元类
在python中一切皆对象，类也是对象，只不过类是一个创建对象的对象，我们可以在类中动态的创建一个类，比如
def func(name):
if name == "plane":
class plane(object):
pass
return plane
else:
class metrorolite(object):
pass
return mrtroolite
虽然根据上述代码可以动态创建一个类，但是整个类的代码仍需要我们编写的
type()有两种作用：
1、检查对象类型
class people(object):
def __init__(self, id, name, employees):
self.id = id
self.name = name
def func(self):
return
if __name__ == "__main__":
id = 1001
name = "abc"
employees = [1,2,3]
people = people(id, name, employees)
# 检查整型
print(type(id)) # <class 'int'>
# 检查字符串型
print(type(name)) # <class 'str'>
# 检查列表型
print(type(employees)) # <class 'list'>
# 检查类的对象型
print(type(people)) # <class '__main__.people'>
# 检查类类型
print(type(people)) # <class 'type'>
# 检查函数型
print(type(people.func)) # <class 'method'>
# 如果我们对其结果再次type()得到的结果都是type类型，这就验证了一切解释对象
2、还有一个高大上的作用就是动态的创建类
语法：type(类名, 由父类名称组成的元组（可以为空）, 包含属性的字典（名称和值）)
返回值是一个类
# 空类
chinese = type("people", (), {})
# 继承父类，父类以元组的形式表达
chinses = type("people", (object, ), {})
# 给类一些属性(下述都是类属性）和方法（方法可以自定义，依次是实例方法、类方法、静态方法）
def sayhi(self):
print("hi")
@classmethod
def sayhello(cls):
print("hello")
@staticmethod
def saybye():
print("bye")
chinese = type("people", (object, ), {"id": 1001, "name": "zhangsan", "func1": sayhi, "func2": sayhello, "func3": saybye})
# chinese 不是类名，people是类名，chinese是一个引用变量
元类的定义：
元类就是用来创建类的“东西”
元类是类的类， 是类的模板
元类是用来控制如何创建类的， 正如类是创建对象的模板一样，而元类的主要目的是为了控制类的创建行为
元类的实例化结果是我们用class定义的类，正如类的实例为对象
type是python的一个内建元类， 用来直接控制生成类
python中任何class定义的类其实都是type类实例化的对象
当然了，你也可以创建自己的元类，需要继承 type。
元类的定义和使用：
通过函数返回一个元类：
# 自定义函数
def summary(a, b):
return a+b
# 这个函数的作用是修改当前类的属性的值和方法的功能，并且返回一个类
def upper_attr(future_class_name, future_class_parent, future_class_attr):
# 可以修改当前类定义的属性的值和方法的功能
newattr = {}
for name, value in future_class_attr.items():
if name == "bar":
newattr[name] = "变量值修改了"
if name == "func":
newattr[name] = summary
return type(future_class_name, future_class_parent, newattr)
class operation(object, metaclass=upper_attr):
bar = "修改之前的值"
func = none
if __name__ == "__main__":
print(operation.bar) # 变量值修改了
print(operation.func(2, 4)) # 返回值6
通过继承type生成元类（博主也没有看懂，了解即可，用到极少）：
class meta(type):
def __init__(cls, *args, **kwargs):
super().__init__(*args)
def __new__(cls, *args, **kwargs):
name, bases, attrs = args
return super().__new__(cls, name, bases, attrs)
class m_class(metaclass=meta):
def __new__(cls, *args, **kwargs):
return super().__new__(cls)
def __init__(self):
pass
动态语言
静态语言和动态语言的区别：
静态语言（强类型语言）
静态语言是在编译时变量的数据类型即可确定的语言，多数静态类型语言要 求在使用变量之前必须声明数据类型。
例如：c++、java、delphi、c#等。
动态语言（弱类型语言）
动态语言是在运行时确定数据类型的语言。变量使用之前不需要类型声明， 通常变量的类型是被赋值的那个值的类型。
例如：php/asp/ruby/python/perl/abap/sql/javascript/unix shell等等。
动态语言的特性：
运行的过程中给对象绑定(添加)属性
运行的过程中给类绑定(添加)属性
运行的过程中给类绑定(添加)方法
运行的过程中删除属性、方法
class person(object):
def __init__(self, name, age):
self.name = name
self.age = age
def show():
print("通过类动态增加类方法.")
@classmethod
def show2(cls):
print("通过类动态增加类方法，并且打印id.", cls.id)
if __name__ == "__main__":
person = person("张三", 22)
# 运行过程中，给对象添加属性
person.phone = "1847015xxxx"
print(person.phone) # 1847015xxxx
# 运行过程中，对象是不能添加方法，否则会报错
# person.func = show
# person.func()
# 运行过程中，给类增加属性
person.id = 10001
print("对象访问类属性", person.id) # 对象访问类属性10001
print("类访问类属性", person.id) # 类访问类属性10001
# 运行过程中给类增加方法
person.func = show
person.func() # 通过类动态增加类方法.
# 运行过程中给类增加类方法
person.func = show2
person.func() # 通过类动态增加类方法，并且打印id。10001
__slots__
__slots__作用：
python允许在定义class的时候，定义一个特殊变量__slots__来限制该 class能添加的属性，当前类就不能定义或者增加__slots__之外的属性了
__slots__注意事项：
__slots__只对类的实例化对象进行限制，不对类进行限制，__slots__变量值是以元组形式表示
__slots__不仅限制类对象的属性，还限制类对象的方法
__slots__仅对当前类起作用，对继承的子类不起作用
在子类中定义__slots__，子类允许定义的属性就是自身的__slots__加上父类的 __slots__
class person(object):
__slots__ = ("name", "age")
def __init__(self, name, age):
self.name = name
self.age = age
if __name__ == "__main__":
person = person("张三", 22)
# 运行过程中，给对象添加属性实例对象属性只限于name，age
# person.phone = "1847015xxxx"
# print(person.phone)
# 运行过程中，给类增加属性，__slots__ 不限制类
person.id = 10001
print("对象访问类属性", person.id) # 对象访问类属性 10001
print("类访问类属性", person.id) # 类访问类属性 10001
生成器
概念：python中，这种一边循环一边计算的机制，称为生成器：generator。
创建生成器的两种方式：
方法1：列表生成式的 [ ] 改成 ( )
numbers = ( i for i in range(100))
通过 next() 函数获得生成器的下一个返回值
没有更多的元素时，抛出 stopiteration 的异常
正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心 stopiteration 异
方法2：使用函数创建生成器（实例）
# 斐波那契数列
def fibonacci(num):
a = 0
b = 1
count = 0
temp = 1
while count < num:
yield b
a, b = b, a+b
count += 1
fi = fibonacci(4)
print(next(fi)) # 1
print(next(fi)) # 1
print(next(fi)) # 2
print(next(fi)) # 3
# 没有更多的元素时，抛出 stopiteration 的异常
# 正确的方法是使用 for 循环，因为生成器也是可迭代对象，并且不需要关心stopiteration 异常
print(next(fi)) # error
# 所以在使用生成器的时候，需要捕获异常
fi = fibonacci(10)
while true:
try:
print(next(fi))
except stopiteration as e:
print(e)
break
另外生成器也可以传递参数通过send(参数值)：
# 斐波那契数列
def fibonacci(num):
a = 0
b = 1
count = 0
temp = 1
while count < num:
temp = yield temp*b
print("temp{}:{}".format(count, temp))
a, b = b, a+b
count += 1
fi = fibonacci(10)
print(next(fi))
while true:
try:
print(fi.send(1))
except:
break
迭代器
可迭代对象：
这里先提一下迭代器对象，如果一个对象可以通for循环进行遍历的对象一般都是迭代器对象；python提供了一个iterable类就是鉴别对象是否是迭代器对象，在鉴别的过程中需要借助isinstance()方法，这个方法是鉴别对象是否属于一个类的对象，这里不能用type()方法，因为type()的作用是鉴别对象是否是类的实例化对象（通过继承的是false)
首先先简单介绍两者检验对象类型的区别：
class a:
def __init__(self):
pass
class b(a):
def __init__(self):
super().__init__()
if __name__ == "__main__":
a = 123
# 两者检验整型,类似这种，字符串、列表、元组、集合、字典都是一样的结果
print(type(a) == int) # true
print(isinstance(a, int)) # true
# 两者主要的区别 直接通过类生成的对象，两者检验的结果是一样的
b = b()
print(type(b) == b) # true
print(isinstance(b, b)) # true
# 若是父类就会有不一样的结果
print(type(b) == a) # false
print(isinstance(b, a)) # true
所以在检验对象时，采用isinstance()比较好，
from collections import iterable
class a:
def __init__(self):
pass
class b(a):
def __init__(self):
super().__init__()
# 实例生成器函数
def func(self, a):
yield a
a = a + 1
if a == 5:
return
if __name__ == "__main__":
b = b()
print(isinstance(b, iterable)) # false
# 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典
b = ""
print(isinstance(b, iterable)) # true
# 前面提到的生成器，他也是可迭代对象
a = b()
b = a.func(0)
print(isinstance(b, iterable)) # true
迭代器：
可以被next()函数调用并不断返回下一个值的对象称为迭代器：iterator。
可以使用 isinstance() 判断一个对象是否是 iterator 对象：
有两种情况是迭代器：
1、通过生成器函数生成的生成器就是迭代器
2、通iter()函数将可迭代对象转换成迭代器
from collections import iterator
class a:
def __init__(self):
pass
class b(a):
def __init__(self):
super().__init__()
# 实例生成器函数
def func(self, a):
yield a
a = a + 1
if a == 5:
return
if __name__ == "__main__":
b = b()
print(isinstance(b, iterator)) # false
# 像集合数据类型都是可迭代对象，字符串、列表、元组、集合、字典
b = ""
print(isinstance(b, iterator)) # true
# 前面提到的生成器，他也是可迭代对象
a = b()
b = a.func(0)
print(isinstance(b, iterator)) # true
# 通过iter()函数将字符串、列表、元组、集合、字典转换成迭代器
b = {}
b = iter(b)
print(isinstance(b, iterator))
迭代器是可以自定义，只要重写迭代器协议的两个方法
迭代器对象符合迭代器协议，提供两种方法： __iter__() 和 __next__()
__iter__ 返回迭代器对象，并在循环开始时隐式调用。
__next__方法返回下一个值，并在每个循环增量处隐式调用。
__next__在没有更多值返回时引发stopiteration异常，循环结构隐式捕获该 异常以停止迭代。
class counter:
def __init__(self, low, high):
self.current = low
self.high = high
# 生成器的一般固定写法
def __iter__(self):
return self
# 在下面函数可以改变迭代器返回的下一个值
def __next__(self):
if self.current > self.high:
raise stopiteration
else:
self.current += 2
return self.current -2
