🍁作者简介:🏅云计算领域优质创作者🏅新星计划第三季python赛道TOP1🏅 阿里云ACE认证高级工程师🏅
✒️个人主页:小鹏linux
💊个人社区:小鹏linux(个人社区)欢迎您的加入!
目录
1. 错误和异常
按照一般的学习思路,掌握了前两节内容,已经足够编程所需了。但是,我还想再多一步,还是因为本教程的读者是要 from beginner to master。 |
1.1 assert
>>> assert 1==1 >>> assert 1==0 Traceback (most recent call last): File "<stdin>", line 1, in <module> AssertionError
从上面的举例中可以基本了解了 assert 的特点。 assert,翻译过来是“断言”之意。assert 是一句等价于布尔真的判定,发生异常就意味着表达式为假。 assert 的应用情景就有点像汉语的意思一样,当程序运行到某个节点的时候,就断定某个变量的值必然是什 么,或者对象必然拥有某个属性等,简单说就是断定什么东西必然是什么,如果不是,就抛出错误。 |
#!/usr/bin/env Python # coding=utf-8 class Account(object): def __init__(self, number): self.number = number self.balance = 0 def deposit(self, amount): assert amount > 0 self.balance += balance def withdraw(self, amount): assert amount > 0 if amount <= self.balance: self.balance -= amount else: print "balance is not enough."
上面的程序中,deposit() 和 withdraw() 方法的参数 amount 值必须是大于零的,这里就用断言,如果不满足条件就会报错。比如这样来运行: |
if __name__ == "__main__": a = Account(1000) a.deposit(-10)
出现的结果是: |
$ python 21801.py Traceback (most recent call last): File "21801.py", line 22, in <module> a.deposit(-10) File "21801.py", line 10, in deposit assert amount > 0 AssertionError
这就是断言 assert 的引用。什么是使用断言的最佳时机?有文章做了总结: |
如果没有特别的目的,断言应该用于如下情况: • 防御性的编程 • 运行时对程序逻辑的检测 • 合约性检查(比如前置条件,后置条件) • 程序中的常量 • 检查文档 |
不论是否理解,可以先看看,请牢记,在具体开发过程中,有时间就回来看看本教程,不断加深对这些概念的理解,这也是 master 的成就之法。 最后,引用危机百科中对“异常处理”词条的说明,作为对“错误和异常”部分的总结(有所删改): |
异常处理,是编程语言或计算机硬件里的一种机制,用于处理软件或信息系统中出现的异常状况(即超出程序正常执行流程的某些特殊条件)。
各种编程语言在处理异常方面具有非常显著的不同点(错误检测与异常处理区别在于:错误检测是在正常的程序流中,处理不可预见问题的代码,例如一个调用操作未能成功结束)。某些编程语言有这样的函数:当输入存在非法数据时不能被安全地调用,或者返回值不能与异常进行有效的区别。例如,C 语言中的 atoi 函数(ASCII串到整数的转换)在输入非法时可以返回 0。在这种情况下编程者需要另外进行错误检测(可能通过某些辅助全局变量如 C 的 errno),或进行输入检验(如通过正则表达式),或者共同使用这两种方法。
通过异常处理,我们可以对用户在程序中的非法输入进行控制和提示,以防程序崩溃。
从进程的视角,硬件中断相当于可恢复异常,虽然中断一般与程序流本身无关。
从子程序编程者的视角,异常是很有用的一种机制,用于通知外界该子程序不能正常执行。如输入的数据无效(例如除数是 0),或所需资源不可用(例如文件丢失)。如果系统没有异常机制,则编程者需要用返回值来标示发生了哪些错误。
一段代码是异常安全的,如果这段代码运行时的失败不会产生有害后果,如内存泄露、存储数据混淆、或无效的输出。
Python 语言对异常处理机制是非常普遍深入的,所以想写出不含 try, except 的程序非常困难。
2. 装饰器(扩展)
装饰器 (Decorator) 在 Python 编程中极为常⻅,可轻松实现 Metadata、Proxy、 AOP 等模式。 简单点说,装饰器通过返回包装对象实现间接调⽤,以此来插⼊额外逻辑。 语法看上去和 Java Annotation、C# Attribute 类似,但不仅仅是添加元数据。 |
>>> @check_args ... def test(*args): ... print args
还原成容易理解的⽅式: |
>>> test = check_args(test)
类似的做法,我们在使⽤ staticmethod、classmethod 时就已⻅过。 |
>>> def check_args(func): ... def wrap(*args): ... args = filter(bool, args) ... func(*args) ... ... return wrap!! ! ! # 返回 wrap 函数对象 >>> @check_args! ! ! ! # 解释器执⾏ test = check_args(test) ... def test(*args): ... print args >>> test! ! ! ! ! # 现在 test 名字与 wrap 关联。 <function wrap at 0x108affde8> >>> test(1, 0, 2, "", [], 3)! ! # 通过 wrap(test(args)) 完成调⽤。 (1, 2, 3)
整个过程⾮常简单: • 将目标函数对象 test 作为参数传递给装饰器 check_args。 • 装饰器返回包装函数 wrap 实现对 test 的间接调⽤。 • 原函数名字 test 被重新关联到 wrap,所有对该名字的调⽤实际都是调⽤ wrap。 |
你完全可以把 "@" 当做语法糖,也可以直接使⽤函数式写法。只不过那样不便于代码维护,毕竟 AOP 极⼒避免代码侵⼊。 装饰器不⼀定⾮得是个函数返回包装对象,也可以是个类,通过 __call__ 完成目标调⽤。 |
>>> class CheckArgs(object): ... def __init__(self, func): ... self._func = func ... ... def __call__(self, *args): ... args = filter(bool, args) ... self._func(*args) >>> @CheckArgs! ! ! ! ! ! # ⽣成 CheckArgs 实例。 ... def test(*args): ... print args >>> test! ! ! ! ! ! ! # 名字指向该实例。 <__main__.CheckArgs object at 0x107a237d0> >>> test(1, 0, 2, "", [], 3)! ! ! ! # 每次都是通过该实例的 __call__ 调⽤。 (1, 2, 3)
⽤类装饰器对象实例替代原函数,以后的每次调⽤的都是该实例的 __call__ ⽅法。这种写法有点啰嗦,还得注意避免在装饰器对象上保留状态 |
2.1 Class
为Class 提供装饰器同样简单,⽆⾮是将类型对象做为参数⽽已。 |
>>> def singleton(cls): ... def wrap(*args, **kwargs): ... o = getattr(cls, "__instance__", None) ... if not o: ... o = cls(*args, **kwargs) ... cls.__instance__ = o ... ... return o ... ... return wrap!! ! ! # 返回 wrap 函数,可以看做原 class 的⼯⼚⽅法。 >>> @singleton ... class A(object): ... def __init__(self, x): ... self.x = x >>> A <function wrap at 0x108afff50> >>> a, b = A(1), A(2) >>> a is b True
将 class A 替换成 func wrap 可能有些不好看,修改⼀下,返回 class wrap。 |
>>> def singleton(cls): ... class wrap(cls): ... def __new__(cls, *args, **kwargs): ... o = getattr(cls, "__instance__", None) ... if not o: ... o = object.__new__(cls) ... cls.__instance__ = o ... ... return o ... ... return wrap >>> @singleton ... class A(object): ... def test(self): print hex(id(self)) >>> a, b = A(), A() >>> a is b True >>> a.test() 0x1091e9990
创建继承⾃原类型的 class wrap,然后在 __new__ ⾥⾯做⼿脚就⾏了。 ⼤多数时候,我们仅⽤装饰器为原类型增加⼀些额外成员,那么可直接返回原类型。 |
>>> def action(cls): ... cls.mvc = staticmethod(lambda: "Action") ... return cls >>> @action ... class Login(object): pass >>> Login.mvc() 'Action
这就是典型的 metaprogramming 做法了 |
2.2 参数
参数让装饰器拥有变化,也更加灵活。只是需要两步才能完成:先传参数,后送类型。 |
>>> def table(name): ... def _table(cls): ... cls.__table__ = name ... return cls ... ... return _table >>> @table("t_user") ... class User(object): pass >>> @table("t_blog") ... class Blog(object): pass >>> User.__table__ 't_user' >>> Blog.__table__ 't_blog
只⽐⽆参数版本多了传递参数的调⽤,其他完全相同。 |
User = (table("t_user"))(User)
2.3 嵌套
可以在同⼀目标上使⽤多个装饰器 |
>>> def A(func): ... print "A" ... return func >>> def B(func): ... print "B" ... return func >>> @A ... @B ... def test(): ... print "test" B A
分解⼀下,⽆⾮是函数嵌套调⽤。 |
test = A(B(test))
2.4 functools.wraps
如果装饰器返回的是包装对象,那么有些东⻄必然是不同的。 |
>>> def check_args(func): ... def wrap(*args): ... return func(*filter(bool, args)) ... ... return wrap >>> @check_args def test(*args): ... """test function""" ... print args >>> test.__name__! ! ! # 冒牌货! 'wrap' >>> test.__doc__! ! ! # ⼭寨货连个说明书都没有!
⼀旦 test 的调⽤者要检查某些特殊属性,那么这个 wrap 就会暴露了。幸好有 functools.wraps。 |
>>> def check_args(func): ... @functools.wraps(func) ... def wrap(*args): ... return func(*filter(bool, args)) ... ... return wrap >>> @check_args def test(*args): """test function""" print args >>> test <function test at 0x108b026e0> >>> test.__name__ 'test' >>> test.__doc__ 'test function' >>> test(1, 0, 2, "", 3) (1, 2, 3)
functools.wraps 是装饰器的装饰器,它的作⽤是将原函数对象的指定属性复制给包装函数对象, 默认有 __module__、__name__、__doc__,或者通过参数选择。 |
2.5 装饰器都能干嘛?
• AOP: ⾝份验证、参数检查、异常⽇志等等。 • Proxy: 对目标函数注⼊权限管理等。 • Context: 提供函数级别的上下⽂环境,⽐如 Synchronized(func) 同步。 • Caching: 先检查缓存是否过期,然后再决定是否调⽤目标函数。 • Metaprogramming: 这个⾃不必多说了。 • 等等…… |
👑👑👑结束语👑👑👑