Python 用下划线作为变量前缀和后缀指定特殊变量
_xxx 不能用’from module import *’导入
__xxx__ 系统定义名字
__xxx 类中的私有变量名
核心风格：避免用下划线作为变量名的开始。
因为下划线对解释器有特殊的意义，而且是内建标识符所使用的符号，我们建议程序员避免用下划线作为变量名的开始。一般来讲，变量名_xxx被看作是“私有 的”，在模块或类外不可以使用。当变量是私有的时候，用_xxx 来表示变量是很好的习惯。因为变量名__xxx__对Python 来说有特殊含义，对于普通的变量应当避免这种命名风格。
“单下划线” 开始的成员变量叫做保护变量，意思是只有类对象和子类对象自己能访问到这些变量；
“双下划线” 开始的是私有成员，意思是只有类对象自己能访问，连子类对象也不能访问到这个数据。
以单下划线开头（_foo）的代表不能直接访问的类属性，需通过类提供的接口进行访问，不能用“from xxx import *”而导入；以双下划线开头的（__foo）代表类的私有成员；以双下划线开头和结尾的（__foo__）代表python里特殊方法专用的标识，如 __init__（）代表类的构造函数。
现在我们来总结下所有的系统定义属性和方法， 先来看下保留属性：
>>> Class1.__doc__ # 类型帮助信息 'Class1 Doc.' >>> Class1.__name__ # 类型名称 'Class1' >>> Class1.__module__ # 类型所在模块 '__main__' >>> Class1.__bases__ # 类型所继承的基类 (<type 'object'>,) >>> Class1.__dict__ # 类型字典，存储所有类型成员信息。 <dictproxy object at 0x00D3AD70> >>> Class1().__class__ # 类型 <class '__main__.Class1'> >>> Class1().__module__ # 实例类型所在模块 '__main__' >>> Class1().__dict__ # 对象字典，存储所有实例成员信息。 {'i': 1234}
接下来是保留方法，可以把保留方法分类：
类的基础方法
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 初始化一个实例 | x = MyClass() |
x.__init__() |
| ② | 字符串的“官方”表现形式 | repr(x) |
x.__repr__() |
| ③ | 字符串的“非正式”值 | str(x) |
x.__str__() |
| ④ | 字节数组的“非正式”值 | bytes(x) |
x.__bytes__() |
| ⑤ | 格式化字符串的值 | format(x,format_spec) |
x.__format__(format_spec) |
- 对
__init__()方法的调用发生在实例被创建 之后 。如果要控制实际创建进程，请使用__new__()方法。 - 按照约定，
__repr__()方法所返回的字符串为合法的 Python 表达式。 - 在调用
print(x)的同时也调用了__str__()方法。 - 由于
bytes类型的引入而从 Python 3 开始出现。
行为方式与迭代器类似的类
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 遍历某个序列 | iter(seq) |
seq.__iter__() |
| ② | 从迭代器中获取下一个值 | next(seq) |
seq.__next__() |
| ③ | 按逆序创建一个迭代器 | reversed(seq) |
seq.__reversed__() |
- 无论何时创建迭代器都将调用
__iter__()方法。这是用初始值对迭代器进行初始化的绝佳之处。 - 无论何时从迭代器中获取下一个值都将调用
__next__()方法。 __reversed__()方法并不常用。它以一个现有序列为参数，并将该序列中所有元素从尾到头以逆序排列生成一个新的迭代器。
计算属性
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| ① | 获取一个计算属性（无条件的） | x.my_property |
x.__getattribute__('my_property') |
| ② | 获取一个计算属性（后备） | x.my_property |
x.__getattr__('my_property') |
| ③ | 设置某属性 | x.my_property = value |
x.__setattr__('my_property',value) |
| ④ | 删除某属性 | del x.my_property |
x.__delattr__('my_property') |
| ⑤ | 列出所有属性和方法 | dir(x) |
x.__dir__() |
- 如果某个类定义了
__getattribute__()方法，在 每次引用属性或方法名称时 Python 都调用它（特殊方法名称除外，因为那样将会导致讨厌的无限循环）。 - 如果某个类定义了
__getattr__()方法，Python 将只在正常的位置查询属性时才会调用它。如果实例 x 定义了属性color，x.color将 不会 调用x.__getattr__('color')；而只会返回x.color 已定义好的值。 - 无论何时给属性赋值，都会调用
__setattr__()方法。 - 无论何时删除一个属性，都将调用
__delattr__()方法。 - 如果定义了
__getattr__()或__getattribute__()方法，__dir__()方法将非常有用。通常，调用dir(x)将只显示正常的属性和方法。如果__getattr()__方法动态处理color 属性，dir(x)将不会将 color 列为可用属性。可通过覆盖__dir__()方法允许将 color 列为可用属性，对于想使用你的类但却不想深入其内部的人来说，该方法非常有益。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 序列的长度 | len(seq) |
seq.__len__() |
|
| 了解某序列是否包含特定的值 | x in seq |
seq.__contains__(x) |
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 通过键来获取值 | x[key] |
x.__getitem__(key) |
|
| 通过键来设置值 | x[key] = value |
x.__setitem__(key,value) |
|
| 删除一个键值对 | del x[key] |
x.__delitem__(key) |
|
| 为缺失键提供默认值 | x[nonexistent_key] |
x.__missing__(nonexistent_key) |
可比较的类
我将此内容从前一节中拿出来使其单独成节，是因为“比较”操作并不局限于数字。许多数据类型都可以进行比较——字符串、列表，甚至字典。如果要创建自己的类，且对象之间的比较有意义，可以使用下面的特殊方法来实现比较。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 相等 | x == y |
x.__eq__(y) |
|
| 不相等 | x != y |
x.__ne__(y) |
|
| 小于 | x < y |
x.__lt__(y) |
|
| 小于或等于 | x <= y |
x.__le__(y) |
|
| 大于 | x > y |
x.__gt__(y) |
|
| 大于或等于 | x >= y |
x.__ge__(y) |
|
| 布尔上上下文环境中的真值 | if x: |
x.__bool__() |
可序列化的类
Python 支持 任意对象的序列化和反序列化。（多数 Python 参考资料称该过程为 “pickling” 和 “unpickling”）。该技术对与将状态保存为文件并在稍后恢复它非常有意义。所有的 内置数据类型 均已支持 pickling 。如果创建了自定义类，且希望它能够 pickle，阅读 pickle 协议 了解下列特殊方法何时以及如何被调用。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 自定义对象的复制 | copy.copy(x) |
x.__copy__() |
|
| 自定义对象的深度复制 | copy.deepcopy(x) |
x.__deepcopy__() |
|
| 在 pickling 之前获取对象的状态 | pickle.dump(x, file) |
x.__getstate__() |
|
| 序列化某对象 | pickle.dump(x, file) |
x.__reduce__() |
|
| 序列化某对象（新 pickling 协议） | pickle.dump(x, file,protocol_version) |
x.__reduce_ex__(protocol_version) |
|
| * | 控制 unpickling 过程中对象的创建方式 | x = pickle.load(file) |
x.__getnewargs__() |
| * | 在 unpickling 之后还原对象的状态 | x = pickle.load(file) |
x.__setstate__() |
* 要重建序列化对象，Python 需要创建一个和被序列化的对象看起来一样的新对象，然后设置新对象的所有属性。__getnewargs__() 方法控制新对象的创建过程，而 __setstate__() 方法控制属性值的还原方式。
可在 with 语块中使用的类
with 语块定义了 运行时刻上下文环境；在执行 with 语句时将“进入”该上下文环境，而执行该语块中的最后一条语句将“退出”该上下文环境。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
在进入 with 语块时进行一些特别操作 |
with x: |
x.__enter__() |
|
在退出 with 语块时进行一些特别操作 |
with x: |
x.__exit__() |
以下是 with file 习惯用法 的运作方式：
# excerpt from io.py: def _checkClosed(self, msg=None): '''Internal: raise an ValueError if file is closed ''' if self.closed: raise ValueError('I/O operation on closed file.' if msg is None else msg) def __enter__(self): '''Context management protocol. Returns self.''' self._checkClosed() ① return self ② def __exit__(self, *args): '''Context management protocol. Calls close()''' self.close() ③
- 该文件对象同时定义了一个
__enter__()和一个__exit__()方法。该__enter__()方法检查文件是否处于打开状态；如果没有，_checkClosed()方法引发一个例外。 __enter__()方法将始终返回 self —— 这是with语块将用于调用属性和方法的对象- 在
with语块结束后，文件对象将自动关闭。怎么做到的？在__exit__()方法中调用了self.close().
?该
__exit__()方法将总是被调用，哪怕是在with语块中引发了例外。实际上，如果引发了例外，该例外信息将会被传递给__exit__()方法。查阅 With 状态上下文环境管理器 了解更多细节。
真正神奇的东西
如果知道自己在干什么，你几乎可以完全控制类是如何比较的、属性如何定义，以及类的子类是何种类型。
| 序号 | 目的 | 所编写代码 | Python 实际调用 |
|---|---|---|---|
| 类构造器 | x = MyClass() |
x.__new__() |
|
| * | 类析构器 | del x |
x.__del__() |
| 只定义特定集合的某些属性 | x.__slots__() |
||
| 自定义散列值 | hash(x) |
x.__hash__() |
|
| 获取某个属性的值 | x.color |
type(x).__dict__['color'].__get__(x, type(x)) |
|
| 设置某个属性的值 | x.color = 'PapayaWhip' |
type(x).__dict__['color'].__set__(x, 'PapayaWhip') |
|
| 删除某个属性 | del x.color |
type(x).__dict__['color'].__del__(x) |
|
| 控制某个对象是否是该对象的实例 your class | isinstance(x, MyClass) |
MyClass.__instancecheck__(x) |
|
| 控制某个类是否是该类的子类 | issubclass(C, MyClass) |
MyClass.__subclasscheck__(C) |
|
| 控制某个类是否是该抽象基类的子类 | issubclass(C, MyABC) |
MyABC.__subclasshook__(C) |
python中以双下划线的是一些系统定义得名称，让python以更优雅得语法实行一些操作，本质上还是一些函数和变量，与其他函数和变量无二。
比如x.__add__(y) 等价于 x+y
有一些很常见，有一些可能比较偏，在这里罗列一下，做个笔记，备忘。
x.__contains__(y) 等价于 y in x, 在list,str, dict,set等容器中有这个函数
__base__, __bases__, __mro__, 关于类继承和函数查找路径的。
class.__subclasses__(), 返回子类列表
x.__call__(...) == x(...)
x.__cmp__(y) == cmp(x,y)
x.__getattribute__('name') == x.name == getattr(x, 'name'), 比__getattr__更早调用
x.__hash__() == hash(x)
x.__sizeof__(), x在内存中的字节数, x为class得话， 就应该是x.__basicsize__
x.__delattr__('name') == del x.name
__dictoffset__ attribute tells you the offset to where you find the pointer to the __dict__ object in any instance object that has one. It is in bytes.
__flags__, 返回一串数字，用来判断该类型能否被序列化（if it's a heap type), __flags__ & 512
S.__format__, 有些类有用
x.__getitem__(y) == x[y], 相应还有__setitem__, 某些不可修改类型如set，str没有__setitem__
x.__getslice__(i, j) == x[i:j], 有个疑问，x='123456789', x[::2],是咋实现得
__subclasscheck__(), check if a class is subclass
__instancecheck__(), check if an object is an instance
__itemsize__, These fields allow calculating the size in bytes of instances of the type. 0是可变长度， 非0则是固定长度
x.__mod__(y) == x%y, x.__rmod__(y) == y%x
x.__module__ , x所属模块
x.__mul__(y) == x*y, x.__rmul__(y) == y*x
__reduce__, __reduce_ex__ , for pickle
__slots__ 使用之后类变成静态一样，没有了__dict__, 实例也不可新添加属性
__getattr__ 在一般的查找属性查找不到之后会调用此函数
__setattr__ 取代一般的赋值操作，如果有此函数会调用此函数， 如想调用正常赋值途径用 object.__setattr__(self, name, value)
__delattr__ 同__setattr__, 在del obj.name有意义时会调用
