python 接口_从协议到抽象基类详解_Python

抽象基类的常见用途：实现接口时作为超类使用。然后，说明抽象基类如何检查具体子类是否符合接口定义，以及如何使用注册机制声明一个类实现了某个接口，而不进行子类化操作。最后，说明如何让抽象基类自动“识别”任何符合接口的类——不进行子类化或注册。

Python文化中的接口和协议

接口在动态类型语言中是怎么运作的呢？首先，基本的事实是，Python语言没有 interface 关键字，而且除了抽象基类，每个类都有接口：类实现或继承的公开属性（方法或数据属性），包括特殊方法，如__getitem__ 或 __add__。

按照定义，受保护的属性和私有属性不在接口中：即便“受保护的”属性也只是采用命名约定实现的（单个前导下划线）；私有属性可以轻松地访问，原因也是如此。不要违背这些约定。

另一方面，不要觉得把公开数据属性放入对象的接口中不妥，因为如果需要，总能实现读值方法和设值方法，把数据属性变成特性，使用obj.attr 句法的客户代码不会受到影响。 Vector2d 类就是这么做的，Vector2d 类的第一版，x 和 y 是公开属性。

vector2d_v0.py：x 和 y 是公开数据属性

									class Vector2d:

									 def __init__(self, x, y):

									 self.x = x

									 self.y = y

									 def __iter__(self):

									 return (n for n in (self.x, self.y))

我们把 x 和 y 变成了只读特性。这是一项重大重构，但是 Vector2d 的接口基本没变：用户仍能读取my_vector.x 和 my_vector.y。

									class Vector2d:

									 def __init__(self, x, y):

									 self.__x = x

									 self.__y = y

									 @property

									 def x(self):

									 return self.__x

									 @property

									 def y(self):

									 return self.__y

									 def __iter__(self):

									 return (i for i in (self.x, self.y))

Python喜欢序列

Python 数据模型的哲学是尽量支持基本协议。对序列来说，即便是最简单的实现，Python 也会力求做到最好。

下图展示了定义为抽象基类的 Sequence 正式接口。

python 接口_从协议到抽象基类详解

Sequence 抽象基类和 collections.abc 中相关抽象类的UML 类图，箭头由子类指向超类，以斜体显示的是抽象方法

现在，看看下面🌰中的 Foo 类。它没有继承 abc.Sequence，而且只实现了序列协议的一个方法： __getitem__ （没有实现 __len__ 方法）。

									>>> class Foo:

									... 　　def __getitem__(self, pos):

									... 　　　　return range(0, 30, 10)[pos]

									...

									>>> f = Foo()

									>>> f[1]

									>>> for i in f: print(i)

									...

									>>> 20 in f

									True

									>>> 15 in f

									False

虽然没有 __iter__ 方法，但是 Foo 实例是可迭代的对象，因为发现有__getitem__ 方法时，Python 会调用它，传入从 0 开始的整数索引，尝试迭代对象（这是一种后备机制）。尽管没有实现 __contains__ 方法，但是 Python 足够智能，能迭代 Foo 实例，因此也能使用 in 运算符：Python 会做全面检查，看看有没有指定的元素。

综上，鉴于序列协议的重要性，如果没有 __iter__ 和 __contains__方法，Python 会调用 __getitem__ 方法，设法让迭代和 in 运算符可用。

下面的FrenchDeck 类也没有继承 abc.Sequence，但是实现了序列协议的两个方法：__getitem__ 和 __len__。

									class FrenchDeck:

									 ranks = [str(n) for n in range(2, 11)] + list('JQKA')

									 suits = 'spades diamonds clubs hearts'.split()

									 def __init__(self):

									 self._cards = [Cards(rank, suit) for suit in self.suits

									      for rank in self.ranks]

									 def __len__(self):

									 return len(self._cards)

									 def __getitem__(self, pos):

									 return self._cards[pos]

使用猴子补丁在运行时实现协议

FrenchDeck 类有个重大缺陷：无法洗牌。如果 FrenchDeck 实例的行为像序列，那么它就不需要 shuffle 方法，因为已经有 random.shuffle 函数可用，文档中说它的作用是“就地打乱序x”（https://docs.python.org/3/library/random.html#random.shuffle）。

标准库中的 random.shuffle 函数用法如下：

									>>> from random import shuffle

									>>> my_list = list(range(1, 11))

									>>> shuffle(my_list)

									>>> my_list

									[5, 7, 9, 2, 10, 1, 8, 6, 4, 3]

然而，如果尝试打乱 FrenchDeck 实例，会出现异常，如下面的 🌰 所示。

									Traceback (most recent call last):

									 File "/Users/demon/PycharmProjects/FluentPython/接口：从协议到抽象基类/FrenchDeck.py", line 37, in <module>

									 shuffle(deck)

									 File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/random.py", line 274, in shuffle

									 x[i], x[j] = x[j], x[i]

									TypeError: 'FrenchDeck' object does not support item assignment

错误消息相当明确，“'FrenchDeck' object does not support itemassignment”（'FrenchDeck' 对象不支持为元素赋值）。这个问题的原因是，shuffle 函数要调换集合中元素的位置，而 FrenchDeck 只实现了不可变的序列协议。可变的序列还必须提供 __setitem__ 方法。

解决办法为FrenchDeck 打猴子补丁，把它变成可变的，让random.shuffle 函数能处理

									from collections import namedtuple

									from random import shuffle

									Cards = namedtuple('Cards', ['rank', 'suit'])

									class FrenchDeck:

									 ranks = [str(n) for n in range(2, 11)] + list('JQKA')

									 suits = 'spades diamonds clubs hearts'.split()

									 def __init__(self):

									 self._cards = [Cards(rank, suit) for suit in self.suits

									      for rank in self.ranks]

									 def __len__(self):   #获取长度的len

									 return len(self._cards)

									 def __getitem__(self, position): #能够支持切片取值的处理

									 return self._cards[position]

									deck = FrenchDeck()    #实例化

									def set_card(deck, position, card):  #猴子不定，其实就是启动调用内部__setitem__设置值得外部函数

									 deck._cards[position] = card

									FrenchDeck.__setitem__ = set_card  #把猴子补丁传递给内部的魔术方法

									shuffle(deck)    #打乱洗牌的序列

									print(deck[:5])    #获取前五个卡牌的值

以上代码的执行结果为：

1	`[Cards(rank='K', suit='diamonds'), Cards(rank='4', suit='spades'), Cards(rank='A', suit='clubs'), Cards(rank='K', suit='spades'), Cards(rank='6', suit='clubs')]`

这里的关键是，set_card 函数要知道 deck 对象有一个名为 _cards 的属性，而且 _cards 的值必须是可变序列。然后，我们把 set_card 函数赋值给特殊方法 __setitem__，从而把它依附到 FrenchDeck 类上。这种技术叫猴子补丁：在运行时修改类或模块，而不改动源码。猴子补丁很强大，但是打补丁的代码与要打补丁的程序耦合十分紧密，而且往往要处理隐藏和没有文档的部分。

定义抽象基类的子类

在下面的🌰 中，我们明确把 FrenchDeck2 声明为collections.MutableSequence 的子类。

frenchdeck2.py：FrenchDeck2，collections.MutableSequence的子类

									import collections

									Card = collections.namedtuple('Card', ['rank', 'suit'])

									class FrenchDeck2(collections.MutableSequence):

									 ranks = [str(i) for i in range(1, 11)] + list('JQKA')

									 suits = 'spades diamonds clubs hearts'.split()

									 def __init__(self):

									 self._cards = [Card(rank, suit) for suit in self.suits

									     for rank in self.ranks]

									 def __len__(self):    #支持查看长度

									 return len(self._cards)

									 def __getitem__(self, position):  #支持切片

									 return self._cards[position]

									 def __setitem__(self, position, value):  #支持洗牌

									 self._cards[position] = value

									 def __delitem__(self, position):  #但是继承MutableSequence的类必须实现 __delitem__ 方法，这是MutableSequence 类的一个抽象方法。

									 del self._cards[position]

									 def insert(self, position, value):  #此外，还要实现insert方法，这是MutableSequence类的第三个抽象方法

									 self._cards.insert(position, value)

Sequence 和 MutableSequence 抽象基类的方法不全是抽象的。

python 接口_从协议到抽象基类详解

MutableSequence 抽象基类和 collections.abc 中它的超类的 UML 类图（箭头由子类指向祖先；以斜体显示的名称是抽象类和抽象方法）

FrenchDeck2 从 Sequence 继承了几个拿来即用的具体方法__contains__、__iter__、__reversed__、index 和count。FrenchDeck2 从MutableSequence 继承了append、extend、pop、remove 和__iadd__。

标准库中的抽象基类

从 Python 2.6 开始，标准库提供了抽象基类。大多数抽象基类在collections.abc 模块中定义，不过其他地方也有。例如，numbers和 io 包中有一些抽象基类。但是，collections.abc 中的抽象基类最常用。我们来看看这个模块中有哪些抽象基类。

collections.abc模块中的抽象基类

python 接口_从协议到抽象基类详解

collections.abc 模块中各个抽象基类的 UML 类图

Iterable、Container 和 Sized

各个集合应该继承这三个抽象基类，或者至少实现兼容的协议。Iterable 通过 __iter__ 方法支持迭代，Container 通过__contains__ 方法支持 in 运算符，Sized 通过 __len__ 方法支持len() 函数。

Sequence、Mapping 和 Set

这三个是主要的不可变集合类型，而且各自都有可变的子类

MappingView

在 Python 3 中，映射方法 .items()、.keys() 和 .values() 返回的对象分别是 ItemsView、KeysView 和 ValuesView 的实例。前两个类还从 Set 类继承了丰富的接口。

Callable 和 Hashable

这两个抽象基类与集合没有太大的关系，只不过因为collections.abc 是标准库中定义抽象基类的第一个模块，而它们又太重要了，因此才把它们放到 collections.abc 模块中。我从未见过Callable 或 Hashable 的子类。这两个抽象基类的主要作用是为内置函数 isinstance 提供支持，以一种安全的方式判断对象能不能调用或散列。

Iterator

注意它是 Iterable 的子类。继 collections.abc 之后，标准库中最有用的抽象基类包是numbers

抽象基类的数字塔

numbers 包（https://docs.python.org/3/library/numbers.html）定义的是“数字塔”（即各个抽象基类的层次结构是线性的），其中 Number 是位于最顶端的超类，随后是 Complex 子类，依次往下，最底端是 Integral类：

Number

Complex

Real

Rational

Integral

因此，如果想检查一个数是不是整数，可以使用 isinstance(x,numbers.Integral)，这样代码就能接受 int、bool（int 的子类），或者外部库使用 numbers 抽象基类注册的其他类型。为了满足检查的需要，你或者你的 API 的用户始终可以把兼容的类型注册为numbers.Integral 的虚拟子类。

与之类似，如果一个值可能是浮点数类型，可以使用 isinstance(x,numbers.Real) 检查。这样代码就能接受bool、int、float、fractions.Fraction，或者外部库（如NumPy，它做了相应的注册）提供的非复数类型。

定义并使用一个抽象基类

为了证明有必要定义抽象基类，我们要在框架中找到使用它的场景。想象一下这个场景：你要在网站或移动应用中显示随机广告，但是在整个广告清单轮转一遍之前，不重复显示广告。假设我们在构建一个广告管理框架，名为 ADAM。它的职责之一是，支持用户提供随机挑选的无重复类。为了让 ADAM 的用户明确理解“随机挑选的无重复”组件是什么意思，我们将定义一个抽象基类。

受到“栈”和“队列”（以物体的排放方式说明抽象接口）启发，我将使用现实世界中的物品命名这个抽象基类：宾果机和彩票机是随机从有限的集合中挑选物品的机器，选出的物品没有重复，直到选完为止。

我们把这个抽象基类命名为 Tombola，这是宾果机和打乱数字的滚动容器的意大利名。

Tombola 抽象基类有四个方法，其中两个是抽象方法。

.load(...)：把元素放入容器。

.pick():从容器中随机拿出一个元素，返回选中的元素

另外两个是具体方法。

.loaded()：如果容器中至少有一个元素，返回 True。

.inspect()：返回一个有序元组，由容器中的现有元素构成，不会修改容器的内容（内部的顺序不保留）。

展示了 Tombola 抽象基类和三个具体实现。

python 接口_从协议到抽象基类详解

一个抽象基类和三个子类的 UML 类图。根据 UML 的约定，Tombola 抽象基类和它的抽象方法使用斜体。虚线箭头用于表示接口实现，这里它表示 TomboList 是 Tombola 的虚拟子类，因为TomboList 是注册的

									import abc

									class Tombola(abc.ABC):      #自己定义的抽象基类要继承abc.ABC

									 @abc.abstractmethod

									 def load(self, iterable):     #抽象方法使用@abstractmethod装饰器标记，而且定义体中通常只有文档字符串

									 """从可迭代对象中添加元素"""

									 @abc.abstractmethod

									 def pick(self):      #根据文档字符串，如果没有元素可选，应该抛出LookupError

									 """随机删除元素，然后返回

									  如果实例为空，这个方法应该抛出'LookupError'

									 """

									 def loaded(self):      #抽象基类可以包含具体方法

									 """如果至少有一个元素，返回`True`，否则返回`False`。"""

									 return bool(self.inspect())

									 def inspect(self):

									 """返回一个有序元组，由当前元素构成。"""

									 items = []

									 while True:

									  try:

									  items.append(self.pick())   

									  except LookupError:

									  break

									 self.load(items)     #使用 .load(...)把所有元素放回去

									 return tuple(sorted(items))    #返回排序好的items攻loaded调用

选择使用 LookupError 异常的原因是，在 Python 的异常层次关系中，它与 IndexError 和 KeyError 有关，这两个是具体实现 Tombola的数据结构最有可能抛出的异常。据此，实现代码可能会抛出LookupError、IndexError 或 KeyError 异常。

异常类的部分层次结构

									BaseException

									├── SystemExit

									├── KeyboardInterrupt

									├── GeneratorExit

									└── Exception

									 ├── StopIteration

									 ├── ArithmeticError

									 │ ├── FloatingPointError

									 │ ├── OverflowError

									 │ └── ZeroDivisionError

									 ├── AssertionError

									 ├── AttributeError

									 ├── BufferError

									 ├── EOFError

									 ├── ImportError

									 ├── LookupError #我们在 Tombola.inspect 方法中处理的是 LookupError 异常 

									 │ ├── IndexError #IndexError 是 LookupError 的子类，尝试从序列中获取索引超过最后位置的元素时抛出 

									 │ └── KeyError #使用不存在的键从映射中获取元素时，抛出 KeyError 异常

									 ├── MemoryError

									 ... etc.

我们自己定义的 Tombola 抽象基类完成了。为了一睹抽象基类对接口所做的检查，下面我们尝试使用一个有缺陷的实现来糊弄 Tombola，如下面的 🌰 所示

不符合 Tombola 要求的子类无法蒙混过关

									>>> from tombola import Tombola

									>>> class Fake(Tombola): 　　　　　　　　　　　　　　# 把Fake声明为Tombole的子类，继承抽象类

									...  def pick(self):

									...  return 13

									...

									>>> Fake 　　　　　　　　　　　　　　　　　　　　　　　 # 创建Fake类，目前木有毛线问题~

									<class '__main__.Fake'>

									>>> f = Fake() 　　　　　　　　　　　　　　　　　　　　#　报错了，Python认为Fake类是抽象类，因为没有实现load方法

									Traceback (most recent call last):

									File "<stdin>", line 1, in <module>

									TypeError: Can't instantiate abstract class Fake with abstract methods load

抽象基类句法详解

声明抽象基类最简单的方式是继承 abc.ABC 或其他抽象基类。

然而，abc.ABC 是 Python 3.4 新增的类，因此如果你使用的是旧版Python，那么无法继承现有的抽象基类。此时，必须在 class 语句中使用 metaclass= 关键字，把值设为 abc.ABCMeta（不是 abc.ABC）。在下面的🌰 ，可以写成：

1 2	`class Tombola(metaclass=abc.ABCMeta):` `# ...`

metaclass= 关键字参数是 Python 3 引入的。在 Python 2 中必须使用__metaclass__ 类属性：

									class Tombola(object): # 这是Python 2！！！

									 __metaclass__ = abc.ABCMeta

									 # ...　　

除了 @abstractmethod 之外，abc 模块还定义了@abstractclassmethod、@abstractstaticmethod 和@abstractproperty 三个装饰器。然而，后三个装饰器从 Python 3.3起废弃了，因为装饰器可以在 @abstractmethod 上堆叠，那三个就显得多余了。例如，声明抽象类方法的推荐方式是：

									class MyABC(abc.ABC):

									 @classmethod

									 @abc.abstractmethod

									 def an_abstract_classmethod(cls, ...):

									 pass

定义Tombola抽象基类的子类

定义好 Tombola 抽象基类之后，我们要开发两个具体子类，满足Tombola 规定的接口。

下面的🌰 中的 BingoCage 类，使用了更好的随机发生器。 BingoCage 实现了所需的抽象方法 load 和 pick，从 Tombola 中继承了 loaded 方法，覆盖了 inspect 方法，还增加了__call__ 方法。

									import random

									import abc

									class Tombola(abc.ABC):      #自己定义的抽象基类要继承abc.ABC

									 @abc.abstractmethod

									 def load(self, iterable):     #抽象方法使用@abstractmethod装饰器标记，而且定义体中通常只有文档字符串

									 """从可迭代对象中添加元素"""

									 @abc.abstractmethod

									 def pick(self):      #根据文档字符串，如果没有元素可选，应该抛出LookupError

									 """随机删除元素，然后返回

									  如果实例为空，这个方法应该抛出'LookupError'

									 """

									 def loaded(self):      #抽象基类可以包含具体方法

									 """如果至少有一个元素，返回`True`，否则返回`False`。"""

									 return bool(self.inspect())

									 def inspect(self):

									 """返回一个有序元组，由当前元素构成。"""

									 items = []

									 while True:

									  try:

									  items.append(self.pick())

									  except LookupError:

									  break

									 self.load(items)     #使用 .load(...)把所有元素放回去

									 return tuple(sorted(items))    #返回排序好的items攻loaded调用

									#下面的代码应该单端放到一个py文件中，为了省事，就不在单独放到一个模块里面导入了~

									class BigoCage(Tombola):     #明确指定BingoCage类扩展Tombola类

									 def __init__(self, items):

									 self._randomizer = random.SystemRandom()  #假设我们将在线上游戏中使用这个。random.SystemRandom使用os.urandom(...) 函数实现randomAPI

									 self._items = []

									 self.load(items)     #委托.load(...)方法实现初始加载

									 def load(self, items):

									 self._items.extend(items)    #如果通过load方法传递一个可迭代的对象进来，可以扩展到以后的self._items的列表中

									 self._randomizer.shuffle(self._items)   #没有使用random.shuffle而是使用了SystemRandom中的shuffle方法

									 def pick(self):

									 try:

									  return self._items.pop()

									 except IndexError:

									  raise LookupError('pick from empty BingoCage')

									 def __call__(self):

									 self.pick()

									b = BigoCage(range(10))

									print(b.pick())

下面是 Tombola 接口的另一种实现，虽然与之前不同，但完全有效。LotteryBlower 打乱“数字球”后没有取出最后一个，而是取出一个随机位置上的球。

lotto.py：LotteryBlower 是 Tombola 的具体子类，覆盖了继承的 inspect 和 loaded 方法

									import random

									from tombola import Tombola

									class LotteryBlower(Tombola):

									 def __init__(self, iterable):

									 self._balls = list(iterable)  #创建一个副本

									 def load(self, iterbale):

									 self._balls.extend(iterbale)  #把一个可迭代的对象添加到列表中

									 def pick(self):

									 try:

									  position = random.randrange(len(self._balls)) #获取一个随机数

									 except ValueError:

									  raise LookupError('pick from empty LotteryBlower')

									 return self._balls.pop(position)  #删除列表中通过列表长度获取的随机数位置的索引值

									 def loaded(self):

									 return bool(self._balls)

									 def inspect(self):

									 return tuple(sorted(self._balls))