日常的写在前面

难得的周末，有大段的时间可以用来学习，体验就和工作日的晚上完全不一样了。

好好的沉下心学习下~

即刻很喜欢了！

好好学习的分割线

打打打鸡血!!!!!!

面向对象高级编程

前天的定制类的__call__通过小佳扬的一语惊醒梦中人，就是把对象函数化了。

感觉有点囫囵吞枣，看完教程后要还好好地归纳下。

枚举类

定义常量时候使用，例如定义月份。

JAN = 1

FEB = 2

MAR = 3

...

NOV = 11

DEC = 12

但是此时的类型是int。

通过Python提供的Enum类来实现为枚举类型定义一个class类型。

from enum import Enum

Month = Enum('Month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'))

这样就获得了Month类型的枚举类，可以使用Month.Jan来引用一个常量，或者枚举成员。

for name, member in Month.__members__.items():

print(name, '=>', member, ',', member.value)

value属性是自动赋给成员的值，默认从1开始计数。

如果需要更精确地控制枚举类型，可以从Enum派生出自定义类。

from enum import Enum, unique

@unique

class Weekday(Enum):

Sun = 0 # Sun的value被设定为0

Mon = 1

Tue = 2

Wed = 3

Thu = 4

Fri = 5

Sat = 6

@unique装饰器可以帮助我们检查保证没有重复值。

使用元类

type()

动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。

type()函数可以查看类型或者变量的类型，class的类型就是type。

而且type()函数既可以返回一个对象的类型，又可以创建出新的类型。

#用type()函数创造出hello类

def fn(self, name='world'): # 先定义函数

print('Hello, %s.' % name)

Hello = type('Hello', (object,), dict(hello=fn))

用type()创建类，需要依次传入三个参数：

class的名称；

继承的父类集合，注意Python支持多重继承，如果只有一个父类，别忘了tuple的单元素写法；

class的方法名称与函数绑定，这里我们把函数fn绑定到方法名hello上

这样和直接定义class的写法没有差异，但是这样的话就可以在代码运行的过程中，动态创建类，这和静态语言有很大不同。

metaclass

除了使用type()动态创建类以外，要控制类的创建行为，还可以使用metaclass。

先定义metaclass，就可以创建类，最后创建实例。

据说很难理解的魔术代码，还是认真的努力理解下吧！

看下大牛的代码！

这个metaclass可以给我们自定义的MyList增加一个add方法：

定义ListMetaclass，按照默认习惯，metaclass的类名总是以Metaclass结尾，以便清楚地表示这是一个metaclass。

# metaclass是类的模板，所以必须从`type`类型派生：

class ListMetaclass(type):

def __new__(cls, name, bases, attrs):

attrs['add'] = lambda self, value: self.append(value)

return type.__new__(cls, name, bases, attrs)

有了ListMetaclass，我们在定义类的时候还要指示使用ListMetaclass来定制类，传入关键字参数metaclass：

class MyList(list, metaclass=ListMetaclass):

pass

这样MyList创建的时候，需要通过ListMetaclass.__new__()来创建。

__new__()方法接收到的参数依次是：

当前准备创建的类的对象；

类的名字；

类集成的父类集合；

类的方法集合。

而MyList()可以调用add方法，但普通list()就没有。

list即类的对象。

这个复杂的有点变态的定义方式，在一些场景下，例如ORM的编写中，会很有用。

ORM全称“Object Relational Mapping”，即对象-关系映射，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码更简单，不用直接操作SQL语句。

这块有点复杂，虽然看懂了，但是还要好好琢磨下

错误、调试和测试

错误处理

高级语言都内置了一套try...except...finally...的错误处理机制，Python小可爱也有。

try

当有错误时候，会打断代码的进行，跳转到except处，一旦有finally的话就一定会执行,无论有没有发生错误。

可以有多个except获取不同的错误，但是注意父类和子类的问题，如果一旦包括了父类错误，子类所在的except就不会被执行。

except后也可以加else语句，当没有错误发生的时候，会执行else语句。

Python所有的错误都是从BaseException类派生的，常见的错误类型和继承关系有这些：

https://docs.python.org/3/lib...

也就是说，不需要在每个可能出错的地方去捕获错误，只要在合适的层次去捕获错误就可以了。这样一来，就大大减少了写try...except...finally的麻烦。

调用栈

如果错误没有被捕获，它就会一直往上抛，最后被Python解释器捕获，打印一个错误信息，然后程序退出。

所以找错误栈的时候，一定要找到准确的最里面那层。

错误记录

等Python解释器打印错误栈的信息，程序也结束了。

既然可以捕获，就在捕获的同时打印错误信息并分析原因，让程序继续下去。

Python内置的logging可以很容易的记录错误信息。

# err_logging.py

import logging

def foo(s):

return 10 / int(s)

def bar(s):

return foo(s) * 2

def main():

try:

bar('0')

except Exception as e:

logging.exception(e)

main()

print('END')

这样打印完错误信息后还会打印END,即运行了后续的代码。

将logging通过配置记录到日志文件中方便后续的排查。

抛出错误

捕获的错误其实是错误class的一个实例，错误也是需要定以后才能抛出然后被捕获到的。

如果要抛出错误，首先根据需要，可以定义一个错误的class，选择好继承关系，然后，用raise语句抛出一个错误的实例.

# err_raise.py

class FooError(ValueError):

pass

def foo(s):

n = int(s)

if n==0:

raise FooError('invalid value: %s' % s)

return 10 / n

foo('0')

另一种抛出错误的例子如下。

# err_reraise.py

def foo(s):

n = int(s)

if n==0:

raise ValueError('invalid value: %s' % s)

return 10 / n

def bar():

try:

foo('0')

except ValueError as e:

print('ValueError!')

raise #错误又被抛出

bar()

这种方式也很常见，在抛出问题后继续抛回上一级，由顶曾调用者进行处理。

raise语句如果不带参数，就会把当前错误原样抛出。

此外，在except中raise一个Error，还可以把一种类型的错误转化成另一种类型。

调试

用print()打印有问题的变量

麻烦在还得删掉或注释掉相应语句

断言

凡是可以用print打印的地方，都可以用asset断言来代替。

def foo(s):

n = int(s)

assert n != 0, 'n is zero!'#判断此处n!=0是否为True,如果非则抛出AssertionError

return 10 / n

def main():

foo('0')

可以在启动Python解释器的时候关闭assert

$python -0

logging

同样是替换print,logging不会抛出错误，而且可以输出到文件。

import logging

logging.basicConfig(level=logging.INFO)

s = '0'

n = int(s)

logging.info('n = %d' % n)

print(10 / n)

这就是logging的好处，它允许你指定记录信息的级别，有debug，info，warning，error等几个级别，当我们指定level=INFO时，logging.debug就不起作用了。同理，指定level=WARNING后，debug和info就不起作用了。这样一来，你可以放心地输出不同级别的信息，也不用删除，最后统一控制输出哪个级别的信息。

logging的另一个好处是通过简单的配置，一条语句可以同时输出到不同的地方，比如console和文件。

pdb

启动Python的调试器pdb，让程序以单步方式运行。

pdb.set_trace()

这个方法也是用pdb，但是不需要单步执行，我们只需要import pdb，然后，在可能出错的地方放一个pdb.set_trace()，就可以设置一个断点