小编给大家分享一下python描述符是什么，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站制作、网站设计、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的剑阁网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
尽管在开发的过程中，我们没有直接的使用过描述符，但是它在底层的运用却是十分频繁的存在。例如下面的这些：
function 、bound method 、unbound method
装是器property 、staticmethod 、classmethod
这些是不是都很熟悉？
其实这些都与描述符有着千丝万缕的联系，这样吧，我们通过下面的文章来探讨一下描述符背后的工作原理吧。
什么是描述符？
在我们了解什么是描述符前，我们可以先找一个例子来看一下
class A: x = 10print(A.x) # 10
这个例子很简单，我们先在类A中定义一个类属性x,然后得出它的值。
除了这种直接定义类属性的方法外，我们还可以这样去定义一个类属性：
class Ten: def __get__(self, obj, objtype=None): return 10class A: x = Ten() # 属性换成了一个类print(A.x) # 10
我们可以发现，这回的类属性x不是一个具体的值了，而是一个类Ten，通过这个Ten定义了一个__get__方法，返回具体的值。
因此可得出：在python中，我们可以把一个类的属性，托管给一个类，而这样的属性就是一个描述符
简而言之,描述符是一个绑定行为属性
而这又有着什么意思呢？
回想，我们在开发时，一般情况下，会将行为叫做什么？行为即一个方法。
所以我们也可以将描述符理解为：对象的属性并非一个具体的值，而是交给了一个方法去定义。
可以想像一下，如果我们用一个方法去定义一个属性，这么做有什么好处？
有了方法，我们就可以在方法内实现自己的逻辑，最简单的，我们可以根据不同的条件，在方法内给属性赋予不同的值，就像下面这样：
class Age:
def __get__(self, obj, objtype=None):
if obj.name == 'zhangsan':
return 20
elif obj.name == 'lisi':
return 25
else:
return ValueError("unknow")class Person:
age = Age()
def __init__(self, name):
self.name = name
p1 = Person('zhangsan')print(p1.age) # 20p2 = Person('lisi')print(p2.age) # 25p3 = Person('wangwu')print(p3.age) # unknow这个例子中，age 类属性被另一个类托管了，在这个类的 __get__ 中，它会根据 Person 类的属性 name，决定 age 是什么值。
通过这样一个例子，我们可以看到，通过描述符的使用，我们可以轻易地改变一个类属性的定义方式。
描述符协议
了解了描述符的定义，现在我们把重点放到托管属性的类上。
其实，一个类属性想要托管给一个类，这个类内部实现的方法不能是随便定义的，它必须遵守「描述符协议」，也就是要实现以下几个方法：
__get__(self, obj, type=None) -> value
__set__(self, obj, value) -> None
__delete__(self, obj) -> None
只要是实现了以上几个方法的其中一个，那么这个类属性就可以称作描述符。
另外，描述符又可以分为「数据描述符」和「非数据描述符」：
只定义了 __get___，叫做非数据描述符
除了定义 __get__ 之外，还定义了 __set__ 或 __delete__，叫做数据描述符
它们两者有什么区别，我会在下面详述。
现在我们来看一个包含 __get__ 和 __set__ 方法的描述符例子：
# coding: utf8class Age:
def __init__(self, value=20):
self.value = value
def __get__(self, obj, type=None):
print('call __get__: obj: %s type: %s' % (obj, type))
return self.value
def __set__(self, obj, value):
if value <= 0:
raise ValueError("age must be greater than 0")
print('call __set__: obj: %s value: %s' % (obj, value))
self.value = valueclass Person:
age = Age()
def __init__(self, name):
self.name = name
p1 = Person('zhangsan')print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: # 20print(Person.age)# call __get__: obj: None type: # 20p1.age = 25# call __set__: obj: <__main__.Person object at 0x1055509e8> value: 25print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: # 25p1.age = -1# ValueError: age must be greater than 0 在这例子中，类属性 age 是一个描述符，它的值取决于 Age 类。
从输出结果来看，当我们获取或修改 age 属性时，调用了 Age 的 __get__ 和 __set__ 方法：
当调用 p1.age 时，__get__ 被调用，参数 obj 是 Person 实例，type 是 type(Person)
当调用 Person.age 时，__get__ 被调用，参数 obj 是 None，type 是 type(Person)
当调用 p1.age = 25时，__set__ 被调用，参数 obj 是 Person 实例，value 是25
当调用 p1.age = -1时，__set__ 没有通过校验，抛出 ValueError
其中，调用 __set__ 传入的参数，我们比较容易理解，但是对于 __get__ 方法，通过类或实例调用，传入的参数是不同的，这是为什么？
这就需要我们了解一下描述符的工作原理。
描述符的工作原理
要解释描述符的工作原理，首先我们需要先从属性的访问说起。
在开发时，不知道你有没有想过这样一个问题：通常我们写这样的代码 a.b，其背后到底发生了什么？
这里的 a 和 b 可能存在以下情况：
a 可能是一个类，也可能是一个实例，我们这里统称为对象
b 可能是一个属性，也可能是一个方法，方法其实也可以看做是类的属性
其实，无论是以上哪种情况，在 Python 中，都有一个统一的调用逻辑：
先调用 __getattribute__ 尝试获得结果
如果没有结果，调用 __getattr__
用代码表示就是下面这样：
def getattr_hook(obj, name): try: return obj.__getattribute__(name) except AttributeError: if not hasattr(type(obj), '__getattr__'): raise return type(obj).__getattr__(obj, name)
我们这里需要重点关注一下 __getattribute__，因为它是所有属性查找的入口，它内部实现的属性查找顺序是这样的：
要查找的属性，在类中是否是一个描述符
如果是描述符，再检查它是否是一个数据描述符
如果是数据描述符，则调用数据描述符的 __get__
如果不是数据描述符，则从 __dict__ 中查找
如果 __dict__ 中查找不到，再看它是否是一个非数据描述符
如果是非数据描述符，则调用非数据描述符的 __get__
如果也不是一个非数据描述符，则从类属性中查找
如果类中也没有这个属性，抛出 AttributeError 异常
写成代码就是下面这样：
# 获取一个对象的属性 def __getattribute__(obj, name): null = object() # 对象的类型 也就是实例的类 objtype = type(obj) # 从这个类中获取指定属性 cls_var = getattr(objtype, name, null) # 如果这个类实现了描述符协议 descr_get = getattr(type(cls_var), '__get__', null) if descr_get is not null: if (hasattr(type(cls_var), '__set__') or hasattr(type(cls_var), '__delete__')): # 优先从数据描述符中获取属性 return descr_get(cls_var, obj, objtype) # 从实例中获取属性 if hasattr(obj, '__dict__') and name in vars(obj): return vars(obj)[name] # 从非数据描述符获取属性 if descr_get is not null: return descr_get(cls_var, obj, objtype) # 从类中获取属性 if cls_var is not null: return cls_var # 抛出 AttributeError 会触发调用 __getattr__ raise AttributeError(name)
如果不好理解，你最好写一个程序测试一下，观察各种情况下的属性的查找顺序。
到这里我们可以看到，在一个对象中查找一个属性，都是先从 __getattribute__ 开始的。
在 __getattribute__ 中，它会检查这个类属性是否是一个描述符，如果是一个描述符，那么就会调用它的 __get__ 方法。但具体的调用细节和传入的参数是下面这样的：
如果 a 是一个实例，调用细节为：
type(a).__dict__['b'].__get__(a, type(a))
如果 a 是一个类，调用细节为：
a.__dict__['b'].__get__(None, a)
所以我们就能看到上面例子输出的结果。
数据描述符和非数据描述符
了解了描述符的工作原理，我们继续来看数据描述符和非数据描述符的区别。
从定义上来看，它们的区别是：
只定义了 __get___，叫做非数据描述符
除了定义 __get__ 之外，还定义了 __set__ 或 __delete__，叫做数据描述符
此外，我们从上面描述符调用的顺序可以看到，在对象中查找属性时，数据描述符要优先于非数据描述符调用。
在之前的例子中，我们定义了 __get__ 和 __set__，所以那些类属性都是数据描述符。
我们再来看一个非数据描述符的例子：
class A: def __init__(self): self.foo = 'abc' def foo(self): return 'xyz'print(A().foo) # 输出什么？
这段代码，我们定义了一个相同名字的属性和方法 foo，如果现在执行 A().foo，你觉得会输出什么结果？
答案是 abc。
为什么打印的是实例属性 foo 的值，而不是方法 foo 呢？
这就和非数据描述符有关系了。
我们执行 dir(A.foo)，观察结果：
print(dir(A.foo))# [... '__get__', '__getattribute__', ...]
看到了吗？A 的 foo 方法其实实现了 __get__，我们在上面的分析已经得知：只定义 __get__ 方法的对象，它其实是一个非数据描述符，也就是说，我们在类中定义的方法，其实本身就是一个非数据描述符。
所以，在一个类中，如果存在相同名字的属性和方法，按照上面所讲的 __getattribute__ 中查找属性的顺序，这个属性就会优先从实例中获取，如果实例中不存在，才会从非数据描述符中获取，所以在这里优先查找的是实例属性 foo 的值。
到这里我们可以总结一下关于描述符的相关知识点：
描述符必须是一个类属性
__getattribute__ 是查找一个属性（方法）的入口
__getattribute__ 定义了一个属性（方法）的查找顺序：数据描述符、实例属性、非数据描述符、类属性
如果我们重写了 __getattribute__ 方法，会阻止描述符的调用
所有方法其实都是一个非数据描述符，因为它定义了 __get__
描述符的使用场景
了解了描述符的工作原理，那描述符一般用在哪些业务场景中呢？
在这里我用描述符实现了一个属性校验器，你可以参考这个例子，在类似的场景中去使用它。
首先我们定义一个校验基类 Validator，在 __set__ 方法中先调用 validate 方法校验属性是否符合要求，然后再对属性进行赋值。
class Validator:
def __init__(self):
self.data = {}
def __get__(self, obj, objtype=None):
return self.data[obj]
def __set__(self, obj, value):
# 校验通过后再赋值
self.validate(value)
self.data[obj] = value
def validate(self, value):
pass接下来，我们定义两个校验类，继承 Validator，然后实现自己的校验逻辑。
class Number(Validator):
def __init__(self, minvalue=None, maxvalue=None):
super(Number, self).__init__()
self.minvalue = minvalue
self.maxvalue = maxvalue
def validate(self, value):
if not isinstance(value, (int, float)):
raise TypeError(f'Expected {value!r} to be an int or float')
if self.minvalue is not None and value < self.minvalue:
raise ValueError(
f'Expected {value!r} to be at least {self.minvalue!r}'
)
if self.maxvalue is not None and value > self.maxvalue:
raise ValueError(
f'Expected {value!r} to be no more than {self.maxvalue!r}'
)class String(Validator):
def __init__(self, minsize=None, maxsize=None):
super(String, self).__init__()
self.minsize = minsize
self.maxsize = maxsize
def validate(self, value):
if not isinstance(value, str):
raise TypeError(f'Expected {value!r} to be an str')
if self.minsize is not None and len(value) < self.minsize:
raise ValueError(
f'Expected {value!r} to be no smaller than {self.minsize!r}'
)
if self.maxsize is not None and len(value) > self.maxsize:
raise ValueError(
f'Expected {value!r} to be no bigger than {self.maxsize!r}'
)最后，我们使用这个校验类：
class Person:
# 定义属性的校验规则 内部用描述符实现
name = String(minsize=3, maxsize=10)
age = Number(minvalue=1, maxvalue=120)
def __init__(self, name, age):
self.name = name
self.age = age
# 属性符合规则
p1 = Person('zhangsan', 20)print(p1.name, p1.age)# 属性不符合规则
p2 = person('a', 20)# ValueError: Expected 'a' to be no smaller than 3p3 = Person('zhangsan', -1)# ValueError: Expected -1 to be at least 1现在，当我们对 Person 实例进行初始化时，就可以校验这些属性是否符合预定义的规则了。
function与method
我们再来看一下，在开发时经常看到的 function、unbound method、bound method 它们之间到底有什么区别？
来看下面这段代码：
