【Python】【面向对象】

"""
# 【【面向对象】】
#【访问限制】
#如果要让内部属性不被外部访问，可加双下划线，编程私有变量。只有内部可以访问，外部不能访问。
class Student(object):
    def __init__(self,name,score):
        self.__name = name
        self.__score = score
    def print_score(self):
        print("%s : %s " % (self.__name,self.__score))
bart = Student('Bart Simpson',66)
#print(bart.__name)          #AttributeError: 'Student' object has no attribute '__name'
#如果想让外部代码获取name score 可以如下
class Student(object):
    def __init__(self,name,score):
        self.__name = name
        self.__score = score
    def print_score(self):
        print("%s : %s "% (self.__name,self.__score))
    def get_name(self):
        return self.__name
    def get_score(self):
        return self.__score
    #允许外部代码修改
    def set_score(self,score):
        if 0 <= score <= 100:
            self.__score = score
        else:
            raise ValueError('bad score')
#【注意】__name__是特殊变量，可直接访问，不是private变量，所以，不能用__name__这样的变量名。
# 一个下划线，外部可以访问，但是按照约定俗成，遇到这样的，就当成是私有的
# 双下划线不能直接访问的原因，python解释器对外把__name改成了_Student__name,所以仍然可通过_Student__name来访问__name变量
print(bart._Student__name)              #Bart Simpson
# 但是强烈建议不要这么做，因为不同版本的python解释器，可能会把__name改成不同的变量名。
#注意下面错误写法
bart = Student('Bart Simpson',66)
print(bart.get_name())              #Bart Simpson
bart.__name = 'New Name'
print(bart.__name)                  #New Name 【注意】此时的__name和类内部的__name不是一回事，内部的已经被python解释器自动改成了_Student__name,外部代码给bart对象新增了一个__name变量
print(bart.get_name())              #Bart Simpson

# 【继承&多态】
#继承可以把父类所有功能直接拿过来，这样就不必从零做起。子类只需要新增自己的方法，也可以把父类不适合的方法覆盖重写。
#动态语言的鸭子类型决定了继承不像静态语言那样是必须的。

#【获取对象信息】
# 1 使用type() 判断基本数据类型可直接写int str 等。 如果要判断是否是函数，可 用types 模块中定义的常量。
import types
def fn():
    pass

print (type(fn) == types.FunctionType)                      #True
print (type(abs) == types.BuiltinFunctionType)              #True
print (type(lambda x:x) == types.LambdaType)                #True
print (type(x for x in range(10)) == types.GeneratorType)   #True

# 2 使用isinstance() 可用type() 的都可用isinstance() 但可用isinstance()的不一定就能用type()代替
print (isinstance('12',str))                                #True
print (isinstance((lambda x:x),types.LambdaType))           #True

class Animal(object):
    def run(self):
        print ('animal is running..')
class Dog(Animal):
    def run(self):
        print ('dog is running..')
class Hushy(Dog):
    def run(self):
        print ('hushy is running..')

a = Animal()
d = Dog()
h = Hushy()
print (type(d) == Dog)               #True
print (type(d) == Animal)            #False
print (isinstance(d,Dog))            #True
print (isinstance(d,Animal))         #True
print (isinstance(h,Animal))         #True
print (isinstance(d,Hushy))          #False
#还可以判断一个变量是否是某些类型中的一种。
print (isinstance([1,2,3],(list,tuple)))     #True

#【小结】总是优先使用isinstance(), 可以将指定类型及其子类"一网打尽"

# 3 使用dir() 获取一个对象所有属性和方法。
print (dir('ABC')) #['__add__', '__class__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__mod__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', 'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith', 'expandtabs', 'find', 'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace', 'istitle', 'isupper', 'join', 'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace', 'rfind', 'rindex', 'rjust', 'rpartition', 'rsplit', 'rstrip', 'split', 'splitlines', 'startswith', 'strip', 'swapcase', 'title', 'translate', 'upper', 'zfill']
#仅仅是把属性和方法列出来是不够的，配合getattr()  setattr() hasattr() ，可以直接操作一个对象的状态
class MyObject(object):
    def __init__(self):
        self.x = 9
    def power(self):
        return self.x * self.x
obj = MyObject()

print (hasattr(obj,'x'))                #True
print (obj.x)                           #9
print (hasattr(obj,'y'))                #False
setattr(obj,'y',19)
print (hasattr(obj,'y'))                #True
print (getattr(obj,'y'))                #19
print (obj.y)                           #19
#如果试图获取不存在的属性，抛出AttributeError
#print (getattr(obj,'z'))               #AttributeError: 'MyObject' object has no attribute 'z'
#可传一个default参数，如果属性不存在，就返回默认值
print (getattr(obj,'z',404))            #404
#也可以获得对象的方法
print (hasattr(obj,'power'))            #True
print (getattr(obj,'power'))            #<bound method MyObject.power of <__main__.MyObject object at 0x102a36470>>
#获取属性power并赋值到变量fn
fn = getattr(obj,'power')
print (fn)                              #<bound method MyObject.power of <__main__.MyObject object at 0x1022364a8>>
print (fn())                            #81

'''
获取对象信息

阅读: 214832
当我们拿到一个对象的引用时，如何知道这个对象是什么类型、有哪些方法呢？

使用type()

首先，我们来判断对象类型，使用type()函数：

基本类型都可以用type()判断：

>>> type(123)
<class 'int'>
>>> type('str')
<class 'str'>
>>> type(None)
<type(None) 'NoneType'>
如果一个变量指向函数或者类，也可以用type()判断：

>>> type(abs)
<class 'builtin_function_or_method'>
>>> type(a)
<class '__main__.Animal'>
但是type()函数返回的是什么类型呢？它返回对应的Class类型。如果我们要在if语句中判断，就需要比较两个变量的type类型是否相同：

>>> type(123)==type(456)
True
>>> type(123)==int
True
>>> type('abc')==type('123')
True
>>> type('abc')==str
True
>>> type('abc')==type(123)
False
判断基本数据类型可以直接写int，str等，但如果要判断一个对象是否是函数怎么办？可以使用types模块中定义的常量：

>>> import types
>>> def fn():
...     pass
...
>>> type(fn)==types.FunctionType
True
>>> type(abs)==types.BuiltinFunctionType
True
>>> type(lambda x: x)==types.LambdaType
True
>>> type((x for x in range(10)))==types.GeneratorType
True
使用isinstance()

对于class的继承关系来说，使用type()就很不方便。我们要判断class的类型，可以使用isinstance()函数。

我们回顾上次的例子，如果继承关系是：

object -> Animal -> Dog -> Husky
那么，isinstance()就可以告诉我们，一个对象是否是某种类型。先创建3种类型的对象：

>>> a = Animal()
>>> d = Dog()
>>> h = Husky()
然后，判断：

>>> isinstance(h, Husky)
True
没有问题，因为h变量指向的就是Husky对象。

再判断：

>>> isinstance(h, Dog)
True
h虽然自身是Husky类型，但由于Husky是从Dog继承下来的，所以，h也还是Dog类型。换句话说，isinstance()判断的是一个对象是否是该类型本身，或者位于该类型的父继承链上。

因此，我们可以确信，h还是Animal类型：

>>> isinstance(h, Animal)
True
同理，实际类型是Dog的d也是Animal类型：

>>> isinstance(d, Dog) and isinstance(d, Animal)
True
但是，d不是Husky类型：

>>> isinstance(d, Husky)
False
能用type()判断的基本类型也可以用isinstance()判断：

>>> isinstance('a', str)
True
>>> isinstance(123, int)
True
>>> isinstance(b'a', bytes)
True
并且还可以判断一个变量是否是某些类型中的一种，比如下面的代码就可以判断是否是list或者tuple：

>>> isinstance([1, 2, 3], (list, tuple))
True
>>> isinstance((1, 2, 3), (list, tuple))
True
 总是优先使用isinstance()判断类型，可以将指定类型及其子类“一网打尽”。
使用dir()

如果要获得一个对象的所有属性和方法，可以使用dir()函数，它返回一个包含字符串的list，比如，获得一个str对象的所有属性和方法：

>>> dir('ABC')
['__add__', '__class__',..., '__subclasshook__', 'capitalize', 'casefold',..., 'zfill']
类似__xxx__的属性和方法在Python中都是有特殊用途的，比如__len__方法返回长度。在Python中，如果你调用len()函数试图获取一个对象的长度，实际上，在len()函数内部，它自动去调用该对象的__len__()方法，所以，下面的代码是等价的：

>>> len('ABC')
3
>>> 'ABC'.__len__()
3
我们自己写的类，如果也想用len(myObj)的话，就自己写一个__len__()方法：

>>> class MyDog(object):
...     def __len__(self):
...         return 100
...
>>> dog = MyDog()
>>> len(dog)
100
剩下的都是普通属性或方法，比如lower()返回小写的字符串：

>>> 'ABC'.lower()
'abc'
仅仅把属性和方法列出来是不够的，配合getattr()、setattr()以及hasattr()，我们可以直接操作一个对象的状态：

>>> class MyObject(object):
...     def __init__(self):
...         self.x = 9
...     def power(self):
...         return self.x * self.x
...
>>> obj = MyObject()
紧接着，可以测试该对象的属性：

>>> hasattr(obj, 'x') # 有属性'x'吗？
True
>>> obj.x
9
>>> hasattr(obj, 'y') # 有属性'y'吗？
False
>>> setattr(obj, 'y', 19) # 设置一个属性'y'
>>> hasattr(obj, 'y') # 有属性'y'吗？
True
>>> getattr(obj, 'y') # 获取属性'y'
19
>>> obj.y # 获取属性'y'
19
如果试图获取不存在的属性，会抛出AttributeError的错误：

>>> getattr(obj, 'z') # 获取属性'z'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'MyObject' object has no attribute 'z'
可以传入一个default参数，如果属性不存在，就返回默认值：

>>> getattr(obj, 'z', 404) # 获取属性'z'，如果不存在，返回默认值404
404
也可以获得对象的方法：

>>> hasattr(obj, 'power') # 有属性'power'吗？
True
>>> getattr(obj, 'power') # 获取属性'power'
<bound method MyObject.power of <__main__.MyObject object at 0x10077a6a0>>
>>> fn = getattr(obj, 'power') # 获取属性'power'并赋值到变量fn
>>> fn # fn指向obj.power
<bound method MyObject.power of <__main__.MyObject object at 0x10077a6a0>>
>>> fn() # 调用fn()与调用obj.power()是一样的
81
小结

通过内置的一系列函数，我们可以对任意一个Python对象进行剖析，拿到其内部的数据。要注意的是，只有在不知道对象信息的时候，我们才会去获取对象信息。如果可以直接写：

sum = obj.x + obj.y
就不要写：

sum = getattr(obj, 'x') + getattr(obj, 'y')
一个正确的用法的例子如下：

def readImage(fp):
    if hasattr(fp, 'read'):
        return readData(fp)
    return None
假设我们希望从文件流fp中读取图像，我们首先要判断该fp对象是否存在read方法，如果存在，则该对象是一个流，如果不存在，则无法读取。hasattr()就派上了用场。

请注意，在Python这类动态语言中，根据鸭子类型，有read()方法，不代表该fp对象就是一个文件流，它也可能是网络流，也可能是内存中的一个字节流，但只要read()方法返回的是有效的图像数据，就不影响读取图像的功能。

'''

# 【实例属性& 类属性】
#可以为实例绑定任何属性和方法，这就是动态语言的灵活性。

# 【__slots__】

# 正常情况下，当我们定义了一个class，创建了一个class实例后，我们可以为该实例绑定任何属性和方法，这就是动态语言的灵活性。
class Student(object):
    pass
s = Student()
s.name = 'Michael'
print(s.name)
#还可以给 实例绑定一个方法
def set_age(self,age):
    self.age = age
from types import MethodType
s.set_age = MethodType(set_age,s)
s.set_age(25)
print(s.age)            #25
#但是，给一个实例绑定的方法，对另一个实例是不起作用的
s2 = Student()
#s2.set_age(46)          #AttributeError: 'Student' object has no attribute 'set_age'
#为了给所有实例都绑定方法，可以给class绑定方法
Student.set_age = set_age
s2 = Student()
s.set_age(23)
print (s.age)       #23
s2.set_age(55)
print (s2.age)      #55
#【小结】通常情况下，set_age可直接定义在类中，但动态绑定允许我们在程序运行过程中动态的给class加功能，这在静态语言中很难实现。

# 为了限制class实例可以添加的属性，用__slots__
class Student(object):
    __slots__ = ('name','age')
s = Student()
s.name = 'Michael'
s.age = 23
#s.score = 99            #AttributeError: 'Student' object has no attribute 'score'
#【注意】__slots__只对当前类的实例起作用，对继承的子类是不起作用的
class AStudent(Student):
    pass
a = AStudent()
a.score = 99             #此时不报错

# 【使用@property】
#在绑定属性时，如果直接把属性暴露出去，虽然容易实现，但是不安全。
s = Student()
s.age= 1000
#这显然不合逻辑，为了限制score的范围，可通过set_score()来设置成绩，再通过get_score()来获取成绩。这样在set_score()里就可以检查参数。
class Student2(object):

    def get_score(self):
        return self.__score

    def set_score(self,value):
        if not isinstance(value,int):
            raise ValueError('score must be a integer!')
        if value < 0 or value > 100:
            raise ValueError('score must be between 0 ~ 100!')
        self.__score = value
s = Student2()
s.set_score(60)
print(s.get_score())                #60
#s.set_score(1000)                   #ValueError: score must be between 0 ~ 100!

'''
但是，上面的调用方法又略显复杂，没有直接用属性这么直接简单。
有没有既能检查参数，又可以用类似属性这样简单的方式来访问类的变量呢？
还记得装饰器（decorator）可以给函数动态的加上功能吗？对于类的方法，装饰器一样起作用。python内置的@property装饰器就是负责把一个方法编程属性调用的。
'''
class  Student3(object):
    @property
    def score(self):
        return self._score

    @score.setter
    def score(self,value):
        if not isinstance(value,int):
            raise ValueError('score must be a integer!')
        if value < 0 or value > 100:
            raise ValueError('score must between 0 ~ 100!')
        self._score = value
'''
【解析】
把一个getter方法变成属性，只要加上@property。此时，@property又创建了另一个装饰器，@score.setter，负责把一个setter方法变成属性赋值。
于是我们就拥有一个可控的属性操作    
'''
s = Student3()
s.score = 66
print (s.score)               #66
#s.score = 9999                #ValueError: score must between 0 ~ 100!

#定义只读属性，方式是只定义getter 方法，不定义setter方法
class Student4(object):
    @property
    def birthday(self):
        return self._birthday

    @birthday.setter
    def brithday(self,value):
        self._birthday = value

    @property
    def age(self):
        return 2015 - self._birthday
#上面的birthday 是可读写属性，age是只读属性。

# 【多重继承】
# python允许一个类继承多个父类
# Mixln目的是给一个类增加多个功能，这样，在设计类时，我们优先考虑通过多重继承来组合多个Mixln的功能，而不是设计多层次的复杂继承关系。
'''
多重继承

阅读: 143522
继承是面向对象编程的一个重要的方式，因为通过继承，子类就可以扩展父类的功能。

回忆一下Animal类层次的设计，假设我们要实现以下4种动物：

Dog - 狗狗；
Bat - 蝙蝠；
Parrot - 鹦鹉；
Ostrich - 鸵鸟。
如果按照哺乳动物和鸟类归类，我们可以设计出这样的类的层次：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │   Mammal    │           │    Bird     │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │   Bat   │  │ Parrot  │  │ Ostrich │
└─────────┘  └─────────┘  └─────────┘  └─────────┘
但是如果按照“能跑”和“能飞”来归类，我们就应该设计出这样的类的层次：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │  Runnable   │           │   Flyable   │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │ Ostrich │  │ Parrot  │  │   Bat   │
└─────────┘  └─────────┘  └─────────┘  └─────────┘
如果要把上面的两种分类都包含进来，我们就得设计更多的层次：

哺乳类：能跑的哺乳类，能飞的哺乳类；
鸟类：能跑的鸟类，能飞的鸟类。
这么一来，类的层次就复杂了：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │   Mammal    │           │    Bird     │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│  MRun   │  │  MFly   │  │  BRun   │  │  BFly   │
└─────────┘  └─────────┘  └─────────┘  └─────────┘
     │            │            │            │
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │   Bat   │  │ Ostrich │  │ Parrot  │
└─────────┘  └─────────┘  └─────────┘  └─────────┘
如果要再增加“宠物类”和“非宠物类”，这么搞下去，类的数量会呈指数增长，很明显这样设计是不行的。

正确的做法是采用多重继承。首先，主要的类层次仍按照哺乳类和鸟类设计：

class Animal(object):
    pass

# 大类:
class Mammal(Animal):
    pass

class Bird(Animal):
    pass

# 各种动物:
class Dog(Mammal):
    pass

class Bat(Mammal):
    pass

class Parrot(Bird):
    pass

class Ostrich(Bird):
    pass
现在，我们要给动物再加上Runnable和Flyable的功能，只需要先定义好Runnable和Flyable的类：

class Runnable(object):
    def run(self):
        print('Running...')

class Flyable(object):
    def fly(self):
        print('Flying...')
对于需要Runnable功能的动物，就多继承一个Runnable，例如Dog：

class Dog(Mammal, Runnable):
    pass
对于需要Flyable功能的动物，就多继承一个Flyable，例如Bat：

class Bat(Mammal, Flyable):
    pass
通过多重继承，一个子类就可以同时获得多个父类的所有功能。

MixIn

在设计类的继承关系时，通常，主线都是单一继承下来的，例如，Ostrich继承自Bird。但是，如果需要“混入”额外的功能，通过多重继承就可以实现，比如，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计通常称之为MixIn。

为了更好地看出继承关系，我们把Runnable和Flyable改为RunnableMixIn和FlyableMixIn。类似的，你还可以定义出肉食动物CarnivorousMixIn和植食动物HerbivoresMixIn，让某个动物同时拥有好几个MixIn：

class Dog(Mammal, RunnableMixIn, CarnivorousMixIn):
    pass
MixIn的目的就是给一个类增加多个功能，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功能，而不是设计多层次的复杂的继承关系。

Python自带的很多库也使用了MixIn。举个例子，Python自带了TCPServer和UDPServer这两类网络服务，而要同时服务多个用户就必须使用多进程或多线程模型，这两种模型由ForkingMixIn和ThreadingMixIn提供。通过组合，我们就可以创造出合适的服务来。

比如，编写一个多进程模式的TCP服务，定义如下：

class MyTCPServer(TCPServer, ForkingMixIn):
    pass
编写一个多线程模式的UDP服务，定义如下：

class MyUDPServer(UDPServer, ThreadingMixIn):
    pass
如果你打算搞一个更先进的协程模型，可以编写一个CoroutineMixIn：

class MyTCPServer(TCPServer, CoroutineMixIn):
    pass
这样一来，我们不需要复杂而庞大的继承链，只要选择组合不同的类的功能，就可以快速构造出所需的子类。
'''

#【小结】
#由于python允许多重继承，因此，Mixln是一种常见的设计
#只允许单一继承的语言（Java），不能使用Mixln的设计。

# 【定制类】 看到类似__slots__这种形如__xxx__的变量或者函数名就要注意，这些在Python中是有特殊用途的

#__str__
class Student4(object):
    def __init__(self,name):
        self.name = name
print (Student4('Michael'))         #<__main__.Student4 object at 0x102274da0>
#打印出来<__main__.Student4 object at 0x102274da0>，不好看，此时只需定义__str__
class Student5(object):
    def __init__(self,name):
        self.name = name

    def __str__(self):
        return 'Student4 object (name: %s)' % self.name
print (Student5('Michael'))         #Student4 object (name: Michael)
#这样打印出来的实例，不但好看，而且容易看出实例内部重要数据。
'''
但是细心的朋友会发现直接敲变量不用print，打印出来的实例还是不好看：

>>> s = Student('Michael')
>>> s
<__main__.Student object at 0x109afb310>
这是因为直接显示变量调用的不是__str__()，而是__repr__()，两者的区别是__str__()返回用户看到的字符串，而__repr__()返回程序开发者看到的字符串，也就是说，__repr__()是为调试服务的。

解决办法是再定义一个__repr__()。但是通常__str__()和__repr__()代码都是一样的，所以，有个偷懒的写法：

class Student(object):
    def __init__(self, name):
        self.name = name
    def __str__(self):
        return 'Student object (name=%s)' % self.name
    __repr__ = __str__
'''

#__iter__ 如果一个类想被用于for....in ，类似tuple list 那样，就必须实现__iter__()，返回一个迭代对象，然后
#   python的for循环会不断调用该迭代对象的__next__()拿到循环的下一个值，直到遇到StopIteration错误时退出循环
#斐波拉契为例，
class Fib(object):
    def __init__(self):
        self.a ,self.b = 0,1
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a + self.b
        if self.a > 10:
            raise StopIteration()
        return self.a
#现在试试把Fib用于for循环
for n in Fib():
    print (n)
'''
1
1
2
3
5
8
'''

#__getitem__  Fib实例虽然能作用与for循环，看起来和list有些像，但是，把它当成list来使用还是不行，比如，取第五个元素
class Fib():
    def __init__(self):
        self.a,self.b = 0,1
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a + self.b
        if self.a > 10:
            raise StopIteration()
        return self.a
#print (Fib()[5]) #TypeError: 'Fib' object does not support indexing
#要表现的像list那样按照下标取出元素，需要实现__getitem__()
class Fib():
    def __init__(self):
        self.a,self.b = 0,1
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a + self.b
        if self.a > 10:
            raise StopIteration()
        return self.a
    def __getitem__(self, item):
        a,b = 1,1
        for x in range(item):
            a,b = b,a + b
        return a
print(Fib()[5])         #8
print(Fib()[0])         #1
print(Fib()[1])         #1

#如果想实现list的切片，要优化
class Fib(object):
    def __init__(self):
        self.a,self.b = 0,1
    def __iter__(self):
        return self
    def __next__(self):
        self.a,self.b = self.b,self.a + self.b
        if self.a > 10:
            raise StopIteration()
        return self.a
    def __getitem__(self, item):
        if isinstance(item,int):
            a,b = 1,1
            for x in range(item):
                a,b = b,a + b
            return a
        if isinstance(item,slice):
            start = item.start
            stop = item.stop
            if start is None:
                start = 0
            a,b = 1,1
            L = []
            for x in range(stop):
                if x >= start:
                    L.append(a)
                a,b = b,a+b
            return L
f = Fib()
print (f[0:5])              #[1, 1, 2, 3, 5]
print (f[:10])              #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

# __getattr__
#正常情况下，调用类的方法或属性，如果不存在，就会报错。
class Student6(object):
    def __init__(self):
        self.name = 'Michael'
a = Student6()
print (a.name)              #Michael
#print (a.score)             #AttributeError: 'Student6' object has no attribute 'score'
#要避免这种情况，除了给类加属性，另一个办法是__getattr__()，动态返回一个属性
class Student7(object):
    def __init__(self):
        self.name = 'Michael'
    def __getattr__(self, attr):
        if attr == 'score':
            return 99
a = Student7()
print (a.name)       #Michael
print (a.score)      #99
#返回函数也是可以的
class Student8(object):
    def __init__(self):
        self.name = 'Michael'
    def __getattr__(self, item):
        if item == 'age':
            return lambda :25
a = Student8()
print (a.age)           #<function Student8.__getattr__.<locals>.<lambda> at 0x102249950>
print (a.age())         #25
print (a.abc)           #None
'''
【注意】
1 只有在没有属性的情况下，才会调用__getattr__()
2 任意调用，如a.abc,都会返回None,因为我们定义的__getattr__()默认返回None.要让class只响应特定的几个属性，我们就要按照约定俗成，抛出AttributeError异常。
'''
class Student9(object):
    #.....
   def __getattr__(self, item):
       if item == 'age':
           return lambda : 25
       raise AttributeError('\'Student9\' object has no attribute \'%s\'' % item)
#这实际上可以把一个类说有属性和方法全部动态化处理了，不需要任何特殊手段。这样完全动态调用的特性的作用是，可以针对完全动态的情况做调用。
'''
举个例子，现在很多网站都搞REST API ，比如新浪微博、豆瓣等，调用API的URL类似：
http://api.server/user/frends
http://api.server/user/timeline/list
如果要写SDK，给每个URL对应的API都写一个方法，那得累死，而且，API一旦改动，SKD也要改。
利用完全动态的_getattr__(),可以写出一个链式调用
'''
class Chain(object):
    def __init__(self,path = ''):
        self._path = path

    def __getattr__(self, path):
        return Chain('%s/%s' % (self._path,path))

    def __str__(self):
        return self._path

    __repr__ = __str__

print (Chain().status.user.timeline.list)           #/status/user/timeline/list
#这样，无论API怎么变，SDK都可以根据URL实现完全动态的调用，而且，不随API的增加而改变！

#__call__
#一个对象实例可以有自己的属性个方法，当调用实例方法，用instance.method().能不能直接在实例本身上调用？在python中答案是肯定的。
class Student10(object):
    def __init__(self,name):
        self.name = name

    def __call__(self, *args, **kwargs):
        print('my name is %s' % self.name)
s = Student10('wuxe')
print (s())                 #my name is wuxe
'''
__call__()还可以定义参数，对实例进行直接嗲用就好比对一个函数进行调用一样，所以完全可以把对象看成函数，把函数看成对象，因为这二者之间本来就没啥区别。
如果把对象看成函数，那么函数本身其实也可以在运行期间动态创建出来，因为类的实例都是运行期间创建出来的。这么以来，就模糊了对象和函数界限。
那么，怎么判断一个变量是对象还是函数呢？其实，更多的时候，我们需要判断一个对象是否能被调用，能被调用的对象就是一个callable对象
'''
print (callable(Student10('wxue')))     #True
print (callable(max))                   #True
print (callable([1,2,3]))               #False
print (callable(None))                  #False
print (callable('str'))                 #False

#【枚举类】
'''
当我们需要定义常量，一个办法是大写变量用过整数来定义，例如月份：
JAN = 1
FEB = 2
MAR = 3
...
NOV = 11
DEC = 12
好处是简单，缺点是类型是int,并且仍然是变量。
更好的办法是为这样的枚举类型定义一个class类型，然后，每个常量都是class的唯一实例。python提供了Enum
'''
from enum import Enum

Month = Enum('Month',('Jan','Feb','Mar', 'Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'))
for name,member in Month.__members__.items():
    print (name,'=>',member,',',member.value)
'''
Jan => Month.Jan , 1
Feb => Month.Feb , 2
Mar => Month.Mar , 3
Apr => Month.Apr , 4
May => Month.May , 5
Jun => Month.Jun , 6
Jul => Month.Jul , 7
Aug => Month.Aug , 8
Sep => Month.Sep , 9
Oct => Month.Oct , 10
Nov => Month.Nov , 11
Dec => Month.Dec , 12
'''
#【解析】value属性是自动赋值给成员的int常量，默认从1开始。

#如果需要更精确的控制枚举类型，可以从Enum派生出自定义类。
from enum import Enum,unique

@unique  #帮助检出保证没有重复值
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

day1 = Weekday.Mon
print (day1)                #Weekday.Mon
print (Weekday.Tue)         #Weekday.Tue
print (Weekday['Tue'])      #Weekday.Tue
print (Weekday.Tue.value)   #2
print (day1 == Weekday.Mon) #True
print (day1 == Weekday.Tue) #False
print (Weekday(1))          #Weekday.Mon
#既可以用成员名称引用枚举常量，又可以直接根据value获得枚举常量。
print (day1 == Weekday(1))  #True
for name,member in Weekday.__members__.items():
    print (name ,'=>' ,member)
'''
Sun => Weekday.Sun
Mon => Weekday.Mon
Tue => Weekday.Tue
Wed => Weekday.Wed
Thu => Weekday.Thu
Fri => Weekday.Fri
Sat => Weekday.Sat
'''
#print (Weekday(7))           #ValueError: 7 is not a valid Weekday

# 练习 把Student 的gender 属性改造成枚举类型，可以避免使用字符串。
from enum import Enum,unique

@unique
class Gender(Enum):
    male = 0
    female = 1
class Student11(object):
    def __init__(self,name,gender):
        self.name = name
        self.gender = gender
wxue = Student11('wxue',Gender.female)
print (wxue.gender == Gender.female)   #True

# 【元类】
# 【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。比如要定义一个Hello 的class，就写一个hello.py模块(此处做法：同级目录下创建hello.py)
from hello import Hello

h = Hello()
h.hello()               #Hello ,world.
print (type(Hello))     #<class 'type'>
print (type(h))         #<class 'hello.Hello'>
'''
type()函数可以查看一个类型或变量的类型，Hello是一个class，它的类型就是type,而h是一个实例，它的类型就是class Hello
我们说class的定义是运行时动态创建的，而创建class的方法就是使用type()函数
type()函数既可以返回一个对象的类型，也可以创建出新的类型。比如。可以通过type()创建出Hello类，而无需通过class Hello(object)...的定义
'''
def fn(self,name = 'world'):
    print ("Hello,%s" % name)
Hello = type('Hello',(object,),dict(hello=fn))
h = Hello()
h.hello()               #Hello,world
print (type(Hello))     #<class 'type'>
print (type(h))         #<class '__main__.Hello'>
'''
【解析】要创建一个class对象，type()函数依次传入3个参数
1 class名称
2 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
3 class的方法名称和函数绑定，这里把函数fn绑定到方法名hello上
通过type()函数创建的类和直接写 class 是完全一样的，因为python解释器遇到class定义时，仅仅是扫描一下class定义的语法，然后调用type函数创建出class。
正常情况下，我们都用class Xxx....定义类，但是，type()函数也允许我们动态创建出类，也就是说，动态语言本身支持运行期动态创建类，这和静态语言有非常大的不同，
要在静态语言运行期创建类，必须构造源代码字符串再调用编译器，或者借助一些工具生成字节码实现，本质上都是动态编译，会非常复杂。
'''

# 【元类】metaclass
'''
除了使用type()动态创建类，要控制类的创建行为，还可用metaclass
metaclass 直译为元类，简单的解释就是：
当我们定义了类后，就可以根据这个类创建出实例，所以：先定义类，然后创建实例。
但是如果我们想创建出类呢？那就必须根据metaclass创建出类，所以：先定义metaclass, 然后创建类
连接起来就是：先定义metaclass,就可以创建类，最后创建实例。
所以，metaclass允许你创建和修改类。换句话说，可以把类看成是metaclass创建出来的"实例"。
'''

#例子 这个metaclass 可以给我们自定义的类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，以便清楚的表示这是一个metaclass
#metaclass 是类的模版，所以必须从type类派生
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
'''我们传入关键字参数metaclass时候，魔术就生效了，它指示python解释器在创建MyList时候，要通过ListMetaclass.__new__()来创建，在此，我们可以修改类的定义，
比如，加上新的方法啊，然后返回修改后的定义。
__new__()接收的参数依次是：
1 当前准备创建的类的对象
2 类的名字
3 类继承的父类集合
4 类的方法集合
'''
#测试一下MyList是否可以 调用add()方法
L = MyList()
L.add(1)
print (L)     #[1]
#而普通的list没有add()
L2 = list()
#L2.add(2)     #AttributeError: 'list' object has no attribute 'add'

"""
'''
动态修改有什么意义？直接在MyList上定义add()不是更简单吗？正常情况下，确实应该直接写，通过metaclass修改纯属变态。
但是，总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子
ORM全程Object Relation 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，写代码简单，
不用直接操作SQL语句。
要编写一个ORM框架，所有的类只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来。
让我们尝试编写一个ORM框架。
'''
#编写框架的第一步，就是先把调用接口写出来。比如，使用者如果使用这个ORM框架，想定义一个User类来操作对应的数据库表User，我们期待他写出这样的代码
'''class User(Model):
    #定义类的属性到列的映射
    id = IntegerField('id')
    name = StringField('name')
    email = StringField('email')
    password = StringField('password')

#创建一个实例
u = User(id = 12345, name = 'Michael',email = 'test@orm.org',password = 'my-pwd')
#保存到数据库
u.save()
'''

'''
其中，父类Model和属性类型IntegerField StringField 是由框架ORM提供的，剩下的魔术方法比如save()全部由metaclass 自动完成。虽然
metaclass的编写会比较麻烦，但ORM的使用者用起来会非常简单。
'''
#首先定义Field类，负责保存数据库表的字段名和字段类型
class Field(object):
    def __init__(self,name,column_type):
        self.name = name
        self.column_type = column_type
    def __str__(self):
        return '<%s:%s>' % (self.__class__.__name__,self.name)
#在Field的基础上，继续定义各种类型的Field,比如StringField,IntegerField
class StringField(Field):
    def __init__(self,name):
        super(StringField, self).__init__(name,'varchar(100)')
class IntegerField(Field):
    def __init__(self,name):
        super(IntegerField,self).__init__(name,'bigint')
#下一步，就是编写最复杂的ModelMetaclass
class ModelMetaclass(type):
    def __new__(cls,name,bases,attrs):
        if name == 'Model':
            return type.__new__(cls,name,bases,attrs)
        print ('Found model : %s' % name)
        mappings = dict()
        for k,v in attrs.items():
            if isinstance(v,Field):
                print ('Found mapping : %s  ==> %s' % (k,v))
                mappings[k] = v
        for k in mappings.keys():
            attrs.pop(k)
        attrs['__mappings__'] = mappings #保存属性和列的映射关系
        attrs['__table__'] = name #假设表名和类名一致
        return type.__new__(cls,name,bases,attrs)
# 基类
class Model(dict,metaclass=ModelMetaclass):
    def __init__(self,**kw):
        super(Model,self).__init__(**kw)
    def __getattr__(self, item):
        try:
            return self[item]
        except KeyError:
            raise AttributeError(r"'Model' object has no attribute '%s'" % item)
    def __setattr__(self, key, value):
        self[key] = value
    def save(self):
        fields = []
        params = []
        args = []
        for k,v in self.__mappings__.items():
            fields.append(v.name)
            params.append('?')
            args.append(getattr(self,k,None))
        sql = 'insert into %s (%s ) values (%s)' % (self.__table__,','.join(fields),','.join(params))
        print ('SQL : %s' % sql)
        print ('ARGS: %s' % str(args))

class User(Model):
            # 定义类的属性到列的映射
            id = IntegerField('id')
            name = StringField('name')
            email = StringField('email')
            password = StringField('password')

u = User(id = 12345,name = 'Michael',email = 'test@orm.org',password = 'my_pass')
u.save()
'''
Found model : User
Found mapping : id  ==> <IntegerField:id>
Found mapping : name  ==> <StringField:name>
Found mapping : email  ==> <StringField:email>
Found mapping : password  ==> <StringField:password>
SQL : insert into User (id,name,email,password ) values (?,?,?,?)
ARGS: [12345, 'Michael', 'test@orm.org', 'my_pass']
'''
'''
【解析】
当用户定义一个class User(Model)时候，Python解释器首先在当前类User的定义中查找metaclass，如果没找到，就继续
在父类Model中查找metaclass，找到了，就使用Model中定义的metaclass的ModelMetaclass来创建User类，也就是说，
metaclass可以隐式的继承到子类，但子类自己却感觉不到。
在ModelMetaclass一共作了几件事情：
1 删除掉对Model类的修改
2 在当前类（比如User）中查找定义的类的所有属性，如果找到一个Field属性，就把它保存到__mappings__的dict中，同时从
类属性中删除该Field属性，否则，容易造成运行时错误（实例的属性会遮盖类的同名属性）
3 把表名保存到__table__中，这里简化为表名默认为类名。
在Model类中，就可以定义各种操作数据库的方法，比如save() delete() find() update()等
我们实现了save(),把一个实例保存到数据库中。因为有表名，属性到字段的映射，属性值的集合，就可以构造出insert语句。

'''

【符合Python风格的对象】

"""
from array import array
print(bytes([9]))                #当source参数是一个可迭代对象，那么这个迭代对象的元素都必须符合0 <= x < 256，以便可以初始化到数组里
print(bytes(array('d',(1,2))))
'''
首先引入
from array import array
然后list到array直接传参数进构造函数就可以。（不知道是不是叫构造函数）
np.array('d',[1,2,3])
转回来的话调用tolist函数
_.tolist()
'''

tuple1 = (2,3)
g1 = (i for i in tuple1)
print(g1)
#读取生成器元素方法一：下面这两行
#x,y= g1
#print(x,y) #2 3
#读取生成器元素方法二：：下面这两行
#print(next(g1))
#print(next(g1))
'''
2
3
'''

g1 = (i for i in (2,3))
print(*g1)  #2 3

#例子9-4 比较classmethod和staticmethod
class Demo:
    @classmethod
    def klassmeth(*args):
        return args
    @staticmethod
    def statmeth(*args):    #行为和普通函数相似
        return args
print(Demo.klassmeth())         #(<class '__main__.Demo'>,)
print(Demo.klassmeth('spam'))  #(<class '__main__.Demo'>, 'spam')
print(Demo.statmeth())          #()
print(Demo.statmeth('spam'))  #('spam',)

"""
#9.2 再谈向量类
#例子9-2 定义的都是特殊方法
import array
import math
class Vector2d:
    typecode = 'd'
    '''
    def __init__(self,x,y):
        self.x = float(x)   #转换称浮点数，尽早捕获错误，以防调用Vector2d函数时传入不当参数
        self.y = float(y)
    '''
    def __iter__(self):
        return (i for i in (self.x,self.y))     #把Vector2d实例变成可迭代对象，这样才能拆包（例如，x,y = my_vector）。
    def __repr__(self):
        class_name = type(self).__name__
        return '{}({!s},{!s})'.format(class_name,*self)  #因为Vector2d实例是可迭代对象，所以**self会把x和y分量提供
    def __str__(self):
        return str(tuple(self))       #用可迭代实例可生成元祖
    def __bytes__(self):    #python有个独特的特性：类属性可用于为实例属性提供默认值。虽然此时实例并无属性typecode，但是此时它是默认取自Vector2d.typecode
                            #但是。如果为不存在的实例属性赋值，会新建实例属性。假如我们为typecode实例属性赋值，那么同名类属性不受影响。然而，自此之后，实例读取的self.typecode是实例属性，也就是
                            #把同名类属性覆盖了（但通过类访问这个属性，值还是不变的）。借助这一特性，可以为各个实例的typecode属性定制不同的值
        return (bytes([ord(self.typecode)]) + bytes(array.array(self.typecode,self)))   #为了生成自己序列，我们typecode转换称字节序列，然后迭代Vector2d实例，得到一个数组，再把数组转换称字节序列
    @classmethod
    def frombytes(cls,octets):
        typecode = chr(octets[0])
        memv = memoryview(octets[1:]).cast(typecode)
        return cls(*memv)
    def __eq__(self, other):
        return tuple(self) == tuple(other)
    def __abs__(self):
        return math.hypot(self.x,self.y)  #为了比较所有分量，构建元祖。对Vector2d实例来说，可以这样做，不过仍有问题。有了这种方式，再两个操作数都是Vector2d实例时可用，不过那Vector2d实例与其他
                                          #具有相同数值的可迭代对象相比，结果也是True（如Vector2d(3,4) == [3,4]）。这个行为可视作特性，也可视作缺陷。以后讲到运算符重载时才能进一步讨论
    def __bool__(self):
        return bool(abs(self))

    def angle(self):                      #计算角度
        return math.atan2(self.x,self.y)

    def __format__(self, format_spec=''):  #自定义格式代码：如果格式说明拂以'p'结尾，那么在极坐标中显示向量，即<r,x>，其中r是模，x是弧度
        if format_spec.endswith('p'):
            format_spec = format_spec[:-1]
            coords = (abs(self),self.angle())
            outer_fmt = '<{},{}>'
        else:
            coords = self
            outer_fmt = '({},{})'
        components = (format(c,format_spec) for c in coords)
        return outer_fmt.format(*components)

    #可散列的：属性必需是不变的，所以要将实例的两个属性设置成只读，因为现在我们还可以通过v1.x 的方式为属性赋值.  【步骤】1⃣️#修改构造方法2⃣️ #还要设置@property3⃣️实现__hash__方法（只有不可变的向量才能实现这个方法）
    #这个方法应该返回一个整数，理想情况下还要考虑对象属性的散列值（__eq__方法也要使用），因为相等的对象应该具有相同的散列值。
    #根据官方文旦，最好使用位运算符异或混合各分量的散列值

    def __init__(self,x,y):
        self.__x = float(x)
        self.__y = float(y)

    @property
    def x(self):      #这样就可以通过self.x来把它当公开属性读取
        return self.__x
    @property
    def y(self):
        return self.__y

    def __hash__(self):
        return hash(self.x)^hash(self.y)  #这里可以直接用self.x代替self.__x是因为用@property设置了读取方法，所以其他方法也是通过这样来读取公开属性

"""
v1 = Vector2d(3,4)
print(v1.x,v1.y) #3.0 4.0 .实例分量可直接通过属性访问（无需调用读值方法）
x,y = v1
print(x,y)       #3.0 4.0 .实例可拆包成变量元祖
print(v1)        #(3.0, 4.0)  .print函数会调用str函数
v1               #在控制台，这里会打印出：Vector2d(3.0,4.0)
v1_clone = eval(repr(v1))  #这里用eval函数，表明repr函数调用Vector2d实例得到的是对构造方法的准确表述 【调用eval，传入repr后的对象，相当于调用__str__()】
print(v1_clone == v1)   #True
print(abs(v1))  #5.0
print(bool(v1),bool(Vector2d(0,0)))  #True False
octets = bytes(v1)
print(octets)   #b'd\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x10@'
print(Vector2d.frombytes(b'd\x00\x00\x00\x00\x00\x00\x08@\x00\x00\x00\x00\x00\x00\x10@'))  
#验证格式化
print(format(Vector2d(1,1),'p'))      #<1.4142135623730951,0.7853981633974483>
print(format(Vector2d(1,1),'.3ep'))   #<1.414e+00,7.854e-01>
print(format(Vector2d(1,1),'0.5fp'))  #<1.41421,0.78540>

#验证散列性
v3 = Vector2d(3,4)
v4 = Vector2d(3.1,4.2)
v5 = Vector2d(3,4)
print(hash(v3),hash(v4))  #7 384307168202284039
print(hash(v3),hash(v5))  #7 7
print(v3 == v5)           #True

#9.7私有属性和"受保护的"属性
v6 = Vector2d(3,4)
print(v6.__dict__)
print(v6._Vector2d__x)
v6._Vector2d__x = 5.0
print(v6.__dict__) 
#这样看来，太危险了，同时还有人不喜欢这个语法，所以出现了受保护的属性，python解释器虽然不会对使用单个下划线的属性做特殊处理，但是很多python程序员严格遵守这个约定，不会在类外部访问单下划线这种受保护的属性（约定这是私有的）

#9.8 使用__slots__类属性节省空间：只有在需要处理大数据时才能显现出价值，正常情况下就不要这么麻烦的取创建这种不寻常的类了
#默认情况下，python在各个实例中名为__dict__的字典里存储实例属性。为了使用低层的散列表提升访问速度，字典会消耗大量内存。如果要处理数百外各属性不多的实例，这种方式可节省大量内存，方法是让解释器在元祖中存储实例属性，而不用字典
#子类不继承，只有当前类有效
class V:
    __slots__ = ('__x','__y')
#不过，也有要注意的
#1⃣️ 每个子类都要定义__slots__属性，因为解释器会忽略继承的
#2⃣️实例只能拥有__slots__中列出的属性，除非把'__dict__'加入__slots__中，不过这样做就失去了节省内存的功效
#3⃣️如果不把__weakref__加入__slots__，实例就不能作为弱引用的目标

#9.9 覆盖类属性
#例子9-13 设定从类中继承的typecode属性，自定义一个实例属性
v7 = Vector2d(1.1,2.2)
dumpd = bytes(v7)
print(dumpd)
print(len(dumpd))
v7.typecode = 'f'
dumpf = bytes(v7)
print(dumpf)
print(len(dumpf))
'''
b'd\x9a\x99\x99\x99\x99\x99\xf1?\x9a\x99\x99\x99\x99\x99\x01@'
17
b'f\xcd\xcc\x8c?\xcd\xcc\x0c@'
9
'''
#例子9-14 ShortVector2d是Vector2d的子类，只用于覆盖typecode的默认值
class ShortVector2d(Vector2d):
    typecode = 'f'
sv = ShortVector2d(1/11,1/27)
print(sv)   #(0.09090909090909091, 0.037037037037037035)
print(len(bytes(sv)))  #9
#【分析】这也说明了我在Vector2d.__repr__方法中为什么没有硬编码class_name的值，而是使用type(self).__name__，如果硬编码的话，那么Vector2d的子类要覆盖__repr__方法，只是为了修改class_name的值。从实例的类型中
#读取类名，__repr__方法就可以放心继承
"""

【流畅的Python】【重载运算符】

#
#例子13-3  一元运算符+得到一个新Counter实例，但是没有零值和负值计数器
from collections import Counter

ct = Counter('abracadabra')
#print(ct)        #Counter({'a': 5, 'r': 2, 'b': 2, 'c': 1, 'd': 1})
ct['r'] = -3
ct['d'] = 0
#print(ct)        #Counter({'a': 5, 'b': 2, 'c': 1, 'd': 0, 'r': -3})
#print(+ct)       #Counter({'a': 5, 'b': 2, 'c': 1})

import itertools
a = (1,2,3)
b = [4,5]
d = itertools.zip_longest(a,b,fillvalue=0.0)

#以下是Vector

from array import array
import reprlib
import math
import numbers
import functools
import operator
import itertools

class Vector:
    typecode = 'd'

    def __init__(self, components):
        self._components = array(self.typecode, components)

    def __iter__(self):
        return iter(self._components)

    def __repr__(self):
        components = reprlib.repr(self._components)
        components = components[components.find('['):-1]
        return 'Vector({})'.format(components)

    __str__ = __repr__

    #def __str__(self):
        #return str(tuple(self))

    def __bytes__(self):
        return (bytes([ord(self.typecode)]) +
                bytes(self._components))

    def __eq__(self, other):
        return (len(self) == len(other) and
                all(a == b for a, b in zip(self, other)))

    def __hash__(self):
        hashes = (hash(x) for x in self)
        return functools.reduce(operator.xor, hashes, 0)

    def __abs__(self):
        return math.sqrt(sum(x * x for x in self))

    def __bool__(self):
        return bool(abs(self))

    def __len__(self):
        return len(self._components)

    def __getitem__(self, index):
        cls = type(self)
        if isinstance(index, slice):
            return cls(self._components[index])
        elif isinstance(index, numbers.Integral):
            return self._components[index]
        else:
            msg = '{.__name__} indices must be integers'
            raise TypeError(msg.format(cls))

    shortcut_names = 'xyzt'

    def __getattr__(self, name):
        cls = type(self)
        if len(name) == 1:
            pos = cls.shortcut_names.find(name)
            if 0 <= pos < len(self._components):
                return self._components[pos]
        msg = '{.__name__!r} object has no attribute {!r}'
        raise AttributeError(msg.format(cls, name))

    def angle(self, n):  # <2>
        r = math.sqrt(sum(x * x for x in self[n:]))
        a = math.atan2(r, self[n-1])
        if (n == len(self) - 1) and (self[-1] < 0):
            return math.pi * 2 - a
        else:
            return a

    def angles(self):  # <3>
        return (self.angle(n) for n in range(1, len(self)))

    def __format__(self, fmt_spec=''):
        if fmt_spec.endswith('h'):  # hyperspherical coordinates
            fmt_spec = fmt_spec[:-1]
            coords = itertools.chain([abs(self)],
                                     self.angles())  # <4>
            outer_fmt = '<{}>'  # <5>
        else:
            coords = self
            outer_fmt = '({})'  # <6>
        components = (format(c, fmt_spec) for c in coords)  # <7>
        return outer_fmt.format(', '.join(components))  # <8>

    @classmethod
    def frombytes(cls, octets):
        typecode = chr(octets[0])
        memv = memoryview(octets[1:]).cast(typecode)
        return cls(memv)
    '''
    def __add__(self, other):
        pairs = itertools.zip_longest(self,other,fillvalue=0.0)
        return Vector(a+b for a,b in pairs)
     #print((3,40) + v1)     #TypeError: can only concatenate tuple (not "Vector") to tuple 【解析】如果左操作数是Vector之外的对象，则无法处理
     #...为了支持涉及不同类型的运算，python为中缀运算符特殊方法提供了特殊的分派机制。对表达式a+b来说，解释器会执行以下几步操作
     #...(1)如果a有__add__方法，而且返回值不是NotImplemented,调用a.__add__(b),然后返回结果
     #...(2)如果a没有__add__方法，或者调用__add__方法返回NotImplemented,检查b有没有__radd__方法，如果有，而且没有返回NotImplemented,调用b.__radd__(a)，然后返回结果
     #...(3)如果前两者条件都不满足，抛出TypeError，并在错误消息中指明操作数类型不支持
     #[注意]别把NotImplemented NotImplementedError搞混了。前者是特殊的单例值，如果中缀运算符特殊方法不能处理给定的操作数，那么要把它返回给解释器。后者是一种异常，抽象类中的占位方法把它抛出（raise），提醒子类必须覆盖
     '''
    def __add__(self, other):
         try:
             pairs = itertools.zip_longest(self,other,fillvalue=0.0)
             return Vector(a+b for a,b in pairs)
         except TypeError:              #如果中缀运算符方法抛出异常，就终止了运算符分派机制。对 TypeError来说，通常最好将其捕获，然后返回 NotImplemented。这样，解释器会尝试调用反向运算符方法，如果操作数是不同的类型，对调之后，反向运算符方法可能会正确计算
             return NotImplemented
    def __radd__(self, other):
        return self + other   #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行

    def __mul__(self, other):
        if isinstance(other,numbers.Real):  # 11.6节说过，decimal.Decimal没有吧自己注册为numbers.Real的虚拟子类。因此，Vector类不会处理decimal.Decimal数字。
            return Vector(n*other for n in self)
        else:
            return NotImplemented
    def __rmul__(self, other):
        return self*other

    def __eq__(self, other):
        if isinstance(other,Vector):
            return (len(self) == len(other) and all(a==b for a,b in zip(self,other)))
        else:
            return NotImplemented

'''
#栗子 13-12 比较

def __eq__(self, other):
 return (len(self) == len(other) and all(a==b for a,b in zip(self,other)))

va = Vector([1.0,2.0,3.0])
vb = Vector(range(1,4))
print(va == vb)   #True
t3 = (1,2,3)
print(va == t3)  #True
print(1 == 1.0)  #True
print(all(a==b for a,b in zip(va,t3)))   #True

v7 = Vector([1,2])
print(v7)               #Vector([1.0, 2.0])
v8 = Vector((1,2.0))
print(zip(v7,v8))       #<zip object at 0x0000000001EDFCC8>
print(list(zip(v7,v8)))       #[(1.0, 1.0), (2.0, 2.0)]
print(all(a==b for a,b in zip(v7,v8)))  #True

#但是我们发现下面，所以应该保守点，做类型检查。
print([1,2] == (1,2))  #False
#所以改成
#栗子13-14  def __eq__(self, other):
    if isinstance(other, Vector):
        return (len(self) == len(other) and all(a == b for a, b in zip(self, other)))
    else:
        return NotImplemented
#再次验证
va = Vector([1.0,2.0,3.0])
vb = Vector(range(1,4))
print(va == vb)       #True
print(va == (1,2,3))  #False
#在示例 13-14 中， Vector 实例和元组比较时，具体步骤如下。
#(1) 为了计算 va == t3， Python 调用 Vector.__eq__(va, t3)。
#(2) 经 Vector.__eq__(va, t3) 确认， t3 不是 Vector 实例，因此返回NotImplemented。
#(3) Python 得到 NotImplemented 结果，尝试调用 tuple.__eq__(t3, va)。
#(4) tuple.__eq__(t3, va) 不知道 Vector 是什么，因此返回 NotImplemented。
#(5) 对 == 来说，如果反向调用返回 NotImplemented， Python 会比较对象的 ID，作最后一搏。
'''

#栗子13-11
'''
    def __mul__(self, other):
        if isinstance(other,numbers.Real):  # 11.6节说过，decimal.Decimal没有吧自己注册为numbers.Real的虚拟子类。因此，Vector类不会处理decimal.Decimal数字。
            return Vector(n*other for n in self)
        else:
            return NotImplemented
    def __rmul__(self, other):
        return self*other
'''
v5 = Vector([1.0,2.0,3.0])
#print(14*v5)  #Vector([14.0, 28.0, 42.0])
#print(v5*True) #Vector([1.0, 2.0, 3.0])

v1 = Vector([3, 4, 5])
#print(v1 + (10, 20))  # (13.0, 24.0, 5.0)
#例子13-8 Vector.__add__方法的操作数钥要是可迭代对象
'''
    def __add__(self, other):
         pairs = itertools.zip_longest(self,other,fillvalue=0.0)
         return Vector(a+b for a,b in pairs)  
    def __radd__(self, other):
        return self + other   #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行
'''
v2 = Vector([3,4,5])
#print(v2 + 1)    #TypeError: zip_longest argument #2 must support iteration
#例子13-9 这个加法的操作数应该是可迭代的数值对象
'''
    def __add__(self, other):
         pairs = itertools.zip_longest(self,other,fillvalue=0.0)
         return Vector(a+b for a,b in pairs)  
    def __radd__(self, other):
        return self + other   #__radd__通常就这么简单：直接调用适当的运算符，在这里就委托__add__。任何可交换的运算符都能这么左。处理数字和向量时，+可以交换，但是拼接序列时不行
'''
#print(v2 + 'ABC')  #TypeError: unsupported operand type(s) for +: 'float' and 'str'
#例子13-10 针对13-8 13-9 需要再进行优化，即有错误要抛出
v3 = Vector([1,2,3])
#print((4,) + v3)

【流畅的Python】【继承】

#栗子12-1 内置类型dict 的__init__和__update__方法会忽略我们覆盖的__setitem__

class DoppelDict(dict):
    def __setitem__(self, key, value):
        super().__setitem__(key,[value]*2)
dd = DoppelDict(one=1)
print(dd)    #{'one': 1}
dd['two'] = 2
print(dd)    #{'one': 1, 'two': [2, 2]}
dd.update(three=3)
print(dd)   #{'one': 1, 'two': [2, 2], 'three': 3}

#不只实例内部的调用有这个问题（self.get() 不调用 self.__getitem__()），内置类型的方法调用的其他类的方法，如果被覆盖了，也不会被调用

#栗子12-2  dict.update方法会忽略AnswerDict.__getitem__方法
class AnswerDict(dict):
    def __getitem__(self, item):
        return 42
ad = AnswerDict(a='foo')
print(ad['a'])     #42
d = {}
d.update(ad)
print(d['a'])      #foo
print(d)           #{'a': 'foo'}

import collections

class DoppelDict2(collections.UserDict):
    def __setitem__(self, key, value):
        super().__setitem__(key,[value]*2)
dd = DoppelDict2(one=1)
print(dd)       #{'one': [1, 1]}
dd['two'] = 2
print(dd)       #{'one': [1, 1], 'two': [2, 2]}
dd.update(three=3)
print(dd)      #{'one': [1, 1], 'two': [2, 2], 'three': [3, 3]}
class AnswerDict2(collections.UserDict):
    def __getitem__(self, item):
        return 42
ad = AnswerDict2(a='foo')
print(ad['a'])   #42
d = {}
d.update(ad)
print(d['a'])   #42
print(d)        #{'a': 42}

#【小结】
'''
综上，本节所述的问题只发生在 C 语言实现的内置类型内部的方法委托上，而且只影响
直接继承内置类型的用户自定义类。如果子类化使用 Python 编写的类(collections 模块)，如 UserDict 或
MutableMapping，就不会受此影响
'''

#12.2 多重继承和方法解析顺序
#规则：按照__mro__（方法解析）顺序，若直接用类名调用方法则直接找到该类，建议使用super()[因为最安全，也不容易过时。]
print(bool.__mro__)     #(<class 'bool'>, <class 'int'>, <class 'object'>)

【__new__ 和 __init__】

"""
知识点：

继承自object的新式类才有__new__

__new__至少要有一个参数cls，代表要实例化的类，此参数在实例化时由Python解释器自动提供

__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以return父类__new__出来的实例，或者直接是object的__new__出来的实例

__init__有一个参数self，就是这个__new__返回的实例，__init__在__new__的基础上可以完成一些其它初始化的动作，__init__不需要返回值

若__new__没有正确返回当前类cls的实例，那__init__是不会被调用的，即使是父类的实例也不行
"""

"""
class A(object):
    def __init__(self):
        print('init')

    def __new__(cls, *args, **kwargs):
        print('new %s' % cls)
        return object.__new__(A,*args,**kwargs)

print(A())
#结果
'''
new <class '__main__.A'>
init
<__main__.A object at 0x0000000002779128>
'''

class A(object):
    def __init__(self):
        print('init')

    def __new__(cls, *args, **kwargs):
        print('new %s' % cls)
        return object.__new__(A,*args,**kwargs)
print(A())
#结果
'''
new <class '__main__.A'>
init
<__main__.A object at 0x0000000002779128>
'''

class A(object):
    pass

class B(A):
    def __init__(self):
        print('init')

    def __new__(cls, *args, **kwargs):
        print('new %s '% cls)
        return A.__new__(cls,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'> 
init
<__main__.B object at 0x00000000027A9128>
'''

class A(object):
    pass

class B(A):
    def __init__(self):
        print('init')

    def __new__(cls, *args, **kwargs):
        print('new %s' % cls)
        return A.__new__(B,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'>
init
<__main__.B object at 0x00000000027A9128>
'''

class A(object):
    pass

class B(A):
    def __init__(self):
        print('init')
    def __new__(cls, *args, **kwargs):
        print('new %s' % cls)
        return object.__new__(A,*args,**kwargs)
print(B())
#结果
'''
new <class '__main__.B'>
<__main__.A object at 0x0000000001E69128>
'''
"""