修飾器 HowTo 指南
*****************

作者:
   Raymond Hettinger

联系方式:
   <python at rcn dot com>


目錄
^^^^

* 修飾器 HowTo 指南

  * 摘要

  * 定义和简介

  * 描述器协议

  * 调用描述器

  * 描述器示例

  * 属性

  * 函数和方法

  * 静态方法和类方法


摘要
====

定义描述器，总结描述器协议，展示描述器被如何使用。测试一个自定义的描述
器和若干 Python 内置的描述器，包括函数、属性、静态方法和类方法。通过给
出一个纯 Python 的等价实现和例程，展示每个描述器如何工作。

学习描述器不仅能提供接触到更多工具集的方法，还能更深地理解 Python 工作
的原理并更加体会到其设计的优雅性。


定义和简介
==========

一般地，一个描述器是一个包含 “绑定行为” 的对象，对其属性的存取被描述器
协议中定义的方法覆盖。这些方法有："__get__()"，"__set__()" 和
"__delete__()"。如果某个对象中定义了这些方法中的任意一个，那么这个对象
就可以被称为一个描述器。

属性访问的默认行为是从一个对象的字典中获取、设置或删除属性。例如，
"a.x" 的查找顺序会从 "a.__dict__['x']" 开始，然后是
"type(a).__dict__['x']"，接下来依次查找 "type(a)" 的基类，不包括元类。
如果找到的值是定义了某个描述器方法的对象，则 Python 可能会重载默认行为
并转而发起调用描述器方法。这具体发生在优先级链的哪个环节则要根据所定义
的描述器方法及其被调用的方式来决定。

描述器是一个强大而通用的协议。 它们是特征属性、方法静态方法、类方法和
"super()" 背后的实现机制。 它们在 Python 内部被广泛使用来实现自 2.2 版
中引入的新式类。 描述器简化了底层的 C 代码并为 Python 的日常程序提供了
一组灵活的新工具。


描述器协议
==========

"descr.__get__(self, obj, type=None) -> value"

"descr.__set__(self, obj, value) -> None"

"descr.__delete__(self, obj) -> None"

以上就是全部。定义这些方法中的任何一个的对象被视为描述器，并在被作为属
性时覆盖其默认行为。

如果一个对象定义了 "__set__()" 或 "__delete__()"，则它会被视为数据描述
器。 仅定义了 "__get__()" 的描述器称为非数据描述器（它们通常被用于方法
，但也可以有其他用途）。

数据和非数据描述器的不同之处在于，如何计算实例字典中条目的替代值。如果
实例的字典具有与数据描述器同名的条目，则数据描述器优先。如果实例的字典
具有与非数据描述器同名的条目，则该字典条目优先。

为了使数据描述器成为只读的，应该同时定义 "__get__()" 和 "__set__()" ，
并在 "__set__()" 中引发 "AttributeError" 。用引发异常的占位符定义
"__set__()"  方法使其成为数据描述器。


调用描述器
==========

描述器可以通过其方法名称直接调用。例如， "d.__get__(obj)" 。

或者，更常见的是在属性访问时自动调用描述器。例如，在中 "obj.d" 会在
"d" 的字典中查找 "obj" 。如果 "d" 定义了方法 "__get__()" ，则
"d.__get__(obj)" 根据下面列出的优先级规则进行调用。

调用的细节取决于 "obj" 是对象还是类。

对于对象来说，机制是 "object.__getattribute__()" 中将 "b.x" 转换为
"type(b).__dict__['x'].__get__(b, type(b))" 。这个实现通过一个优先级链
完成，该优先级链赋予数据描述器优先于实例变量的优先级，实例变量优先于非
数据描述器的优先级，并如果 "__getattr__()" 方法存在，为其分配最低的优
先级。 完整的C实现可在 Objects/object.c 中的
"PyObject_GenericGetAttr()" 找到。

对于类来说，机制是 "type.__getattribute__()" 中将 "B.x" 转换为
"B.__dict__['x'].__get__(None, B)" 。在纯 Python中 ，它是这样的:

   def __getattribute__(self, key):
       "Emulate type_getattro() in Objects/typeobject.c"
       v = object.__getattribute__(self, key)
       if hasattr(v, '__get__'):
           return v.__get__(None, self)
       return v

要记住的重要点是：

* 描述器由 "__getattribute__()" 方法调用

* 重写 "__getattribute__()" 会阻止描述器的自动调用

* "object.__getattribute__()" 和 "type.__getattribute__()" 会用不同的
  方式调用 "__get__()".

* 数据描述器始终会覆盖实例字典。

* 非数据描述器会被实例字典覆盖。

The object returned by "super()" also has a custom
"__getattribute__()" method for invoking descriptors.  The attribute
lookup "super(B, obj).m" searches "obj.__class__.__mro__" for the base
class "A" immediately following "B" and then returns
"A.__dict__['m'].__get__(obj, B)".  If not a descriptor, "m" is
returned unchanged.  If not in the dictionary, "m" reverts to a search
using "object.__getattribute__()".

这个实现的具体细节在 Objects/typeobject.c. 的 "super_getattro()" 中，
并且你还可以在 Guido's Tutorial 中找到等价的纯 Python 实现。

以上展示的关于描述器机制的细节嵌入在 "object" ， "type" ， 和
"super()" 中的 "__getattribute__()" 。当类派生自类 "object" 或有提供类
似功能的元类时，它们将继承此机制。同样，类可以通过重写
"__getattribute__()" 阻止描述器调用。


描述器示例
==========

以下代码创建一个类，其对象是数据描述器，该描述器为每个 get 或 set 打印
一条消息。  覆盖 "__getattribute__()" 是可以对每个属性执行此操作的替代
方法。但是，此描述器对于跟踪少数几个选定的属性很有用:

   class RevealAccess:
       """A data descriptor that sets and returns values
          normally and prints a message logging their access.
       """

       def __init__(self, initval=None, name='var'):
           self.val = initval
           self.name = name

       def __get__(self, obj, objtype):
           print('Retrieving', self.name)
           return self.val

       def __set__(self, obj, val):
           print('Updating', self.name)
           self.val = val

   >>> class MyClass:
   ...     x = RevealAccess(10, 'var "x"')
   ...     y = 5
   ...
   >>> m = MyClass()
   >>> m.x
   Retrieving var "x"
   10
   >>> m.x = 20
   Updating var "x"
   >>> m.x
   Retrieving var "x"
   20
   >>> m.y
   5

这个协议很简单，并提供了令人兴奋的可能性。有几种用例非常普遍，以至于它
们被打包到单独的函数调用中。属性、绑定方法、静态方法和类方法均基于描述
器协议。


属性
====

调用 "property()" 是构建数据描述器的简洁方式，该数据描述器在访问属性时
触发函数调用。它的签名是:

   property(fget=None, fset=None, fdel=None, doc=None) -> property attribute

该文档显示了定义托管属性 "x" 的典型用法:

   class C:
       def getx(self): return self.__x
       def setx(self, value): self.__x = value
       def delx(self): del self.__x
       x = property(getx, setx, delx, "I'm the 'x' property.")

要了解 "property()" 如何根据描述器协议实现，这里是一个纯 Python 的等价
实现如下:

   class Property:
       "Emulate PyProperty_Type() in Objects/descrobject.c"

       def __init__(self, fget=None, fset=None, fdel=None, doc=None):
           self.fget = fget
           self.fset = fset
           self.fdel = fdel
           if doc is None and fget is not None:
               doc = fget.__doc__
           self.__doc__ = doc

       def __get__(self, obj, objtype=None):
           if obj is None:
               return self
           if self.fget is None:
               raise AttributeError("unreadable attribute")
           return self.fget(obj)

       def __set__(self, obj, value):
           if self.fset is None:
               raise AttributeError("can't set attribute")
           self.fset(obj, value)

       def __delete__(self, obj):
           if self.fdel is None:
               raise AttributeError("can't delete attribute")
           self.fdel(obj)

       def getter(self, fget):
           return type(self)(fget, self.fset, self.fdel, self.__doc__)

       def setter(self, fset):
           return type(self)(self.fget, fset, self.fdel, self.__doc__)

       def deleter(self, fdel):
           return type(self)(self.fget, self.fset, fdel, self.__doc__)

这个内置的 "property()" 每当用户访问属性时生效，随后的变化需要一个方法
的参与。

例如，一个电子表格类可以通过 "Cell('b10').value" 授予对单元格值的访问
权限。对程序的后续改进要求每次访问都要重新计算单元格；但是，程序员不希
望影响直接访问该属性的现有客户端代码。解决方案是将对 value 属性的访问
包装在属性数据描述器中:

   class Cell:
       . . .
       def getvalue(self):
           "Recalculate the cell before returning value"
           self.recalc()
           return self._value
       value = property(getvalue)


函数和方法
==========

Python 的面向对象功能是在基于函数的环境构建的。通过使用非数据描述器，
这两方面完成了无缝融合。

类字典将方法存储为函数。在类定义中，方法是用 "def" 或 "lambda" 这两个
创建函数的常用工具编写的。方法与常规函数的不同之处仅在于第一个参数是为
对象实例保留的。按照 Python 约定，实例引用称为 *self* ，但也可以称为
*this* 或任何其他变量名称。

为了支持方法调用，函数包含 "__get__()" 方法用于在访问属性时将其绑定成
方法。这意味着所有函数都是非数据描述器，当从对象调用它们时，它们返回绑
定方法。在纯 Python 中，它的工作方式如下:

   class Function:
       . . .
       def __get__(self, obj, objtype=None):
           "Simulate func_descr_get() in Objects/funcobject.c"
           if obj is None:
               return self
           return types.MethodType(self, obj)

运行解释器显示了函数描述器在实践中的工作方式：

   >>> class D:
   ...     def f(self, x):
   ...         return x
   ...
   >>> d = D()

   # Access through the class dictionary does not invoke __get__.
   # It just returns the underlying function object.
   >>> D.__dict__['f']
   <function D.f at 0x00C45070>

   # Dotted access from a class calls __get__() which just returns
   # the underlying function unchanged.
   >>> D.f
   <function D.f at 0x00C45070>

   # The function has a __qualname__ attribute to support introspection
   >>> D.f.__qualname__
   'D.f'

   # Dotted access from an instance calls __get__() which returns the
   # function wrapped in a bound method object
   >>> d.f
   <bound method D.f of <__main__.D object at 0x00B18C90>>

   # Internally, the bound method stores the underlying function,
   # the bound instance, and the class of the bound instance.
   >>> d.f.__func__
   <function D.f at 0x1012e5ae8>
   >>> d.f.__self__
   <__main__.D object at 0x1012e1f98>
   >>> d.f.__class__
   <class 'method'>


静态方法和类方法
================

非数据描述器为把函数绑定为方法的通常模式提供了一种简单的机制。

概括地说，函数具有 "__get__()" 方法，以便在作为属性访问时可以将其转换
为方法。非数据描述符将 "obj.f(*args)" 的调用转换为 "f(obj, *args)" 。
调用 *klass.f(*args)`* 因而变成 "f(*args)" 。

下表总结了绑定及其两个最有用的变体：

   +-------------------+------------------------+--------------------+
   | 转换形式          | 通过对象调用           | 通过类调用         |
   |===================|========================|====================|
   | 函数              | f(obj, *args)          | f(*args)           |
   +-------------------+------------------------+--------------------+
   | 静态方法          | f(*args)               | f(*args)           |
   +-------------------+------------------------+--------------------+
   | 类方法            | f(type(obj), *args)    | f(klass, *args)    |
   +-------------------+------------------------+--------------------+

静态方法返回底层函数，不做任何更改。调用 "c.f" 或 "C.f" 等效于通过
"object.__getattribute__(c, "f")" 或 "object.__getattribute__(C, "f")"
查找。这样该函数就可以从对象或类中进行相同的访问。

适合于作为静态方法的是那些不引用 "self" 变量的方法。

例如，一个统计用的包可能包含一个实验数据的容器类。该容器类提供了用于计
算数据的平均值，均值，中位数和其他描述性统计信息的常规方法。但是，可能
有在概念上相关但不依赖于数据的函数。例如， "erf(x)" 是在统计中的便捷转
换，但并不直接依赖于特定的数据集。可以从对象或类中调用它： "s.erf(1.5)
--> .9332" 或 "Sample.erf(1.5) --> .9332"。

由于静态方法直接返回了底层的函数，因此示例调用是相同的：

   >>> class E:
   ...     def f(x):
   ...         print(x)
   ...     f = staticmethod(f)
   ...
   >>> E.f(3)
   3
   >>> E().f(3)
   3

使用非数据描述器，纯 Python 版本的 "staticmethod()" 如下所示：

   class StaticMethod:
       "Emulate PyStaticMethod_Type() in Objects/funcobject.c"

       def __init__(self, f):
           self.f = f

       def __get__(self, obj, objtype=None):
           return self.f

与静态方法不同，类方法在调用函数之前将类引用放在参数列表的最前。无论调
用方是对象还是类，此格式相同：

   >>> class E:
   ...     def f(klass, x):
   ...         return klass.__name__, x
   ...     f = classmethod(f)
   ...
   >>> print(E.f(3))
   ('E', 3)
   >>> print(E().f(3))
   ('E', 3)

当函数仅需要使用类引用并且不关心任何底层数据时，此行为就很有用。类方法
的一种用途是创建替代的类构造函数。在 Python 2.3 中，类方法
"dict.fromkeys()" 从键列表创建一个新的字典。纯 Python 等价实现是:

   class Dict:
       . . .
       def fromkeys(klass, iterable, value=None):
           "Emulate dict_fromkeys() in Objects/dictobject.c"
           d = klass()
           for key in iterable:
               d[key] = value
           return d
       fromkeys = classmethod(fromkeys)

现在可以这样构造一个新的唯一键字典：

   >>> Dict.fromkeys('abracadabra')
   {'a': None, 'r': None, 'b': None, 'c': None, 'd': None}

使用非数据描述符协议，纯 Python 版本的 "classmethod()" 如下：

   class ClassMethod:
       "Emulate PyClassMethod_Type() in Objects/funcobject.c"

       def __init__(self, f):
           self.f = f

       def __get__(self, obj, klass=None):
           if klass is None:
               klass = type(obj)
           def newfunc(*args):
               return self.f(klass, *args)
           return newfunc
