我已经实现了用于延迟评估转储到 JSON 的配置的类。没问题,只需扩展编码器以使用特定协议(protocol)(固定方法/属性)主动评估类。
class DeferredCall(object):
"""Call that is evaluated lazyly"""
def __init__(self, func, *func_args, **func_kwargs):
self.func = func
self.func_args = func_args
self.func_kwargs = func_kwargs
def resolve(self): # called by JSON encoder
return self.func(*self.func_args, **self.func_kwargs)
a = DeferredCall(lambda: 1)
a # gives <[module].DeferredCall at 0x1e99410>
a.resolve() # gives 1
现在,随着强大的力量而来的是想要更多力量的用户。也就是说,直接对类进行操作而不是对它们所代表的值进行操作。根据python data model ,这应该像实现魔术方法一样简单,例如 __add__
、__len__
等
添加
def __add__(self, other):
return self.resolve() + other
或
def __add__(self, other):
return self.resolve().__add__(other)
会正确地给我 a + 3 == 4
。
不过,实现所有 魔术方法有点太多了。所以我尝试使用 __getattr__
def __getattr__(self, item):
return getattr(self.resolve(), item)
它适用于 a.__mul__(3) == 3
但对于 a * 3 == 3
和 TypeError: unsupported operand type(s ) 对于 *: 'DeferredCall' 和 'int'
。
那么有什么其他方法可以将运算符转发给包装值吗?理想情况下,无需冒险以编程方式编写代码或 __getattribute__
的麻烦。
最佳答案
发布我的解决方案以防其他人需要它。大多数“内置”操作(例如 *
或 len
)在设计上不会使用 __getattr[ibute]__
。
我已经决定以编程方式创建方法
class DeferredCall(object):
def __init__(self, func, *func_args, **func_kwargs):
self.func = func
self.func_args = func_args
self.func_kwargs = func_kwargs
def resolve(self):
return self.func(*self.func_args, **self.func_kwargs)
# magic must be resolved explicitly
# self other - resolve in reflected order to allow other to resolve as well
for so_magic in [("lt", "gt"), ("le", "ge"), ("eq", "eq"), ("ne", "ne"), ("add", "radd"), ("sub", "rsub"), ("mul", "rmul"), ("div", "rdiv"), ("truediv", "rtruediv"), ("floordiv", "rfloordiv"), ("mod", "rmod"), ("divmod", "rdivmod"), ("pow", "rpow"), ("lshift", "rlshift"), ("rshift", "rrshift"), ("and", "rand"), ("xor", "rxor"), ("or", "ror")]:
for func_name, refl_name in [(so_magic[0], so_magic[1]), (so_magic[1], so_magic[0])]:
exec("def __%(fname)s__(self, other):\n\ttry:\n\t\tres = other.__%(rname)s__(self.resolve())\n\t\tif res == NotImplemented:\n\t\t\traise AttributeError\n\texcept AttributeError:\n\t\tres = self.resolve().__%(fname)s__(other)\n\treturn res" % {"fname": func_name, "rname": refl_name})
# regular magic - immutable only
for magic in ("str", "nonzero", "unicode", "getattr", "call", "len", "getitem", "missing", "iter", "reversed", "contains", "getslice", "neg", "pos", "abs", "invert", "complex", "int", "long", "float", "oct", "hex", "index"):
exec("def __%(fname)s__(self, *args, **kwargs):\n\treturn self.resolve().__%(fname)s__(*args, **kwargs)" % {"fname": magic})
基本上,魔术方法必须分为两类:自包含的和上下文的。
自包含的是直接创建的,解析调用并执行魔术方法。例如,len
解析为:
def __len__(self, *args, **kwargs):
return self.resolve().__len__(*args, **kwargs)
上下文的必须反转调用,例如“大于”other
实际上检查 other
是否“小于”self
。如果两个对象都是延迟调用,则这是必需的,允许 other
也解析自己;否则,许多方法都会引发 TypeError
。仅当 other
没有反转版本时才使用直接求值。
def __gt__(self, other):
try:
res = other.__lt__(self.resolve())
if res == NotImplemented:
raise AttributeError
except AttributeError:
res = self.resolve().__gt__(other)
return res
一些调用可能可以更有效地实现,因为 python 使用了一些技巧(这正是我的问题首先出现的地方)。例如,乘法可以利用交换性:
def __mul__(self, other):
"""self * other"""
return other * self.resolve()
关于python - 惰性评估 : forward operations to deferred value,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33393474/