《Fluent Python》读书心得1.2

Python的特殊方法，亦称魔术方法，之所以在语言设计中被引入，旨在使得语言代码拥有更强的可读性以及高效性。当你看到$x.__len__()'时，实际上意味着Python的解释环境会在运行时自动调用这一方法，而无需用户显式介入。让我们先从特殊方法调用的基础以及在实现自定义类型时的高效性讲起。

特殊方法与代码效率

特殊方法的存在使得Python解释器能够通过更直接且效率更高的方式来处理内置类型及用户定义的对象。例如，当我们调用`len(my_object)`来获取对象的长度时，如果`my_object`是一个自定义的对象，Python解释器会自动调用`my_object.__len__`来容纳这个自定义逻辑。然而，在处理如列表`list`、字符串`str`、字节序列`bytearray`等Python官方解释器CPython封装的内置类型时，CPython建立了简化的路径来获取长度，避免了调用方法的开销。这得益于内置于Python核心结构体`PyVarObje`中的`ob_size`属性，直接读取该属性远比调用方法来得快。

在代码的自然流通过程中，很多时候特殊方法的使用是隐形的。例如，使用`for i in x:`这一循环操作实际上背后是通过`iter(x)`函数实现的，在`iter(x)`调用中，背后依赖的是实现了`x.__iter__()`方法。最重要的是，Python为避免直接方法调用造成不必要的延迟，通常会在内部优化机制中使用这些特殊方法。

特殊方法的应用实例：

向量`Vector`内部的实现：比如，当你的`Vector`类需要自我表示时，通过定义`__repr__()`方法实现“自我描述”，当直接打印`Vector`实例时，Python将调用特定逻辑展示对象状态。




V操作符的实现：对于函数调用，比如`x + y`执行向量加法或`x  y`执行向量乘法，背后则是通过调用`x.__add__()`或`x.__mul__()`方法实现这一逻辑。这不仅适用于简单的内置类型如列表、字符串，也适用于用户自定义的类型。

特殊方法的高效实现

`len`与`abs`的提升：`len`与`abs`之所以适用所有内置类型而无需通过方法调用，是因为它们能够通过直接访问类型的内部结构高速计算值。对于用户自定义类型，基于这些高效内置方法的原理，允许我们在自定义数据类型中引入`__len__`与`__abs__`等特殊方法，保持高效的同时，保留了Python代码的普适性与简洁性。

重写`__repr__`实现“自我描述”：对于所有类型而言，`__repr__`方法提供了获取对象状态的有效输出。尽管对象默认的`__repr__`输出可能包括类名与内存地址，对于展示其内部状态更具意义的是用户自定义的`__repr__`实现，这一功能通过输入到Python内部`repr()`函数调用中实现，提供了构建更符合人类认知的输出形式的重要途径。

通过将特殊方法的概念与实践融入Python编码中，不仅能够优化代码性能与减少运行时的等待时间，还为理解类型转换与操作提供了强大的工具。它们为Python的面向对象特性的强大应用打下坚实的基础，同时也加深了开发者对于语言底层处理机制的理解与运用。

武汉格发信息技术有限公司，格发许可优化管理系统可以帮你评估贵公司软件许可的真实需求，再低成本合规性管理软件许可,帮助贵司提高软件投资回报率，为软件采购、使用提供科学决策依据。支持的软件有: CAD,CAE,PDM,PLM,Catia,Ugnx, AutoCAD, Pro/E, Solidworks ,Hyperworks, Protel,CAXA,OpenWorks LandMark,MATLAB,Enovia,Winchill,TeamCenter,MathCAD,Ansys, Abaqus,ls-dyna, Fluent, MSC,Bentley,License,UG,ug,catia,Dassault Systèmes,AutoDesk,Altair,autocad,PTC,SolidWorks,Ansys,Siemens PLM Software,Paradigm,Mathworks,Borland,AVEVA,ESRI,hP,Solibri,Progman,Leica,Cadence,IBM,SIMULIA,Citrix,Sybase,Schlumberger,MSC Products...