Python的魔術方法淺析

__init__我們很熟悉了,它在對象初始化的時候調用,我們一般將它理解為"構造函數".

實際上, 當我們調用x = SomeClass()的時候調用,__init__並不是第一個執行的, __new__才是。所以准確來說,是__new__和__init__共同構成了"構造函數".

__new__是用來創建類並返回這個類的實例, 而__init__只是將傳入的參數來初始化該實例.

__new__在創建一個實例的過程中必定會被調用,但__init__就不一定，比如通過pickle.load的方式反序列化一個實例時就不會調用__init__。

__new__方法總是需要返回該類的一個實例，而__init__不能返回除了None的任何值。比如下面例子:

class Foo(object): def __init__(self): print 'foo __init__' return None # 必須返回None,否則拋TypeError def __del__(self): print 'foo __del__'

實際中,你很少會用到__new__，除非你希望能夠控制類的創建。
如果要講解__new__，往往需要牽扯到metaclass(元類)的介紹。

對於__new__的重載，Python文檔中也有了詳細的介紹。

在對象的生命周期結束時, __del__會被調用,可以將__del__理解為"析構函數".
__del__定義的是當一個對象進行垃圾回收時候的行為。

有一點容易被人誤解, 實際上，x.__del__() 並不是對於del x的實現,但是往往執行del x時會調用x.__del__().

怎么來理解這句話呢? 繼續用上面的Foo類的代碼為例:

foo = Foo()
foo.__del__()
print foo del foo print foo # NameError, foo is not defined

如果調用了foo.__del__()，對象本身仍然存在. 但是調用了del foo, 就再也沒有foo這個對象了.

請注意，如果解釋器退出的時候對象還存在，就不能保證 __del__ 被確切的執行了。所以__del__並不能替代良好的編程習慣。
比如，在處理socket時，及時關閉結束的連接。

屬性訪問控制

總有人要吐槽Python缺少對於類的封裝,比如希望Python能夠定義私有屬性，然后提供公共可訪問的getter和 setter。Python其實可以通過魔術方法來實現封裝。

__getattr__(self, name)

該方法定義了你試圖訪問一個不存在的屬性時的行為。因此，重載該方法可以實現捕獲錯誤拼寫然后進行重定向, 或者對一些廢棄的屬性進行警告。

__setattr__(self, name, value)

__setattr__ 是實現封裝的解決方案，它定義了你對屬性進行賦值和修改操作時的行為。
不管對象的某個屬性是否存在,它都允許你為該屬性進行賦值,因此你可以為屬性的值進行自定義操作。有一點需要注意，實現__setattr__時要避免"無限遞歸"的錯誤，下面的代碼示例中會提到。

__delattr__(self, name)

__delattr__與__setattr__很像，只是它定義的是你刪除屬性時的行為。實現__delattr__是同時要避免"無限遞歸"的錯誤。

__getattribute__(self, name)

__getattribute__定義了你的屬性被訪問時的行為，相比較，__getattr__只有該屬性不存在時才會起作用。
因此，在支持__getattribute__的Python版本,調用__getattr__前必定會調用 __getattribute__。__getattribute__同樣要避免"無限遞歸"的錯誤。
需要提醒的是，最好不要嘗試去實現__getattribute__,因為很少見到這種做法，而且很容易出bug。

例子說明__setattr__的無限遞歸錯誤:

def __setattr__(self, name, value): self.name = value # 每一次屬性賦值時, __setattr__都會被調用，因此不斷調用自身導致無限遞歸了。

因此正確的寫法應該是:

def __setattr__(self, name, value): self.__dict__[name] = value

__delattr__如果在其實現中出現del self.name 這樣的代碼也會出現"無限遞歸"錯誤，這是一樣的原因。

下面的例子很好的說明了上面介紹的4個魔術方法的調用情況:

class Access(object): def __getattr__(self, name): print '__getattr__' return super(Access, self).__getattr__(name) def __setattr__(self, name, value): print '__setattr__' return super(Access, self).__setattr__(name, value) def __delattr__(self, name): print '__delattr__' return super(Access, self).__delattr__(name) def __getattribute__(self, name): print '__getattribute__' return super(Access, self).__getattribute__(name) access = Access() access.attr1 = True # __setattr__調用 access.attr1 # 屬性存在,只有__getattribute__調用 try: access.attr2 # 屬性不存在, 先調用__getattribute__, 后調用__getattr__ except AttributeError: pass del access.attr1 # __delattr__調用

描述器對象

我們從一個例子來入手,介紹什么是描述符,並介紹__get__, __set__, __delete__ 的使用。(放在這里介紹是為了跟上一小節介紹的魔術方法作對比)

我們知道，距離既可以用單位"米"表示,也可以用單位"英尺"表示。
現在我們定義一個類來表示距離,它有兩個屬性: 米和英尺。

class Meter(object): '''Descriptor for a meter.''' def __init__(self, value=0.0): self.value = float(value) def __get__(self, instance, owner): return self.value def __set__(self, instance, value): self.value = float(value) class Foot(object): '''Descriptor for a foot.''' def __get__(self, instance, owner): return instance.meter * 3.2808 def __set__(self, instance, value): instance.meter = float(value) / 3.2808 class Distance(object): meter = Meter() foot = Foot() d = Distance() print d.meter, d.foot # 0.0, 0.0 d.meter = 1 print d.meter, d.foot # 1.0 3.2808 d.meter = 2 print d.meter, d.foot # 2.0 6.5616

在上面例子中,在還沒有對Distance的實例賦值前, 我們認為meter和foot應該是各自類的實例對象, 但是輸出卻是數值。這是因為__get__發揮了作用.

我們只是修改了meter,並且將其賦值成為int，但foot也修改了。這是__set__發揮了作用.

描述器對象(Meter、Foot)不能獨立存在, 它需要被另一個所有者類(Distance)所持有。
描述器對象可以訪問到其擁有者實例的屬性，比如例子中Foot的instance.meter。

在面向對象編程時，如果一個類的屬性有相互依賴的關系時，使用描述器來編寫代碼可以很巧妙的組織邏輯。
在Django的ORM中, models.Model中的IntegerField等, 就是通過描述器來實現功能的。

一個類要成為描述器，必須實現__get__, __set__, __delete__ 中的至少一個方法。下面簡單介紹下:

__get__(self, instance, owner)

參數instance是擁有者類的實例。參數owner是擁有者類本身。__get__在其擁有者對其讀值的時候調用。

__set__(self, instance, value)

__set__在其擁有者對其進行修改值的時候調用。

__delete__(self, instance)

__delete__在其擁有者對其進行刪除的時候調用。

構造自定義容器(Container)

在Python中，常見的容器類型有: dict, tuple, list, string。
其中tuple, string是不可變容器，dict, list是可變容器。
可變容器和不可變容器的區別在於，不可變容器一旦賦值后，不可對其中的某個元素進行修改。
比如定義了l = [1, 2, 3]和t = (1, 2, 3)后, 執行l[0] = 0是可以的，但執行t[0] = 0則會報錯。

如果我們要自定義一些數據結構，使之能夠跟以上的容器類型表現一樣，那就需要去實現某些協議。

這里的協議跟其他語言中所謂的"接口"概念很像，一樣的需要你去實現才行，只不過沒那么正式而已。

如果要自定義不可變容器類型，只需要定義__len__ 和 __getitem__方法;
如果要自定義可變容器類型，還需要在不可變容器類型的基礎上增加定義__setitem__ 和 __delitem__。
如果你希望你的自定義數據結構還支持"可迭代", 那就還需要定義__iter__。

__len__(self)

需要返回數值類型，以表示容器的長度。該方法在可變容器和不可變容器中必須實現。

__getitem__(self, key)

當你執行self[key]的時候，調用的就是該方法。該方法在可變容器和不可變容器中也都必須實現。
調用的時候,如果key的類型錯誤，該方法應該拋出TypeError；
如果沒法返回key對應的數值時,該方法應該拋出ValueError。

__setitem__(self, key, value)

當你執行self[key] = value時，調用的是該方法。

__delitem__(self, key)

當你執行del self[key]的時候，調用的是該方法。

__iter__(self)

該方法需要返回一個迭代器(iterator)。當你執行for x in container: 或者使用iter(container)時，該方法被調用。

__reversed__(self)

如果想要該數據結構被內建函數reversed()支持,就還需要實現該方法。

__contains__(self, item)

如果定義了該方法，那么在執行item in container 或者 item not in container時該方法就會被調用。
如果沒有定義，那么Python會迭代容器中的元素來一個一個比較，從而決定返回True或者False。

__missing__(self, key)

dict字典類型會有該方法，它定義了key如果在容器中找不到時觸發的行為。
比如d = {'a': 1}, 當你執行d[notexist]時，d.__missing__('notexist')就會被調用。

下面舉例，使用上面講的魔術方法來實現Haskell語言中的一個數據結構。

# -*- coding: utf-8 -*- class FunctionalList: ''' 實現了內置類型list的功能,並豐富了一些其他方法: head, tail, init, last, drop, take''' def __init__(self, values=None): if values is None: self.values = [] else: self.values = values def __len__(self): return len(self.values) def __getitem__(self, key): return self.values[key] def __setitem__(self, key, value): self.values[key] = value def __delitem__(self, key): del self.values[key] def __iter__(self): return iter(self.values) def __reversed__(self): return FunctionalList(reversed(self.values)) def append(self, value): self.values.append(value) def head(self): # 獲取第一個元素 return self.values[0] def tail(self): # 獲取第一個元素之后的所有元素 return self.values[1:] def init(self): # 獲取最后一個元素之前的所有元素 return self.values[:-1] def last(self): # 獲取最后一個元素 return self.values[-1] def drop(self, n): # 獲取所有元素，除了前N個 return self.values[n:] def take(self, n): # 獲取前N個元素 return self.values[:n]

我們再舉個例子，實現Perl語言的AutoVivification,它會在你每次引用一個值未定義的屬性時為你自動創建數組或者字典。

class AutoVivification(dict): """Implementation of perl's autovivification feature.""" def __missing__(self, key): value = self[key] = type(self)() return value weather = AutoVivification() weather['china']['guangdong']['shenzhen'] = 'sunny' weather['china']['hubei']['wuhan'] = 'windy' weather['USA']['California']['Los Angeles'] = 'sunny' print weather # 結果輸出:{'china': {'hubei': {'wuhan': 'windy'}, 'guangdong': {'shenzhen': 'sunny'}}, 'USA': {'California': {'Los Angeles': 'sunny'}}}

在Python中，關於自定義容器的實現還有更多實用的例子，但只有很少一部分能夠集成在Python標准庫中，比如Counter, OrderedDict等

上下文管理

with聲明是從Python2.5開始引進的關鍵詞。你應該遇過這樣子的代碼:

with open('foo.txt') as bar: # do something with bar

在with聲明的代碼段中，我們可以做一些對象的開始操作和清除操作,還能對異常進行處理。
這需要實現兩個魔術方法: __enter__ 和 __exit__。

__enter__(self)

__enter__會返回一個值，並賦值給as關鍵詞之后的變量。在這里，你可以定義代碼段開始的一些操作。

__exit__(self, exception_type, exception_value, traceback)

__exit__定義了代碼段結束后的一些操作，可以這里執行一些清除操作，或者做一些代碼段結束后需要立即執行的命令，比如文件的關閉，socket斷開等。如果代碼段成功結束，那么exception_type, exception_value, traceback 三個參數傳進來時都將為None。如果代碼段拋出異常，那么傳進來的三個參數將分別為: 異常的類型，異常的值，異常的追蹤棧。
如果__exit__返回True, 那么with聲明下的代碼段的一切異常將會被屏蔽。
如果__exit__返回None, 那么如果有異常，異常將正常拋出，這時候with的作用將不會顯現出來。

舉例說明：

這該示例中，IndexError始終會被隱藏，而TypeError始終會拋出。

class DemoManager(object): def __enter__(self): pass def __exit__(self, ex_type, ex_value, ex_tb): if ex_type is IndexError: print ex_value.__class__ return True if ex_type is TypeError: print ex_value.__class__ return # return None with DemoManager() as nothing: data = [1, 2, 3] data[4] # raise IndexError, 該異常被__exit__處理了 with DemoManager() as nothing: data = [1, 2, 3] data['a'] # raise TypeError, 該異常沒有被__exit__處理 ''' 輸出: <type 'exceptions.IndexError'> <type 'exceptions.TypeError'> Traceback (most recent call last): ... '''

對象的序列化

Python對象的序列化操作是pickling進行的。pickling非常的重要，以至於Python對此有單獨的模塊pickle，還有一些相關的魔術方法。使用pickling, 你可以將數據存儲在文件中，之后又從文件中進行恢復。

下面舉例來描述pickle的操作。從該例子中也可以看出,如果通過pickle.load 初始化一個對象, 並不會調用__init__方法。

# -*- coding: utf-8 -*- from datetime import datetime import pickle class Distance(object): def __init__(self, meter): print 'distance __init__' self.meter = meter data = { 'foo': [1, 2, 3], 'bar': ('Hello', 'world!'), 'baz': True, 'dt': datetime(2016, 10, 01), 'distance': Distance(1.78), } print 'before dump:', data with open('data.pkl', 'wb') as jar: pickle.dump(data, jar) # 將數據存儲在文件中 del data print 'data is deleted!' with open('data.pkl', 'rb') as jar: data = pickle.load(jar) # 從文件中恢復數據 print 'after load:', data

值得一提，從其他文件進行pickle.load操作時，需要注意有惡意代碼的可能性。另外，Python的各個版本之間,pickle文件可能是互不兼容的。

pickling並不是Python的內建類型，它支持所有實現pickle協議(可理解為接口)的類。pickle協議有以下幾個可選方法來自定義Python對象的行為。

__getinitargs__(self)

如果你希望unpickle時，__init__方法能夠調用，那么就需要定義__getinitargs__, 該方法需要返回一系列參數的元組，這些參數就是傳給__init__的參數。

該方法只對old-style class有效。所謂old-style class,指的是不繼承自任何對象的類，往往定義時這樣表示: class A:, 而非class A(object):

__getnewargs__(self)

跟__getinitargs__很類似，只不過返回的參數元組將傳值給__new__

__getstate__(self)

在調用pickle.dump時，默認是對象的__dict__屬性被存儲，如果你要修改這種行為，可以在__getstate__方法中返回一個state。state將在調用pickle.load時傳值給__setstate__

__setstate__(self, state)

一般來說,定義了__getstate__,就需要相應地定義__setstate__來對__getstate__返回的state進行處理。

__reduce__(self)

如果pickle的數據包含了自定義的擴展類（比如使用C語言實現的Python擴展類）時，就需要通過實現__reduce__方法來控制行為了。由於使用過於生僻，這里就不展開繼續講解了。

令人容易混淆的是，我們知道, reduce()是Python的一個內建函數, 需要指出__reduce__並非定義了reduce()的行為，二者沒有關系。

__reduce_ex__(self)

__reduce_ex__ 是為了兼容性而存在的, 如果定義了__reduce_ex__, 它將代替__reduce__ 執行。

下面的代碼示例很有意思，我們定義了一個類Slate(中文是板岩的意思)。這個類能夠記錄歷史上每次寫入給它的值,但每次pickle.dump時當前值就會被清空，僅保留了歷史。

# -*- coding: utf-8 -*- import pickle import time class Slate: '''Class to store a string and a changelog, and forget its value when pickled.''' def __init__(self, value): self.value = value self.last_change = time.time() self.history = [] def change(self, new_value): # 修改value, 將上次的valeu記錄在history self.history.append((self.last_change, self.value)) self.value = new_value self.last_change = time.time() def print_changes(self): print 'Changelog for Slate object:' for k, v in self.history: print '%s %s' % (k, v) def __getstate__(self): # 故意不返回self.value和self.last_change, # 以便每次unpickle時清空當前的狀態，僅僅保留history return self.history def __setstate__(self, state): self.history = state self.value, self.last_change = None, None slate = Slate(0) time.sleep(0.5) slate.change(100) time.sleep(0.5) slate.change(200) slate.change(300) slate.print_changes() # 與下面的輸出歷史對比 with open('slate.pkl', 'wb') as jar: pickle.dump(slate, jar) del slate # delete it with open('slate.pkl', 'rb') as jar: slate = pickle.load(jar) print 'current value:', slate.value # None print slate.print_changes() # 輸出歷史記錄與上面一致

運算符相關的魔術方法

運算符相關的魔術方法實在太多了，也很好理解，不打算多講。在其他語言里，也有重載運算符的操作，所以我們對這些魔術方法已經很了解了。

比較運算符

__cmp__(self, other)

如果該方法返回負數，說明self < other; 返回正數，說明self > other; 返回0說明self == other。
強烈不推薦來定義__cmp__, 取而代之, 最好分別定義__lt__等方法從而實現比較功能。
__cmp__在Python3中被廢棄了。

__eq__(self, other)

定義了比較操作符==的行為.

__ne__(self, other)

定義了比較操作符!=的行為.

__lt__(self, other)

定義了比較操作符<的行為.

__gt__(self, other)

定義了比較操作符>的行為.

__le__(self, other)

定義了比較操作符<=的行為.

__ge__(self, other)

定義了比較操作符>=的行為.

下面我們定義一種類型Word, 它會使用單詞的長度來進行大小的比較, 而不是采用str的比較方式。
但是為了避免 Word('bar') == Word('foo') 這種違背直覺的情況出現,並沒有定義__eq__, 因此Word會使用它的父類(str)中的__eq__來進行比較。

下面的例子中也可以看出: 在編程語言中, 如果a >=b and a <= b, 並不能推導出a == b這樣的結論。

# -*- coding: utf-8 -*- class Word(str): '''存儲單詞的類，定義比較單詞的幾種方法''' def __new__(cls, word): # 注意我們必須要用到__new__方法，因為str是不可變類型 # 所以我們必須在創建的時候將它初始化 if ' ' in word: print "Value contains spaces. Truncating to first space." word = word[:word.index(' ')] # 單詞是第一個空格之前的所有字符 return str.__new__(cls, word) def __gt__(self, other): return len(self) > len(other) def __lt__(self, other): return len(self) < len(other) def __ge__(self, other): return len(self) >= len(other) def __le__(self, other): return len(self) <= len(other) print 'foo < fool:', Word('foo') < Word('fool') # True print 'foolish > fool:', Word('foolish') > Word('fool') # True print 'bar >= foo:', Word('bar') >= Word('foo') # True print 'bar <= foo:', Word('bar') <= Word('foo') # True print 'bar == foo:', Word('bar') == Word('foo') # False, 用了str內置的比較方法來進行比較 print 'bar != foo:', Word('bar') != Word('foo') # True

一元運算符和函數

__pos__(self)

實現了'+'號一元運算符(比如+some_object)

__neg__(self)

實現了'-'號一元運算符(比如-some_object)

__invert__(self)

實現了~號(波浪號)一元運算符(比如~some_object)

__abs__(self)

實現了abs()內建函數.

__round__(self, n)

實現了round()內建函數. 參數n表示四舍五進的精度.

__floor__(self)

實現了math.floor(), 向下取整.

__ceil__(self)

實現了math.ceil(), 向上取整.

__trunc__(self)

實現了math.trunc(), 向0取整.

算術運算符

__add__(self, other)

實現了加號運算.

__sub__(self, other)

實現了減號運算.

__mul__(self, other)

實現了乘法運算.

__floordiv__(self, other)

實現了//運算符.

__div__(self, other)

實現了/運算符. 該方法在Python3中廢棄. 原因是Python3中，division默認就是true division.

__truediv__(self, other)

實現了true division. 只有你聲明了from __future__ import division該方法才會生效.

__mod__(self, other)

實現了%運算符, 取余運算.

__divmod__(self, other)

實現了divmod()內建函數.

__pow__(self, other)

實現了**操作. N次方操作.

__lshift__(self, other)

實現了位操作<<.

__rshift__(self, other)

實現了位操作>>.

__and__(self, other)

實現了位操作&.

__or__(self, other)

實現了位操作|

__xor__(self, other)

實現了位操作^

反算術運算符

這里只需要解釋一下概念即可。
假設針對some_object這個對象:

some_object + other

上面的代碼非常正常地實現了some_object的__add__方法。那么如果遇到相反的情況呢?

other + some_object

這時候，如果other沒有定義__add__方法，但是some_object定義了__radd__, 那么上面的代碼照樣可以運行。
這里的__radd__(self, other)就是__add__(self, other)的反算術運算符。

所以，類比的，我們就知道了更多的反算術運算符, 就不一一展開了:

__rsub__(self, other)
__rmul__(self, other)
__rmul__(self, other)
__rfloordiv__(self, other)
__rdiv__(self, other)
__rtruediv__(self, other)
__rmod__(self, other)
__rdivmod__(self, other)
__rpow__(self, other)
__rlshift__(self, other)
__rrshift__(self, other)
__rand__(self, other)
__ror__(self, other)
__rxor__(self, other)

增量賦值

這也是只要理解了概念就容易掌握的運算。舉個例子:

x = 5
x += 1  # 這里的+=就是增量賦值，將x+1賦值給了x

因此對於a += b, __iadd__ 將返回a + b, 並賦值給a。
所以很容易理解下面的魔術方法了:

__iadd__(self, other)
__isub__(self, other)
__imul__(self, other)
__ifloordiv__(self, other)
__idiv__(self, other)
__itruediv__(self, other)
__imod__(self, other)
__ipow__(self, other)
__ilshift__(self, other)
__irshift__(self, other)
__iand__(self, other)
__ior__(self, other)
__ixor__(self, other)

類型轉化

__int__(self)

實現了類型轉化為int的行為.

__long__(self)

實現了類型轉化為long的行為.

__float__(self)

實現了類型轉化為float的行為.

__complex__(self)

實現了類型轉化為complex(復數, 也即1+2j這樣的虛數)的行為.

__oct__(self)

實現了類型轉化為八進制數的行為.

__hex__(self)

實現了類型轉化為十六進制數的行為.

__index__(self)

在切片運算中將對象轉化為int, 因此該方法的返回值必須是int。用一個例子來解釋這個用法。

class Thing(object): def __index__(self): return 1 thing = Thing() list_ = ['a', 'b', 'c'] print list_[thing] # 'b' print list_[thing:thing] # []

上面例子中, list_[thing]的表現跟list_[1]一致，正是因為Thing實現了__index__方法。

可能有的人會想，list_[thing]為什么不是相當於list_[int(thing)]呢? 通過實現Thing的__int__方法能否達到這個目的呢?

顯然不能。如果真的是這樣的話，那么list_[1.1:2.2]這樣的寫法也應該是通過的。
而實際上，該寫法會拋出TypeError: slice indices must be integers or None or have an __index__ method

下面我們再做個例子,如果對一個dict對象執行dict_[thing]會怎么樣呢?

dict_ = {1: 'apple', 2: 'banana', 3: 'cat'} print dict_[thing] # raise KeyError

這個時候就不是調用__index__了。雖然list和dict都實現了__getitem__方法, 但是它們的實現方式是不一樣的。
如果希望上面例子能夠正常執行, 需要實現Thing的__hash__ 和 __eq__方法.

class Thing(object): def __hash__(self): return 1 def __eq__(self, other): return hash(self) == hash(other) dict_ = {1: 'apple', 2: 'banana', 3: 'cat'} print dict_[thing] # apple

__coerce__(self, other)

實現了混合模式運算。

要了解這個方法,需要先了解coerce()內建函數: 官方文檔上的解釋是, coerce(x, y)返回一組數字類型的參數, 它們被轉化為同一種類型，以便它們可以使用相同的算術運算符進行操作。如果過程中轉化失敗，拋出TypeError。

比如對於coerce(10, 10.1), 因為10和10.1在進行算術運算時，會先將10轉為10.0再來運算。因此coerce(10, 10.1)返回值是(10.0, 10.1).

__coerce__在Python3中廢棄了。

其他魔術方法

還沒講到的魔術方法還有很多，但有些我覺得很簡單，或者很少見，就不再累贅展開說明了。

__str__(self)

對實例使用str()時調用。

__repr__(self)

對實例使用repr()時調用。str()和repr()都是返回一個代表該實例的字符串，
主要區別在於: str()的返回值要方便人來看,而repr()的返回值要方便計算機看。

__unicode__(self)

對實例使用unicode()時調用。unicode()與str()的區別在於: 前者返回值是unicode, 后者返回值是str。unicode和str都是basestring的子類。

當你對一個類只定義了__str__但沒定義__unicode__時,__unicode__會根據__str__的返回值自動實現,即return unicode(self.__str__());
但返回來則不成立。

class StrDemo2: def __str__(self): return 'StrDemo2' class StrDemo3: def __unicode__(self): return u'StrDemo3' demo2 = StrDemo2() print str(demo2) # StrDemo2 print unicode(demo2) # StrDemo2 demo3 = StrDemo3() print str(demo3) # <__main__.StrDemo3 instance> print unicode(demo3) # StrDemo3

__format__(self, formatstr)

"Hello, {0:abc}".format(a)等價於format(a, "abc"), 等價於a.__format__("abc")。

這在需要格式化展示對象的時候非常有用，比如格式化時間對象。

__hash__(self)

對實例使用hash()時調用, 返回值是數值類型。

__nonzero__(self)

對實例使用bool()時調用, 返回True或者False。
你可能會問, 為什么不是命名為__bool__? 我也不知道。
我只知道該方法在Python3中改名為__bool__了。

__dir__(self)

對實例使用dir()時調用。通常實現該方法是沒必要的。

__sizeof__(self)

對實例使用sys.getsizeof()時調用。返回對象的大小，單位是bytes。

__instancecheck__(self, instance)

對實例調用isinstance(instance, class)時調用。返回值是布爾值。它會判斷instance是否是該類的實例。

__subclasscheck__(self, subclass)

對實例使用issubclass(subclass, class)時調用。返回值是布爾值。它會判斷subclass否是該類的子類。

__copy__(self)

對實例使用copy.copy()時調用。返回"淺復制"的對象。

__deepcopy__(self, memodict={})

對實例使用copy.deepcopy()時調用。返回"深復制"的對象。

__call__(self, [args...])

該方法允許類的實例跟函數一樣表現:

class XClass: def __call__(self, a, b): return a + b def add(a, b): return a + b x = XClass() print 'x(1, 2)', x(1, 2) print 'callable(x)', callable(x) # True print 'add(1, 2)', add(1, 2) print 'callable(add)', callable(add) # True

Python3中的差異

Python3中，str與unicode的區別被廢除了,因而__unicode__沒有了，取而代之地出現了__bytes__.
Python3中，division默認就是true division, 因而__div__廢棄.
__coerce__因存在冗余而廢棄.
__cmp__因存在冗余而廢棄.
__nonzero__改名為__bool__.

構造和初始化