1

我最近在 Python 装饰器库的装饰器中遇到了一种技术，memoized它允许它支持实例方法：

import collections
import functools


class memoized(object):
    '''Decorator. Caches a function's return value each time it is called.
    If called later with the same arguments, the cached value is returned
    (not reevaluated).
    '''
    def __init__(self, func):
        self.func = func
        self.cache = {}

    def __call__(self, *args):
        if not isinstance(args, collections.Hashable):
        # uncacheable. a list, for instance.
        # better to not cache than blow up.
            return self.func(*args)
        if args in self.cache:
            return self.cache[args]
        else:
            value = self.func(*args)
            self.cache[args] = value
            return value

    def __repr__(self):
        '''Return the function's docstring.'''
        return self.func.__doc__

    def __get__(self, obj, objtype):
        '''Support instance methods.'''
        return functools.partial(self.__call__, obj)

正如文档字符串中所解释的那样，该__get__方法是使装饰器支持实例方法的“魔术发生”的地方。以下是一些表明它有效的测试：

import pytest

def test_memoized_function():
    @memoized
    def fibonacci(n):
        "Return the nth fibonacci number."
        if n in (0, 1):
            return n
        return fibonacci(n-1) + fibonacci(n-2)

    assert fibonacci(12) == 144

def test_memoized_instance_method():
    class Dummy(object):
        @memoized
        def fibonacci(self, n):
            "Return the nth fibonacci number."
            if n in (0, 1):
                return n
            return self.fibonacci(n-1) + self.fibonacci(n-2)            

    assert Dummy().fibonacci(12) == 144

if __name__ == "__main__":
    pytest.main([__file__])

我想了解的是：这种技术究竟是如何工作的？它似乎非常普遍地适用于基于类的装饰器，我在我的回答中应用了它是否可以 numpy.vectorize 实例方法？.

到目前为止，我已经通过注释掉该方法并在子句__get__之后放入调试器来对此进行调查。else似乎每当您尝试使用数字作为输入调用它时self.func，它都会引发 a ：TypeError

> /Users/kurtpeek/Documents/Scratch/memoize_fibonacci.py(24)__call__()
     23                         import ipdb; ipdb.set_trace()
---> 24                         value = self.func(*args)
     25                         self.cache[args] = value

ipdb> self.func
<function Dummy.fibonacci at 0x10426f7b8>
ipdb> self.func(0)
*** TypeError: fibonacci() missing 1 required positional argument: 'n'

据我了解，https://docs.python.org/3/reference/datamodel.html#object。get，定义你自己的__get__方法以某种方式覆盖了你（在这种情况下）调用时发生的事情self.func，但我正在努力将抽象文档与这个例子联系起来。谁能一步一步解释这个？

4

1 回答 1

1

据我所知，当您使用描述符来装饰实例方法（实际上是一个属性）时，它定义了 how to和set该属性的行为。有一个参考。getdelete

因此，在您的示例中，memoized's__get__定义了如何获取属性fibonacci。在__get__中，它传递obj给self.__call__哪个obj是实例。而支持实例方法的关键是填写参数self。

所以过程是：

假设有一个实例dummy。Dummy当你访问dummy's 的属性fibonacci时，因为它已经被memoized. 属性的值fibonacci由memoized.__get__. __get__接受两个参数，一个是调用实例（这里是dummy），另一个是它的类型。memoized.__get__填充实例self.__call__以填充self原始方法中的参数fibonacci。

为了更好地理解描述符，有一个例子：

class RevealAccess(object):
    """A data descriptor that sets and returns values
       normally and prints a message logging their access.
    """

    def __init__(self, initval=None, name='var'):
        self.val = initval
        self.name = name

    def __get__(self, obj, objtype):
        print('Retrieving', self.name)
        return self.val

    def __set__(self, obj, val):
        print('Updating', self.name)
        self.val = val

>>> class MyClass(object):
...     x = RevealAccess(10, 'var "x"')
...     y = 5
...
>>> m = MyClass()
>>> m.x
Retrieving var "x"
10
>>> m.x = 20
Updating var "x"
>>> m.x
Retrieving var "x"
20
>>> m.y
5
于 2018-02-26T07:18:04.323 回答