Python 魔法函数总结

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第17天，点击查看活动详情。

---

title: Python 魔法函数总结 mathjax: false date: 2021-09-28 19:21:45 tags: [Coding, Python] categories: [Coding, Python]

本文记录Python类中的魔法函数(前后双下划线的函数)的用法。

下划线与类函数、变量

Python用下划线作为变量前缀和后缀指定特殊变量、函数

单下划线开头

• 保护变量，只有类对象和子类对象自己能访问到这些变量
• 不能用 ’from module import *’ 导入
• 不能直接访问的类属性，需通过类提供的接口进行访问

双下划线开头

• 私有成员，只有类对象自己能访问，连子类对象也不能访问到这个数据

前后双下划线

• python里特殊方法专用的标识，也称为保留属性、魔法函数

保留属性、方法

属性名称	含义
class.__doc__	类型帮助信息
class.__name__	类型名称
class.__module__	类型所在模块
class.__base__	类型所继承的基类
class.__dict__	类型字典，存储所有类型成员信息
class.__class__	类型
class.__bases__	返回类的直接父类（实例没有该属性）
class.__basicsize__	类的字节数
obj.__sizeof__()	对象在内存中的字节数
class.__mro__	类的继承调用顺序
class.__subclasses__()	返回子类列表
class.__dictoffset__	指向 __dict__ 对象的指针的位置的偏移量，以字节为单位。
class.__flags__	返回一串数字，用来判断该类型能否被序列化
class.__itemsize__	这些字段允许计算类型实例的大小（以字节为单位），0是可变长度， 非0则是固定长度
x.__slots__()	只定义特定集合的某些属性，使用之后类变成静态一样，没有了__dict__, 实例也不可新添加属性

类相关魔法函数

目的	所编写代码	Python 实际调用
初始化一个实例	x = MyClass()	x.__init__()
字符串的“官方”表现形式	repr(x)	x.__repr__()
字符串的“非正式”值	str(x)	x.__str__()
字节数组的“非正式”值	bytes(x)	x.__bytes__()
格式化字符串的值	format(x, format_spec)	x.__format__(format_spec)
类构造器	x = MyClass()	x.__new__()
类析构器	del x	x.__del__()
自定义散列值	hash(x)	x.__hash__()
获取某个属性的值	x.color	type(x).__dict__['color'\].__get__(x, type(x))
设置某个属性的值	x.color = 'PapayaWhip'	type(x).__dict__['color'\].__set__(x, 'PapayaWhip')
删除某个属性	del x.color	type(x).__dict__['color'\].__del__(x)
控制某个对象是否是该对象的实例 your class	isinstance(x, MyClass)	MyClass.__instancecheck__(x)
控制某个类是否是该类的子类	issubclass(C, MyClass)	MyClass.__subclasscheck__(C)
控制某个类是否是该抽象基类的子类	issubclass(C, MyABC)	MyABC.__subclasshook__(C)
不指名调用函数	x(*args, **kwargs)	x.__call__(*args, **kwargs)

1. 对 __init__() 方法的调用发生在实例被创建 之后 。如果要控制实际创建进程，请使用 __new__() 方法。
2. 按照约定， __repr__() 方法所返回的字符串为合法的 Python 表达式。
3. 在调用 print(x) 的同时也调用了 __str__() 方法。
4. 由于 bytes 类型的引入而从 Python 3 开始出现。

迭代器相关

目的	所编写代码	Python 实际调用
遍历某个序列	iter(seq)	seq.__iter__()
从迭代器中获取下一个值	next(seq)	seq.__next__()
按逆序创建一个迭代器	reversed(seq)	seq.__reversed__()

1. 无论何时创建迭代器都将调用 __iter__() 方法。这是用初始值对迭代器进行初始化的绝佳之处。
2. 无论何时从迭代器中获取下一个值都将调用 __next__() 方法。
3. __reversed__() 方法并不常用。它以一个现有序列为参数，并将该序列中所有元素从尾到头以逆序排列生成一个新的迭代器。

属性相关

目的	所编写代码	Python 实际调用
获取一个计算属性（无条件的）	x.my_property/ getattr(x, my_property)	x.__getattribute__('my_property')
获取一个计算属性（后备）	x.my_property/ getattr(x, my_property)	x.__getattr__('my_property')
设置某属性	x.my_property = value	x.__setattr__('my_property',value)
删除某属性	del x.my_property	x.__delattr__('my_property')
列出所有属性和方法	dir(x)	x.__dir__()

1. 如果某个类定义了 __getattribute__() 方法，在 每次引用属性或方法名称时 Python 都调用它（特殊方法名称除外，因为那样将会导致讨厌的无限循环）。
2. 如果某个类定义了 __getattr__() 方法，Python 将只在正常的位置查询属性时才会调用它。如果实例 x 定义了属性color， x.color 将 不会 调用x.__getattr__('color')；而只会返回x.color 已定义好的值。
3. 无论何时给属性赋值，都会调用 __setattr__() 方法。
4. 无论何时删除一个属性，都将调用 __delattr__() 方法。
5. 如果定义了 __getattr__() 或 __getattribute__() 方法， __dir__() 方法将非常有用。通常，调用 dir(x) 将只显示正常的属性和方法。如果__getattr()__方法动态处理color 属性， dir(x) 将不会将 color 列为可用属性。可通过覆盖 __dir__() 方法允许将 color 列为可用属性，对于想使用你的类但却不想深入其内部的人来说，该方法非常有益。

索引相关

目的	所编写代码	Python 实际调用
序列的长度	len(seq)	seq.__len__()
了解某序列是否包含特定的值	x in seq	seq.__contains__(x)
通过键来获取值	x[key]	x.__getitem__(key)
通过键来设置值	x[key] = value	x.__setitem__(key,value)
删除一个键值对	del x[key]	x.__delitem__(key)
为缺失键提供默认值	x[nonexistent_key]	x.__missing__(nonexistent_key)
切片	x[i:j]	x.__getslice__(i, j)
包含	y in x	x.__contains__(y)

比较相关

我将此内容从前一节中拿出来使其单独成节，是因为“比较”操作并不局限于数字。许多数据类型都可以进行比较——字符串、列表，甚至字典。如果要创建自己的类，且对象之间的比较有意义，可以使用下面的特殊方法来实现比较。

目的	所编写代码	Python 实际调用
相等	x == y	x.__eq__(y)
不相等	x != y	x.__ne__(y)
小于	x < y	x.__lt__(y)
小于或等于	x <= y	x.__le__(y)
大于	x > y	x.__gt__(y)
大于或等于	x >= y	x.__ge__(y)
布尔上下文环境中的真值	if x:	x.__bool__()
sort 函数中的比较	list.sort	x.__cmp__(y)

序列化相关

Python 支持任意对象的序列化和反序列化。（多数 Python 参考资料称该过程为 “pickling” 和 “unpickling”）。该技术对与将状态保存为文件并在稍后恢复它非常有意义。所有的内置数据类型 均已支持 pickling 。如果创建了自定义类，且希望它能够 pickle，阅读 pickle 协议了解下列特殊方法何时以及如何被调用。

目的	所编写代码	Python 实际调用
自定义对象的复制	copy.copy(x)	x.__copy__()
自定义对象的深度复制	copy.deepcopy(x)	x.__deepcopy__()
在 pickling 之前获取对象的状态	pickle.dump(x, file)	x.__getstate__()
序列化某对象	pickle.dump(x, file)	x.__reduce__()
序列化某对象（新 pickling 协议）	pickle.dump(x, file, protocol_version)	x.__reduce_ex__(protocol_version)
控制 unpickling 过程中对象的创建方式	x = pickle.load(file)	x.__getnewargs__()
在 unpickling 之后还原对象的状态	x = pickle.load(file)	x.__setstate__()
返回一串数字，用来判断该类型能否被序列化	class.__flags__	class.__flags__

要重建序列化对象，Python 需要创建一个和被序列化的对象看起来一样的新对象，然后设置新对象的所有属性。__getnewargs__() 方法控制新对象的创建过程，而 __setstate__() 方法控制属性值的还原方式。

with 语块相关

with 语块定义了运行时刻上下文环境；在执行 with 语句时将“进入”该上下文环境，而执行该语块中的最后一条语句将“退出”该上下文环境。

目的	所编写代码	Python 实际调用
在进入 with 语块时进行一些特别操作	with x:	x.__enter__()
在退出 with 语块时进行一些特别操作	with x:	x.__exit__()

以下是 with file 习惯用法 的运作方式：

# excerpt from io.py: 
def _checkClosed(self, msg=None):
	'''	Internal: raise an ValueError if file is closed	'''     
	if self.closed:         
		raise ValueError('I/O operation on closed file.' if msg is None else msg)  
def __enter__(self):     
    '''Context management protocol.  Returns self.'''     
    self._checkClosed()
    return self
def __exit__(self, *args):     
    '''Context management protocol.  Calls close()'''     
    self.close()   

1. 该文件对象同时定义了一个 __enter__() 和一个 __exit__() 方法。该 __enter__() 方法检查文件是否处于打开状态；如果没有， _checkClosed()方法引发一个例外。
2. __enter__() 方法将始终返回 self —— 这是 with 语块将用于调用属性和方法的对象
3. 在 with 语块结束后，文件对象将自动关闭。怎么做到的？在 __exit__() 方法中调用了 self.close() .

该 __exit__() 方法将总是被调用，哪怕是在 with 语块中引发了例外。实际上，如果引发了例外，该例外信息将会被传递给 __exit__() 方法。查阅 With 状态上下文环境管理器了解更多细节。

计算相关

目的	所编写代码	Python 实际调用
重载 + 运算符	x + y	x.__add__(y)
重载 - 运算符	x - y	x.__sub__(y)
重载 % 运算符	x % y	x.__mod__(y)
重载 * 乘法运算符	x * y	x.__mul__(y)
重载 * 乘法运算符（y.__mul__(x)失败时调用）	y * x	x.__rmul__(y)

参考资料

• www.cnblogs.com/nkwy2012/p/…
• www.liaoxuefeng.com/wiki/897692…