示例工程教程【免费下载链接】python-masteryAdvanced Python Mastery (course by dabeaz)项目地址https://gitcode.com/gh_mirrors/py/python-mastery点击查看免费下载本篇文章围绕 Advanced Python Mastery 课程仓库 README的 Exercise 7.3 展开主题是用类装饰器把类的元信息自动填进去。你将看到如何把此前零散实现的验证器描述符Validator Descriptors、create_init()动态生成、validated参数校验等能力统一收进一个validate_attributes类装饰器再借助__init_subclass__让子类只靠继承就自动获得类型检查、字段收集、类型转换与行数据解析。学完本篇你能独立实现一个几乎像普通类、却自带校验与 CSV 实例化能力的数据结构基类并理解类装饰器与元编程在该场景下的真实分工。本文依据 Exercises/ex7_3.md 编写完整可运行参考代码见 Solutions/7_3/structure.py、validate.py、stock.py、teststock.py、reader.py。课程主文档、索引与配套数据分别在 Exercises/index.md 与 Data/portfolio.csv。一、背景把前几天的知识点拧成一股绳Exercise 7.3 官方目标是两条学习类装饰器class decorator与重访描述符descriptors。它建立在几条已完成的练习线路上Exercises/ex4_3.md把Validator变成描述符并用__set_name__自动补全属性名使Stock能写成name String()的形式Exercises/ex6_4.md用exec()从_fields动态生成__init__()即Structure.create_init()Exercises/ex7_1.md、Exercises/ex7_2.md编写validated装饰器通过函数注解在调用期强制参数类型检查并用wraps保留元数据。本练习要做的是让这些机制自动运转不再手写_fields、不再手动调用Stock.create_init()、不再手动给方法加validated甚至不再写类装饰器——一切交给继承。二、(a) 阶段先让描述符 Structure 基类协同工作练习的第一步不是新写代码而是验证已有部件能否组合。将Stock扩展为同时使用Structure基类与验证器描述符# stock.py from structure import Structure from validate import String, PositiveInteger, PositiveFloat class Stock(Structure): _fields (name, shares, price) name String() shares PositiveInteger() price PositiveFloat() property def cost(self): return self.shares * self.price def sell(self, nshares): self.shares - nshares Stock.create_init()对照参考实现 Solutions/7_3/validate.py 可以看到String、PositiveInteger、PositiveFloat都是Validator的子类String继承Typedexpected_type strPositiveInteger是Integerexpected_type int与Positivecheck拒绝负值的多重继承PositiveFloat同理。Validator.__set__会把self.check(value)的结果写入实例字典instance.__dict__[self.name]因此赋值时类型与取值范围检查自动生效。随后运行仓库中的单元测试 Solutions/7_3/teststock.pypython -m unittest teststock -v即可验证test_create、test_create_keyword、test_cost、test_sell、test_repr、test_from_row、test_eq等正向用例以及test_shares_badtype、test_shares_badvalue、test_price_badtype、test_price_badvalue、test_bad_attribute等失败用例都会通过——类型检查让大量用例自动点亮。这一阶段的核心结论描述符把类型校验下沉到了赋值语义层而Structure的__setattr__Solutions/7_3/structure.py又保证了只有_fields声明的字段可以被写入二者叠加后Stock既安全又简洁。三、(b) 阶段用validate_attributes类装饰器自动填_fields上一阶段仍有手气成分必须手写_fields还必须手动调用Stock.create_init()。练习要求把这两步装进一个类装饰器# structure.py from validate import Validator def validate_attributes(cls): validators [] for name, val in vars(cls).items(): if isinstance(val, Validator): validators.append(val) cls._fields [val.name for val in validators] return cls实现要点vars(cls)遍历类字典此时name、shares、price属性已经被__set_name__写入了正确的描述符名见 Solutions/7_3/validate.py 中Validator.__set_name__依赖类字典的有序性Python 3.6 起类字典保持定义顺序因此validators列表中的顺序即源码中描述符的书写顺序_fields由此精确复原装饰器返回cls完成对类的就地加工。于是Stock可以丢掉手写_fieldsvalidate_attributes class Stock(Structure): name String() shares PositiveInteger() price PositiveFloat() ...练习还要求进一步扩展装饰器让它顺带调用cls.create_init()把类的最终形态压缩成validate_attributes class Stock(Structure): name String() shares PositiveInteger() price PositiveFloat() property def cost(self): return self.shares * self.price def sell(self, nshares): self.shares - nshares参考实现的完整逻辑在 Solutions/7_3/structure.py 的validate_attributes它先收集Validator实例生成_fields再基于expected_type生成_types见第五部分最后在_fields非空时调用cls.create_init()生成__init__。顺带一提create_init()的实现正是 Exercises/ex6_4.md 介绍的exec()技巧把_fields拼成def __init__(self, name,shares,price): ...的源码字符串执行后塞回cls.__init__参考 Solutions/7_3/structure.py 的Structure.create_init。四、(c) 阶段用__init_subclass__把装饰器藏进继承手写validate_attributes依然繁琐。练习要求给Structure加上__init_subclass__钩子class Structure: ... classmethod def __init_subclass__(cls): validate_attributes(cls)__init_subclass__是 Python 3.6 引入的钩子每当Structure被继承时解释器都会自动调用它并把新子类作为参数传入。于是class Stock(Structure): name String() shares PositiveInteger() price PositiveFloat() ...——没有装饰器没有_fields没有create_init()调用。Stock定义完毕的一瞬间validate_attributes(cls)已经完成字段收集、类型表构建与__init__生成。正如练习原文所说Its inheritance plus some hidden magic!继承加上一点隐藏魔法。注意 Solutions/7_3/structure.py 中Structure还自带_fields ()、_types ()两个默认类变量作为兜底。这正是类装饰器与__init_subclass__的典型分工前者是显式加工后者是隐式自动加工。对用户而言子类写起来和普通类几乎没有差别——这是把元编程封装进框架的经典模式。五、(d) 阶段from_row()与_types——让 CSV 行数据自动转换类型为了让Structure接入前面练习的 CSV 读取代码需要补上from_row()类方法并让装饰器用验证器的expected_type填充_typesclass Structure: _types () ... classmethod def from_row(cls, row): rowdata [ func(val) for func, val in zip(cls._types, row) ] return cls(*rowdata)装饰器侧对应地收集类型转换函数# 参考 Solutions/7_3/structure.py 中 validate_attributes 的核心片段 cls._fields tuple([v.name for v in validators]) cls._types tuple([ getattr(v, expected_type, lambda x: x) for v in validators ])要点Typed系列验证器带有类属性expected_typestr/int/float见 Solutions/7_3/validate.pygetattr(v, expected_type, lambda x: x)的兜底默认值是一个恒等函数保证没有expected_type的验证器如纯Positive校验器也能得到合法的转换函数from_row用zip(cls._types, row)逐列转换再以cls(*rowdata)构造实例——转换发生在__init__之前而__init__赋值时又会触发描述符__set__做二次校验形成转换 校验的双保险。此时即可与 Solutions/7_3/reader.py 的通用 CSV 读取器协作 s Stock.from_row([GOOG, 100, 490.1]) s Stock(GOOG, 100, 490.1) import reader port reader.read_csv_as_instances(Data/portfolio.csv, Stock)reader.read_csv_as_instances内部通过csv_as_instances调用cls.from_row(row)逐行构造实例Solutions/7_3/reader.py而 Data/portfolio.csv 中AA, 100, 32.20这类原始字符串数据正是在这一环节被int/float转换的。from_row返回的Stock(GOOG, 100, 490.1)与teststock.py中test_from_row的断言完全一致。六、(e) 阶段方法注解自动包装validated——参数检查进方法最后一步让validate_attributes在遍历类字典时把任何带注解的可调用对象自动用validated包装。参考实现的核心逻辑Solutions/7_3/structure.pyfor name, val in vars(cls).items(): if isinstance(val, Validator): validators.append(val) elif callable(val) and val.__annotations__: setattr(cls, name, validated(val))注意判断顺序Validator描述符本身是对象实例不是普通函数先被第一支捕获property对象如cost不可调用自然被callable(val)过滤掉只有真正的函数/方法如sell且带注解时才用validated包装并写回类字典。于是sell()可以直接在注解中声明校验器类型class Stock(Structure): name String() shares PositiveInteger() price PositiveFloat() property def cost(self): return self.shares * self.price def sell(self, nshares: PositiveInteger): self.shares - nsharesvalidated的实现细节Solutions/7_3/validate.py用inspect.signature(func)绑定调用参数只对注解为Validator子类的参数做检查isvalidator(val)判断检查失败时聚合所有错误信息抛出TypeError(Bad Arguments\n ...)用wraps(func)保留函数元数据对应 Exercises/ex7_2.md 的要求支持return注解从annotations中pop(return, None)做返回值检查。运行效果 s Stock(GOOG, 100, 490.1) s.sell(25) # 正常 s.sell(-25) # 触发校验 Traceback (most recent call last): ... TypeError: Bad Arguments nshares: must be 0PositiveInteger.check的Positive分支会抛出ValueError(must be 0)被validated包装后统一转换成TypeError: Bad Arguments并附上参数名与原因——这个报错格式正是 Exercises/ex7_1.md 要求修整异常信息的延续。七、最终形态与设计小结经过 (a)–(e) 五步Stock的最终定义只有三行字段、一个属性、一个方法见 Solutions/7_3/stock.py却拥有完整能力能力实现机制证据位置类型与取值范围校验Validator 描述符的__set__/checkSolutions/7_3/validate.py字段白名单防拼写错误Structure.__setattr__Solutions/7_3/structure.py_fields自动收集validate_attributes遍历有序类字典Solutions/7_3/structure.py__init__自动生成create_init()exec()Solutions/7_3/structure.py类型转换from_row/CSV_types从expected_type填充Solutions/7_3/reader.py方法参数强制检查__init_subclass__validated自动包装Solutions/7_3/validate.py这套方案的层次感值得反复品味描述符管赋值语义任何self.shares ...都过check类装饰器管类元信息validate_attributes在类创建后收集、推导、补全_fields/_types/__init__并顺手包装带注解的方法__init_subclass__管自动触发把显式装饰器变成隐式继承钩子用户侧代码归零from_row管外部数据接入与 Solutions/7_3/reader.py 的read_csv_as_instances对接打通 CSV → 强类型实例的链路。从实现细节可以推断validate_attributes的顺序敏感设计先isinstance(val, Validator)后callable(val)是保证描述符与普通方法互不干扰的关键而vars(cls)只遍历类自身字典、不含父类继承属性则让装饰器每次只处理当前子类新声明的成员——这正是__init_subclass__钩子能在继承链上逐层正确工作的前提。最终正如练习结尾所言类装饰器与继承的组合是一股强大的力量。Stock写起来像普通类用起来却自带校验、转换与实例化能力——这正是现代 Python 数据框架如 dataclasses、attrs 类库的设计思想在底层元编程层面的同款思路。完整的练习说明与官方解答分别见 Exercises/ex7_3.md 与 Exercises/soln7_3.md本章的进阶延续把tableformat、reader等模块与Stock组合成完整应用可继续阅读 Exercises/ex7_4.md 及 Solutions/7_6/ 的完整工程。赞分享示例工程教程【免费下载链接】python-masteryAdvanced Python Mastery (course by dabeaz)项目地址https://gitcode.com/gh_mirrors/py/python-mastery点击查看免费下载相关推荐Python Mastery 实战用类装饰器与 __init_subclass__ 自动构建带类型校验的 Structure 基类Python Mastery 实战用类装饰器与 __init_subclass__ 自动构建带类型校验的 Structure 基类 本指南基于本仓库 Exer示例工程教程python-mastery 实战从验证器到描述符——用 Python 描述符协议重构 Stock 类python mastery 实战从验证器到描述符——用 Python 描述符协议重构 Stock 类 本文以 python mastery 课程练习 Exe示例工程教程10个实战案例掌握Python装饰器与描述符从入门到精通的终极指南10个实战案例掌握Python装饰器与描述符从入门到精通的终极指南 Python装饰器与描述符是提升代码质量的关键技术但对新手而言常常充满挑战。本文将通过G示例工程教程上一篇3条命令跑起来Vue3复刻抖音核心交互的 douyin-vue下一篇Table Transformer实战指南3步实现文档表格智能提取的革命性方案创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考