Python中getattr函數和hasattr函數作用詳解
hasattr(object, name)
作用:判斷對象object是否包含名為name的特性(hasattr是通過調用getattr(ojbect, name)是否拋出異常來實現(xiàn)的)。
示例:
>>> hasattr(list, 'append') True >>> hasattr(list, 'add') False getattr(object,name,default):
作用:返回object的名稱為name的屬性的屬性值,如果屬性name存在,則直接返回其屬性值;如果屬性name不存在,則觸發(fā)AttribetError異?;虍斂蛇x參數default定義時返回default值。
這個方法最主要的作用是實現(xiàn)反射機制。也就是說可以通過字符串獲取方法實例。這樣,你就可以把一個類可能要調用的方法放在配置文件里,在需要的時候動態(tài)加載。
下面我們使用小例子來說明它們的用法:
import func_file #自定義python模塊 cs=input('請輸入要訪問的URL:') if cs=='loggin': func_file.loggin() if cs =='home': func_file.home() if cs =='': pass#以下省略
當我定義一個自定義模塊,去調用其中的方法的時候,使用if去判斷時,如果模塊內用很多方法,會大大影響開發(fā)的效率,代碼冗余差,顯然這是不可取的。下面我們使用hasattr()函數來實現(xiàn)我們的需求:
示例如下:
import func_file #自定義python模塊,需事先存在 def run(): while True: cs=input('請輸入要訪問的URL:') #hasattr利用字符串的形式去對象(模塊)中操作(尋找)成員 if hasattr(func_file,cs): #判斷用戶輸入的URL是否在func_file模塊中 func=getattr(func_file,cs) #有則將func_file模塊下的cs函數賦值 func() #等同于執(zhí)行func_file模塊下的cs函數 else: print('404')#定義錯誤頁面 run()
我們導入一個自定義模塊后,gatattr可以根據輸入的內容動態(tài)加載,利用hasattr()函數來判斷用戶輸入的是否存在,不存在則調用自定義方法。
是不是感覺和我們打開網址URL很類似??!
上一個示例有一個問題,在實際情況中,我們的功能函數可能存放在很多模塊中,每一個都需要單獨導入,那我們可不可以利用getattr()函數去動態(tài)加載模塊呢?當然可以啦
請看示例:
def run(): while True: cs=input('請輸入:') v,k=cs.split('/') #獲得輸入的模塊和模塊的方法 obj=__import__('lib.'+v,fromlist=True) #調用lib目錄下的模塊fromlist=True按路徑連接的方式導入 if hasattr(obj,k): f= getattr(obj,k) f() else: print('404') if __name__ == '__main__': run()
是不是感到getattr很強大啊。其實,getattr()就是實現(xiàn)python反射的一塊積木,結合其它方法如setattr(),dir() 等,我們可以還可以做出很多有趣的事情。
- 詳解Python3 中hasattr()、getattr()、setattr()、delattr()函數及示例代碼數
- 全面了解Python的getattr(),setattr(),delattr(),hasattr()
- 詳解Python的hasattr() getattr() setattr() 函數使用方法
- 淺析Python中的getattr(),setattr(),delattr(),hasattr()
- 一文搞懂Python的hasattr()、getattr()、setattr()?函數用法
- 淺談python中的getattr函數 hasattr函數
- python中hasattr()、getattr()、setattr()函數的使用
- 一次搞懂hasattr()/getattr()/setattr()在Python中的應用
- Python學習筆記之getattr和hasattr用法示例詳解
相關文章
python使用lxml xpath模塊解析XML遇到的坑及解決
這篇文章主要介紹了python使用lxml xpath模塊解析XML遇到的坑及解決,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2024-05-05python深度學習TensorFlow神經網絡模型的保存和讀取
這篇文章主要為大家介紹了python深度學習TensorFlow神經網絡如何將訓練得到的模型保存下來方便下次直接使用。為了讓訓練結果可以復用,需要將訓練好的神經網絡模型持久化2021-11-11