欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python中的魔法方法深入理解

 更新時間:2014年07月09日 09:06:27   投稿:junjie  
這篇文章主要介紹了Python中的魔法方法深入理解,本文通過分析WEB框架Flask的源碼來分析Python中的魔法方法,需要的朋友可以參考下

接觸Python也有一段時間了,Python相關(guān)的框架和模塊也接觸了不少,希望把自己接觸到的自己 覺得比較好的設(shè)計和實現(xiàn)分享給大家,于是取了一個“Charming Python”的小標(biāo),算是給自己開了一個頭吧, 希望大家多多批評指正。 :)

from flask import request

Flask 是一個人氣非常高的Python Web框架,筆者也拿它寫過一些大大小小的項目,F(xiàn)lask 有一個特性我非常的喜歡,就是無論在什么地方,如果你想要獲取當(dāng)前的request對象,只要 簡單的:

復(fù)制代碼 代碼如下:

from flask import request

# 從當(dāng)前request獲取內(nèi)容
request.args
request.forms
request.cookies
... ...


非常簡單好記,用起來也非常的友好。不過,簡單的背后藏的實現(xiàn)可就稍微有一些復(fù)雜了。 跟隨我的文章來看看其中的奧秘吧!

兩個疑問?

在我們往下看之前,我們先提出兩個疑問:

疑問一 : request ,看上去只像是一個靜態(tài)的類實例,我們?yōu)槭裁纯梢灾苯邮褂胷equest.args 這樣的表達(dá)式來獲取當(dāng)前request的args屬性,而不用使用比如:

復(fù)制代碼 代碼如下:

from flask import get_request

# 獲取當(dāng)前request
request = get_request()
get_request().args


這樣的方式呢?flask是怎么把request對應(yīng)到當(dāng)前的請求對象的呢?

疑問二 : 在真正的生產(chǎn)環(huán)境中,同一個工作進(jìn)程下面可能有很多個線程(又或者是協(xié)程), 就像我剛剛所說的,request這個類實例是怎么在這樣的環(huán)境下正常工作的呢?

要知道其中的秘密,我們只能從flask的源碼開始看了。

源碼,源碼,還是源碼

首先我們打開flask的源碼,從最開始的__init__.py來看看request是怎么出來的:

復(fù)制代碼 代碼如下:

# File: flask/__init__.py
from .globals import current_app, g, request, session, _request_ctx_stack


# File: flask/globals.py
from functools import partial
from werkzeug.local import LocalStack, LocalProxy


def _lookup_req_object(name):
    top = _request_ctx_stack.top
    if top is None:
        raise RuntimeError('working outside of request context')
    return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))

我們可以看到flask的request是從globals.py引入的,而這里的定義request的代碼為 request = LocalProxy(partial(_lookup_req_object, 'request')) , 如果有不了解 partial是什么東西的同學(xué)需要先補下課,首先需要了解一下 partial 。

不過我們可以簡單的理解為 partial(func, 'request') 就是使用 'request' 作為func的第一個默認(rèn)參數(shù)來產(chǎn)生另外一個function。

所以, partial(_lookup_req_object, 'request') 我們可以理解為:

生成一個callable的function,這個function主要是從 _request_ctx_stack 這個LocalStack對象獲取堆棧頂部的第一個RequestContext對象,然后返回這個對象的request屬性。

這個werkzeug下的LocalProxy引起了我們的注意,讓我們來看看它是什么吧:

復(fù)制代碼 代碼如下:

@implements_bool
class LocalProxy(object):
    """Acts as a proxy for a werkzeug local.  Forwards all operations to
    a proxied object.  The only operations not supported for forwarding
    are right handed operands and any kind of assignment.
    ... ...

看前幾句介紹就能知道它主要是做什么的了,顧名思義,LocalProxy主要是就一個Proxy, 一個為werkzeug的Local對象服務(wù)的代理。他把所以作用到自己的操作全部“轉(zhuǎn)發(fā)”到 它所代理的對象上去。

那么,這個Proxy通過Python是怎么實現(xiàn)的呢?答案就在源碼里:

復(fù)制代碼 代碼如下:

# 為了方便說明,我對代碼進(jìn)行了一些刪減和改動

@implements_bool
class LocalProxy(object):
    __slots__ = ('__local', '__dict__', '__name__')

    def __init__(self, local, name=None):
        # 這里有一個點需要注意一下,通過了__setattr__方法,self的
        # "_LocalProxy__local" 屬性被設(shè)置成了local,你可能會好奇
        # 這個屬性名稱為什么這么奇怪,其實這是因為Python不支持真正的
        # Private member,具體可以參見官方文檔:
        # http://docs.python.org/2/tutorial/classes.html#private-variables-and-class-local-references
        # 在這里你只要把它當(dāng)做 self.__local = local 就可以了 :)
        object.__setattr__(self, '_LocalProxy__local', local)
        object.__setattr__(self, '__name__', name)

    def _get_current_object(self):
        """
        獲取當(dāng)前被代理的真正對象,一般情況下不會主動調(diào)用這個方法,除非你因為
        某些性能原因需要獲取做這個被代理的真正對象,或者你需要把它用來另外的
        地方。
        """
        # 這里主要是判斷代理的對象是不是一個werkzeug的Local對象,在我們分析request
        # 的過程中,不會用到這塊邏輯。
        if not hasattr(self.__local, '__release_local__'):
            # 從LocalProxy(partial(_lookup_req_object, 'request'))看來
            # 通過調(diào)用self.__local()方法,我們得到了 partial(_lookup_req_object, 'request')()
            # 也就是 ``_request_ctx_stack.top.request``
            return self.__local()
        try:
            return getattr(self.__local, self.__name__)
        except AttributeError:
            raise RuntimeError('no object bound to %s' % self.__name__)

    # 接下來就是一大段一段的Python的魔法方法了,Local Proxy重載了(幾乎)?所有Python
    # 內(nèi)建魔法方法,讓所有的關(guān)于他自己的operations都指向到了_get_current_object()
    # 所返回的對象,也就是真正的被代理對象。

    ... ...
    __setattr__ = lambda x, n, v: setattr(x._get_current_object(), n, v)
    __delattr__ = lambda x, n: delattr(x._get_current_object(), n)
    __str__ = lambda x: str(x._get_current_object())
    __lt__ = lambda x, o: x._get_current_object() < o
    __le__ = lambda x, o: x._get_current_object() <= o
    __eq__ = lambda x, o: x._get_current_object() == o
    __ne__ = lambda x, o: x._get_current_object() != o
    __gt__ = lambda x, o: x._get_current_object() > o
    __ge__ = lambda x, o: x._get_current_object() >= o
    ... ...

事情到了這里,我們在文章開頭的第二個疑問就能夠得到解答了,我們之所以不需要使用get_request() 這樣的方法調(diào)用來獲取當(dāng)前的request對象,都是LocalProxy的功勞。

LocalProxy作為一個代理,通過自定義魔法方法。代理了我們對于request的所有操作, 使之指向到真正的request對象。

怎么樣,現(xiàn)在知道了 request.args 不是它看上去那么簡簡單單的吧。

現(xiàn)在,讓我們來看看第二個問題,在多線程的環(huán)境下,request是怎么正常工作的呢? 還是讓我們回到globals.py吧:

復(fù)制代碼 代碼如下:

from functools import partial
from werkzeug.local import LocalStack, LocalProxy


def _lookup_req_object(name):
    top = _request_ctx_stack.top
    if top is None:
        raise RuntimeError('working outside of request context')
    return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))

問題的關(guān)鍵就在于這個 _request_ctx_stack 對象了,讓我們找到LocalStack的源碼:

復(fù)制代碼 代碼如下:

class LocalStack(object):

    def __init__(self):
        # 其實LocalStack主要還是用到了另外一個Local類
        # 它的一些關(guān)鍵的方法也被代理到了這個Local類上
        # 相對于Local類來說,它多實現(xiàn)了一些和堆棧“Stack”相關(guān)方法,比如push、pop之類
        # 所以,我們只要直接看Local代碼就可以
        self._local = Local()

    ... ...

    @property
    def top(self):
        """
        返回堆棧頂部的對象
        """
        try:
            return self._local.stack[-1]
        except (AttributeError, IndexError):
            return None


# 所以,當(dāng)我們調(diào)用_request_ctx_stack.top時,其實是調(diào)用了 _request_ctx_stack._local.stack[-1]
# 讓我們來看看Local類是怎么實現(xiàn)的吧,不過在這之前我們得先看一下下面出現(xiàn)的get_ident方法

# 首先嘗試著從greenlet導(dǎo)入getcurrent方法,這是因為如果flask跑在了像gevent這種容器下的時候
# 所以的請求都是以greenlet作為最小單位,而不是thread線程。
try:
    from greenlet import getcurrent as get_ident
except ImportError:
    try:
        from thread import get_ident
    except ImportError:
        from _thread import get_ident

# 總之,這個get_ident方法將會返回當(dāng)前的協(xié)程/線程ID,這對于每一個請求都是唯一的


class Local(object):
    __slots__ = ('__storage__', '__ident_func__')

    def __init__(self):
        object.__setattr__(self, '__storage__', {})
        object.__setattr__(self, '__ident_func__', get_ident)

    ... ...

    # 問題的關(guān)鍵就在于Local類重載了__getattr__和__setattr__這兩個魔法方法

    def __getattr__(self, name):
        try:
            # 在這里我們返回調(diào)用了self.__ident_func__(),也就是當(dāng)前的唯一ID
            # 來作為__storage__的key
            return self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)

    def __setattr__(self, name, value):
        ident = self.__ident_func__()
        storage = self.__storage__
        try:
            storage[ident][name] = value
        except KeyError:
            storage[ident] = {name: value}

    ... ...

    # 重載了這兩個魔法方法之后

    # Local().some_value 不再是它看上去那么簡單了:
    # 首先我們先調(diào)用get_ident方法來獲取當(dāng)前運行的線程/協(xié)程ID
    # 然后獲取這個ID空間下的some_value屬性,就像這樣:
    #
    #   Local().some_value -> Local()[current_thread_id()].some_value
    #
    # 設(shè)置屬性的時候也是這個道理

通過這些分析,相信疑問二也得到了解決,通過使用了當(dāng)前的線程/協(xié)程ID,加上重載一些魔法 方法,F(xiàn)lask實現(xiàn)了讓不同工作線程都使用了自己的那一份stack對象。這樣保證了request的正常 工作。

說到這里,這篇文章也差不多了。我們可以看到,為了使用者的方便,作為框架和工具的開發(fā)者 需要付出很多額外的工作,有時候,使用一些語言上的魔法是無法避免的,Python在這方面也有著 相當(dāng)不錯的支持。

我們所需要做到的就是,學(xué)習(xí)掌握好Python中那些魔法的部分,使用魔法來讓自己的代碼更簡潔, 使用更方便。

但是要記住,魔法雖然炫,千萬不要濫用哦。

相關(guān)文章

  • python中異常報錯處理方法匯總

    python中異常報錯處理方法匯總

    之前在學(xué)習(xí)python的時候有整理過python異常處理的文章,不夠簡單也不夠完整,所以決定再整理一篇,算做補充,大家學(xué)習(xí)一下,就可以自己思考解決方法了,希望對大家能夠有所幫助
    2016-11-11
  • pandas初學(xué)者容易犯的六個錯誤總結(jié)

    pandas初學(xué)者容易犯的六個錯誤總結(jié)

    Pandas是Python的一個數(shù)據(jù)分析包,該工具為解決數(shù)據(jù)分析任務(wù)而創(chuàng)建,Pandas納入大量庫和標(biāo)準(zhǔn)數(shù)據(jù)模型,提供高效的操作數(shù)據(jù)集所需的工具,這篇文章主要給大家介紹了總結(jié)介紹了pandas初學(xué)者容易犯的六個錯誤,需要的朋友可以參考下
    2021-10-10
  • Python插件機制實現(xiàn)詳解

    Python插件機制實現(xiàn)詳解

    這篇文章主要介紹了Python插件機制實現(xiàn)詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • python讀取目錄下最新的文件夾方法

    python讀取目錄下最新的文件夾方法

    今天小編就為大家分享一篇python讀取目錄下最新的文件夾方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-12-12
  • Python圖像處理之圖像金字塔的向上和向下取樣

    Python圖像處理之圖像金字塔的向上和向下取樣

    圖像金字塔是指由一組圖像且不同分別率的子圖集合,它是圖像多尺度表達(dá)的一種,以多分辨率來解釋圖像的結(jié)構(gòu),主要用于圖像的分割或壓縮。本文主要介紹了圖像金字塔的圖像向下取樣和向上取樣,感興趣的可以了解一下
    2022-09-09
  • django的csrf實現(xiàn)過程詳解

    django的csrf實現(xiàn)過程詳解

    這篇文章主要介紹了django的csrf實現(xiàn)過程相加,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-07-07
  • Python讀取YAML文件過程詳解

    Python讀取YAML文件過程詳解

    這篇文章主要介紹了Python讀取YAML文件過程詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
    2019-12-12
  • 基于pycharm的beautifulsoup4庫使用方法教程

    基于pycharm的beautifulsoup4庫使用方法教程

    這篇文章主要介紹了基于pycharm的beautifulsoup4庫使用方法教程,對正在學(xué)習(xí)或者工作的你有一點的參考價值,需要的朋友可以參加一下
    2022-01-01
  • Jupyter Notebook打開任意文件夾操作

    Jupyter Notebook打開任意文件夾操作

    這篇文章主要介紹了Jupyter Notebook打開任意文件夾操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-04-04
  • pytorch如何對image和label同時進(jìn)行隨機翻轉(zhuǎn)

    pytorch如何對image和label同時進(jìn)行隨機翻轉(zhuǎn)

    這篇文章主要介紹了pytorch如何對image和label同時進(jìn)行隨機翻轉(zhuǎn)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2023-09-09

最新評論