1+2j, 1)

(2+2j)

В этом примере operator.add ведет себя как мультиметод, выполняя разные действия для различных комбинаций параметров.

Для организации собственных мультиметодов можно воспользоваться модулем Multimethod (автор Neel Krishnaswami), который легко найти в Интернете. Следующий пример, адаптированный из документации модуля, показывает построение собственного мультиметода:

Листинг

from Multimethod import Method, Generic, AmbiguousMethodError

# классы, для которых будет определен мультиметод

class A: pass

class B(A): pass

# функции мультиметода

def m1(a, b): return 'AA'

def m2(a, b): return 'AB'

def m3(a, b): return 'BA'

# определение мультиметода (без одной функции)

g = Generic()

g.add_method(Method((A, A), m1))

g.add_method(Method((A, B), m2))

g.add_method(Method((B, A), m3))

# применение мультиметода

try:

print 'Типы аргументов:', 'Результат'

print 'A, A:', g(A(), A())

print 'A, B:', g(A(), B())

print 'B, A:', g(B(), A())

print 'B, B:', g(B(), B())

except AmbiguousMethodError:

print 'Неоднозначный выбор метода'

Устойчивые объекты

Для того чтобы объекты жили дольше, чем создавшая их программа, необходим механизм их представления в виде последовательности байтов. Во второй лекции уже рассматривался модуль pickle, который позволяет сериализовать объекты.

Здесь же будет показано, как класс может способствовать более качественному консервированию объекта. Следующие методы, если их определить в классе, позволяют управлять работой модуля pickle и рассмотренной ранее функции глубокого копирования. Другими словами, правильно составленные методы дают возможность воссоздать объект, передав самую суть — состояние объекта.

__getinitargs__() Должен возвращать кортеж из аргументов, который будет передаваться на вход метода __init__() при создании объекта.

__getstate__() Должен возвращать словарь, в котором выражено состояние объекта. Если этот метод в классе определен, то используется атрибут __dict__, который есть у каждого объекта.

__setstate__(state) Должен восстанавливать объекту ранее сохраненное состояние state.

В следующем примере класс CC управляет своим копированием (точно так же экземпляры этого класса смогут консервироваться и расконсервироваться при помощи модуля pickle):

Листинг

from time import time, gmtime

import copy

class CC:

def __init__(self, created=time()):

self.created = created

self.created_gmtime = gmtime(created)

self._copied = 1

print id(self), «init», created

def __getinitargs__(self):

print id(self), «getinitargs», self.created

return (self.created,)

def __getstate__(self):

print id(self), «getstate», self.created

return {'_copied': self._copied}

def __setstate__(self, dict):

print id(self), «setstate», dict

self._copied = dict['_copied'] + 1

def __repr__(self):

return "%s obj: %s %s %s» % (id(self), self._copied,

self.created, self.created_gmtime)

a = CC()

print a

b = copy.deepcopy(a)

print b

В результате будет получено

Листинг

1075715052 init 1102751640.91

1075715052 obj: 1 1102751640.91 (2004, 12, 11, 7, 54, 0, 5, 346, 0)

1075715052 getinitargs 1102751640.91

1075729452 init 1102751640.91

1075715052 getstate 1102751640.91

1075729452 setstate {'copied': 1}

1075729452 obj: 2 1102751640.91 (2004, 12, 11, 7, 54, 0, 5, 346, 0)

Состояние объекта состоит из трех атрибутов: created, created_gmtime, copied. Первый из этих атрибутов может быть восстановлен передачей параметра конструктору. Второй — вычислен в конструкторе на основе первого. А вот третий не входит в интерфейс класса и может быть передан только через механизм getstate/setstate. Причем, по смыслу этого атрибута при каждом копировании он должен увеличиваться на единицу (хотя в разных случаях атрибут может требовать других действий или не требовать их вообще). Следует включить отладочные операторы вывода, чтобы отследить последовательность вызовов методов при копировании.

Механизм getstate/setstate позволяет передавать при копировании только то, что нужно для воссоздания объекта, тогда как атрибут __dict__ может содержать много лишнего. Более того, __dict__ может содержать объекты, которые просто так сериализации не поддаются, и поэтому getstate/setstate — единственная возможность обойти подобные ограничения.

Примечание:

Следует заметить, что сериализация функций и классов — лишь кажущаяся: на принимающей стороне должны быть определения функций и классов, передаются же только их имена и принадлежность модулям.

Для хранения объектов используются не только простейшие механизмы хранения вроде pickle.dump/pickle.load или полки shelve. Сериализованные объекты Python можно хранить в специализированных хранилищах объектов (например, ZODB) или реляционных базах данных.

Это также касается передачи объектов по сетям передачи данных. Если простейшие объекты (вроде строк или чисел) можно передавать напрямую через HTTP, XML–RPC, SOAP и т.д., где они имеют собственный тип, то произвольные объекты необходимо консервировать на передающей стороне и расконсервировать на принимающей.

Критика ООП

Объектно–ориентированный подход сегодня считается «самым передовым». Однако не следует слепо верить в его всемогущество. Отдача (в виде скорости разработки) от объектного проектирования чувствуется только в больших проектах и в проектах, которые родственны объектному подходу: построение графического интерфейса, моделирование систем и т.п.

Также спорна большая гибкость объектных программ к изменениям. Она зависит от того, вносится ли новый метод (для серии объектов) или новый тип объекта. При процедурном подходе при появлении нового метода пишется отдельная процедура, в которой в каждой ветке алгоритма обрабатывается свой тип данных (то есть такое изменение требует редактирования одного места в коде). При ООП изменять придется каждый класс, внося в него новый метод (то есть изменения в нескольких местах). Зато ООП выигрывает при внесении нового типа данных: ведь изменения происходят только в одном месте, где описываются все методы для данного типа. При процедурном подходе приходится изменять несколько процедур. Сказанное иллюстрируется ниже. Пусть имеются классы A, B, C и методы a, b, c: