Роман Сузи - Язык программирования Python

В настоящее время итераторы приобретают все большее значение, и о них много говорилось в лекции по функциональному программированию.

Если в случае агрегации имеется довольно четкое отношение «ИМЕЕТ» (HAS–A) или «СОДЕРЖИТСЯ–В», которое даже отражено в синтаксисе Python:

lst = [1, 2, 3]

if 1 in lst:

...

то в случае ассоциации ссылка на экземпляр другого класса используется без отношения включения одного в другой или принадлежности. О таком отношении между классами говорят как об отношении USE–A («ИСПОЛЬЗУЕТ»). Это достаточно общее отношение зависимости между классами.

В языке Python границы между агрегацией и ассоциацией несколько размыты, так как объекты при агрегации обычно не хранятся в области памяти, выделенной под контейнер (хранятся только ссылки).

Объекты могут также ссылаться друг на друга. В этом случае возникают циклические ссылки, которые при неаккуратном использовании могут привести (в старых версиях Python) к утечкам памяти. В новых версиях Python для циклических ссылок работает сборщик мусора.

Разумеется, при «чистой» агрегации циклических ссылок не возникает.

Например, при представлении дерева ссылки могут идти от родителей к детям и обратно от каждого дочернего узла к родительскому.

Для обеспечения ассоциаций объектов без свойственных ссылкам проблем с возможностью образования циклических ссылок, в Python для сложных структур данных и других видов использования, при которых ссылки не должны мешать удалению объекта, предлагается механизм слабых ссылок. Такая ссылка не учитывается при подсчете ссылок на объект, а значит, объект удаляется с исчезновением последней «сильной» ссылки.

Для работы со слабыми ссылками применяется модуль weakref. Основные принципы его работы станут понятны из следующего примера:

>>> import weakref

>>>

>>> class MyClass(object):

... def __str__(self):

... return "MyClass"

...

>>>

>>> s = MyClass() # создается экземпляр класса

>>> print s

MyClass

>>> s1 = weakref.proxy(s) # создается прокси–объект

>>> print s1 # прокси–объект работает как исходный

MyClass

>>> ss = weakref.ref(s) # создается слабая ссылка на него

>>> print ss() # вызовом ссылки получается исходный объект

MyClass

>>> del s # удаляется единственная сильная ссылка на объект

>>> print ss() # теперь исходного объекта не существует

None

>>> print s1

Traceback (most recent call last):

File "", line 1, in ?

ReferenceError: weakly–referenced object no longer exists

К сожалению, поведение прокси–объекта не совсем такое, как у исходного: он не может быть ключом словаря, так как является нехэшируемым.

Иногда необходимо использовать метод, принадлежащий классу, а не его экземпляру. В этом случае можно описать статический метод. До появления декораторов (до Python 2.4) определять статический метод приходилось следующим образом:

class A(object):

def name():

return A.__name__

name = staticmethod(name)

print A.name()

a = A()

print a.name()

Статическому методу не передается параметр с экземпляром класса. Он ему попросту не нужен.

В Python 2.4 для применения описателей (descriptors) был придуман новый синтаксис — декораторы:

class A(object):

@staticmethod

def name():

return A.__name__

Смысл декоратора в том, что он «пропускает» определяемую функцию (или метод) через заданную в нем функцию. Теперь писать name три раза не потребовалось. Декораторов может быть несколько, и применяются они в обратном порядке.

Если статический метод имеет свои аналоги в C++ и Java, то метод класса основан на том, что в Python классы являются объектами. В отличие от статического метода, в метод класса первым параметром передается объект–класс. Вместо selfдля подчеркивания принадлежности метода к методам класса принято использовать cls.

Пример использования метода класса можно найти в модуле treeпакета nltk(Natural Language ToolKit, набор инструментов для естественного языка). Ниже приведен лишь фрагмент определения класса Tree(базового класса для других подклассов). Метод convertкласса Treeопределяет процедуру преобразования дерева одного типа в дерево другого типа. Эта процедура абстрагируется от деталей реализации конкретных типов, описывая обобщенный алгоритм преобразования:

class Tree:

# ...

def convert(cls, val):

if isinstance(val, Tree):

children = [cls.convert(child) for child in val]

return cls(val.node, children)

else:

return val

convert = classmethod(convert)

Пример использования (взят из строки документации метода convert()):

>>> # Преобразовать tree в экземпляр класса Tree

>>> tree = Tree.convert(tree)

>>> # " " " " " ParentedTree

>>> tree = ParentedTree.convert(tree)

>>> # " " " " " MultiParentedTree

>>> tree = MultiParentedTree.convert(tree)

Метод класса позволяет более естественно описывать действия, которые связаны в основном с классами, а не с методами экземпляра класса.

Еще одним отношением между классами является отношение класс–метакласс. Метаклассможно считать «высшим пилотажем» объектно–ориентированного программирования, но, к счастью, в Python можно создавать собственные метаклассы.

В Python класс тоже является объектом, поэтому ничего не мешает написать класс, назначением которого будет создание других классов динамически, во время выполнения программы.

Пример, в котором класс порождается динамически в функции–фабрике классов:

def cls_factory_f(func):

class X(object):

pass

setattr(X, func.__name__, func)

return X

Использование будет выглядеть так:

def my_method(self):

print "self:", self

My_Class = cls_factory_f(my_method)

my_object = My_Class()

my_object.my_method()

В этом примере функция cls_factory_f()возвращает класс с единственным методом, в качестве которого используется функция, переданная ей как аргумент. От этого класса можно получить экземпляры, а затем у экземпляров — вызвать метод my_method.

Теперь можно задаться целью построить класс, экземплярами которого будут классы. Такой класс, от которого порождаются классы, и называется метаклассом.

В Python имеется класс type, который на деле является метаклассом. Вот как с помощью его конструктора можно создать класс:

def my_method(self):

print "self:", self

My_Class = type('My_Class', (object,), {'my_method': my_method})

В качестве первого параметра type передается имя класса, второй параметр — базовые классы для данного класса, третий — атрибуты.