Python魔法之旅-魔法方法(07)

发布于:2024-06-01 ⋅ 阅读:(58) ⋅ 点赞:(0)

目录

一、概述

1、定义

2、作用

二、应用场景

1、构造和析构

2、操作符重载

3、字符串和表示

4、容器管理

5、可调用对象

6、上下文管理

7、属性访问和描述符

8、迭代器和生成器

9、数值类型

10、复制和序列化

11、自定义元类行为

12、自定义类行为

13、类型检查和转换

14、自定义异常

三、学习方法

1、理解基础

2、查阅文档

3、编写示例

4、实践应用

5、阅读他人代码

6、参加社区讨论

7、持续学习

8、练习与总结

9、注意兼容性

10、避免过度使用

四、魔法方法

23、__getattribute__方法

23-1、语法

23-2、参数

23-3、功能

23-4、返回值

23-5、说明

23-6、用法

24、__getitem__方法

24-1、语法

24-2、参数

24-3、功能

24-4、返回值

24-5、说明

24-6、用法

25、__getnewargs__方法

25-1、语法

25-2、参数

25-3、功能

25-4、返回值

25-5、说明

25-6、用法

五、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、博客个人主页

一、概述

1、定义

        魔法方法(Magic Methods/Special Methods,也称特殊方法或双下划线方法)是Python中一类具有特殊命名规则的方法,它们的名称通常以双下划线(`__`)开头和结尾

        魔法方法用于在特定情况下自动被Python解释器调用,而不需要显式地调用它们,它们提供了一种机制,让你可以定义自定义类时具有与内置类型相似的行为。

2、作用

        魔法方法允许开发者重载Python中的一些内置操作或函数的行为,从而为自定义的类添加特殊的功能

二、应用场景

1、构造和析构

1-1、__init__(self, [args...]):在创建对象时初始化属性。
1-2、__new__(cls, [args...]):在创建对象时控制实例的创建过程(通常与元类一起使用)。
1-3、__del__(self):在对象被销毁前执行清理操作,如关闭文件或释放资源。

2、操作符重载

2-1、__add__(self, other)、__sub__(self, other)、__mul__(self, other)等:自定义对象之间的算术运算。
2-2、__eq__(self, other)、__ne__(self, other)、__lt__(self, other)等:定义对象之间的比较操作。

3、字符串和表示

3-1、__str__(self):定义对象的字符串表示,常用于print()函数。
3-2、__repr__(self):定义对象的官方字符串表示,用于repr()函数和交互式解释器。

4、容器管理

4-1、__getitem__(self, key)、__setitem__(self, key, value)、__delitem__(self, key):用于实现类似列表或字典的索引访问、设置和删除操作。
4-2、__len__(self):返回对象的长度或元素个数。

5、可调用对象

5-1、__call__(self, [args...]):允许对象像函数一样被调用。

6、上下文管理

6-1、__enter__(self)、__exit__(self, exc_type, exc_val, exc_tb):用于实现上下文管理器,如with语句中的对象。

7、属性访问和描述符

7-1、__getattr__, __setattr__, __delattr__:这些方法允许对象在访问或修改不存在的属性时执行自定义操作。
7-2、描述符(Descriptors)是实现了__get__, __set__, 和__delete__方法的对象,它们可以控制对另一个对象属性的访问。

8、迭代器和生成器

8-1、__iter__和__next__:这些方法允许对象支持迭代操作,如使用for循环遍历对象。
8-2、__aiter__, __anext__:这些是异步迭代器的魔法方法,用于支持异步迭代。

9、数值类型

9-1、__int__(self)、__float__(self)、__complex__(self):定义对象到数值类型的转换。
9-2、__index__(self):定义对象用于切片时的整数转换。

10、复制和序列化

10-1、__copy__和__deepcopy__:允许对象支持浅复制和深复制操作。
10-2、__getstate__和__setstate__:用于自定义对象的序列化和反序列化过程。

11、自定义元类行为

11-1、__metaclass__(Python 2)或元类本身(Python 3):允许自定义类的创建过程,如动态创建类、修改类的定义等。

12、自定义类行为

12-1、__init__和__new__:用于初始化对象或控制对象的创建过程。
12-2、__init_subclass__:在子类被创建时调用,允许在子类中执行一些额外的操作。

13、类型检查和转换

13-1、__instancecheck__和__subclasscheck__:用于自定义isinstance()和issubclass()函数的行为。

14、自定义异常

14-1、你可以通过继承内置的Exception类来创建自定义的异常类,并定义其特定的行为。

三、学习方法

        要学好Python的魔法方法,你可以遵循以下方法及步骤:

1、理解基础

        首先确保你对Python的基本语法、数据类型、类和对象等概念有深入的理解,这些是理解魔法方法的基础。

2、查阅文档

        仔细阅读Python官方文档中关于魔法方法的部分,文档会详细解释每个魔法方法的作用、参数和返回值。你可以通过访问Python的官方网站或使用help()函数在Python解释器中查看文档。

3、编写示例

        为每个魔法方法编写简单的示例代码,以便更好地理解其用法和效果,通过实际编写和运行代码,你可以更直观地感受到魔法方法如何改变对象的行为。

4、实践应用

        在实际项目中尝试使用魔法方法。如,你可以创建一个自定义的集合类,使用__getitem__、__setitem__和__delitem__方法来实现索引操作。只有通过实践应用,你才能更深入地理解魔法方法的用途和重要性。

5、阅读他人代码

        阅读开源项目或他人编写的代码,特别是那些使用了魔法方法的代码,这可以帮助你学习如何在实际项目中使用魔法方法。通过分析他人代码中的魔法方法使用方式,你可以学习到一些新的技巧和最佳实践。

6、参加社区讨论

        参与Python社区的讨论,与其他开发者交流关于魔法方法的使用经验和技巧,在社区中提问或回答关于魔法方法的问题,这可以帮助你更深入地理解魔法方法并发现新的应用场景。

7、持续学习

        Python语言和其生态系统不断发展,新的魔法方法和功能可能会不断被引入,保持对Python社区的关注,及时学习新的魔法方法和最佳实践。

8、练习与总结

        多做练习,通过编写各种使用魔法方法的代码来巩固你的理解,定期总结你学到的知识和经验,形成自己的知识体系。

9、注意兼容性

        在使用魔法方法时,要注意不同Python版本之间的兼容性差异,确保你的代码在不同版本的Python中都能正常工作。

10、避免过度使用

        虽然魔法方法非常强大,但过度使用可能会导致代码难以理解和维护,在编写代码时,要权衡使用魔法方法的利弊,避免滥用。

        总之,学好Python的魔法方法需要不断地学习、实践和总结,只有通过不断地练习和积累经验,你才能更好地掌握这些强大的工具,并在实际项目中灵活运用它们。

四、魔法方法

23、__getattribute__方法

23-1、语法
__getattribute__(self, name, /)
    Return getattr(self, name)
23-2、参数

23-2-1、self(必须)一个对实例对象本身的引用,在类的所有方法中都会自动传递。 

23-2-2、name(必须)一个字符串,表示你尝试访问的属性的名称。

23-2-3、/(可选)这是从Python 3.8开始引入的参数注解语法,它表示这个方法不接受任何位置参数(positional-only parameters)之后的关键字参数(keyword arguments)。

23-3、功能

        用于拦截对对象属性的访问。

23-4、返回值

        返回值是被访问属性的值,这可以是任何类型的值,包括整数、浮点数、字符串、列表、字典等或者甚至是另一个对象

23-5、说明

        如果 __getattribute__ 方法没有返回任何值(即没有return语句),那么它实际上会返回None,但这通常是不希望的,因为它可能会掩盖其他潜在的问题。

        由于__getattribute__方法拦截所有属性访问,包括对象自身的属性和继承自基类的属性,因此在使用时需要特别小心,以避免无限递归或其他意外行为

23-6、用法
# 023、__getattribute__方法:
# 1、基本访问控制
class AccessControl:
    def __init__(self, data):
        self._data = data
    def __getattribute__(self, name):
        if name == '_data':
            raise AttributeError("Direct access to _data is not allowed")
        return super().__getattribute__(name)
if __name__ == '__main__':
    ac = AccessControl({'secret': 'value'})
    # ac._data  # 这会引发AttributeError: Direct access to _data is not allowed

# 2、属性惰性加载
class LazyLoad:
    def __init__(self):
        self._loaded = False
    def load_data(self):
        print("Loading data...")
        self._data = "Loaded data"
        self._loaded = True
    def __getattribute__(self, name):
        if name == '_data' and not self._loaded:
            self.load_data()
        return super().__getattribute__(name)
if __name__ == '__main__':
    ll = LazyLoad()
    print(ll._data)  # 第一次会加载数据并输出
    print(ll._data)  # 第二次不会再次加载

# 3、属性访问记录
class AccessLogger:
    def __init__(self):
        self._access_log = []
        self._methods = {}  # 用于存储占位符方法的字典
    def __getattr__(self, name):
        if name not in self._methods:
            # 创建一个新的占位符方法,并存储到字典中
            def placeholder(*args, **kwargs):
                self._access_log.append(name)
                raise AttributeError(f"AccessLogger has no attribute or method '{name}'")
            self._methods[name] = placeholder
        return self._methods[name]
    def log(self):
        return self._access_log
if __name__ == '__main__':
    al = AccessLogger()
    try:
        al.method1()  # 这会触发占位符方法并记录 'method1'
        al.method2()  # 这会触发占位符方法并记录 'method2'
    except AttributeError as e:
        print(e)  # 输出:AccessLogger has no attribute or method 'method1'
        print(e)  # 输出:AccessLogger has no attribute or method 'method2'
    print(al.log())  # 输出 ['method1']

# 4、只读属性
class ReadOnly:
    def __init__(self, value):
        self._value = value

    def __getattribute__(self, name):
        if name == '_value':
            return super().__getattribute__(name)
        if name.startswith('read_'):
            return super().__getattribute__(name)
        if name == 'value':
            raise AttributeError("value is read-only")
    def read_value(self):
        return self._value
if __name__ == '__main__':
    ro = ReadOnly(10)
    print(ro.read_value())  # 输出 10
    # ro.value = 20  # 这会引发 AttributeError

# 5、动态属性
class DynamicProps:
    def __getattribute__(self, name):
        if name == 'dynamic_prop':
            return f"This is a {name} with value generated on the fly."
        return super().__getattribute__(name)
if __name__ == '__main__':
    dp = DynamicProps()
    print(dp.dynamic_prop)  # 输出 "This is a dynamic_prop with value generated on the fly."

# 6、属性验证
class Validated:
    def __setattr__(self, name, value):
        if name == 'value' and not isinstance(value, int):
            raise ValueError("value must be an integer")
        super().__setattr__(name, value)
    def __getattribute__(self, name):
        attr = super().__getattribute__(name)
        if name == 'value' and not isinstance(attr, int):
            raise AttributeError("value has been corrupted")
        return attr
if __name__ == '__main__':
    v = Validated()
    v.value = 10
    # v.value = "ten"  # 这会引发ValueError: value must be an integer

# 7、属性别名
class Alias:
    def __init__(self, data):
        self._data = data
    def __getattribute__(self, name):
        if name == 'alias_data':
            return super().__getattribute__('_data')
        return super().__getattribute__(name)
if __name__ == '__main__':
    a = Alias('some data')
    print(a.alias_data)  # 输出 'some data'

# 8、条件性访问
class ConditionalAccess:
    def __init__(self, data, condition):
        self._data = data
        self._access_condition = condition
    def __getattribute__(self, name):
        # 调用内置的__getattribute__方法来避免无限递归
        # 但我们先检查是否是我们想要控制的属性
        if name == '_data' and not object.__getattribute__(self, '_access_condition'):
            raise AttributeError("Access to _data is not allowed under current condition")
        # 对于其他属性,正常返回
        return object.__getattribute__(self, name)
    @property
    def access_condition(self):
        return object.__getattribute__(self, '_access_condition')
    @access_condition.setter
    def access_condition(self, value):
        object.__setattr__(self, '_access_condition', value)
if __name__ == '__main__':
    ca = ConditionalAccess('sensitive data', False)
    # 尝试访问 _data 会引发 AttributeError
    try:
        print(ca._data)
    except AttributeError as e:
        print(e)
    # 允许访问 _data
    ca.access_condition = True
    print(ca._data)  # 现在可以访问 _data,因为 access_condition 为 True

24、__getitem__方法

24-1、语法
__getitem__(self, key, /)
    return self.__getitem__(key) <==> self[key]
24-2、参数

24-2-1、self(必须)一个对实例对象本身的引用,在类的所有方法中都会自动传递。 

24-2-2、key(必须)一个用于索引或切片对象的值。

24-2-3、/(可选)这是从Python 3.8开始引入的参数注解语法,它表示这个方法不接受任何位置参数(positional-only parameters)之后的关键字参数(keyword arguments)。

24-3、功能

        用于实现对象的索引和切片功能。

24-4、返回值

        返回被索引或切片访问的元素的值。

24-5、说明

        如果key是整数,则执行索引访问;如果key是slice对象,则执行切片访问。对于无效的索引(例如,超出范围的整数索引或不支持的索引类型),__getitem__方法应该抛出相应的异常。

24-6、用法
# 024、__getitem__方法:
# 1、简单的列表包装类
class MyList:
    def __init__(self, data):
        self.data = data
    def __getitem__(self, index):
        return self.data[index]
if __name__ == '__main__':
    my_list = MyList([1, 2, 3, 4])
    print(my_list[1])  # 输出 2

# 2、字典的键访问
class MyDict:
    def __init__(self, data):
        self.data = data
    def __getitem__(self, key):
        return self.data[key]
if __name__ == '__main__':
    my_dict = MyDict({'a': 1, 'b': 2})
    print(my_dict['a'])  # 输出 1

# 3、字符串索引(仅支持正索引)
class MyString:
    def __init__(self, string):
        self.string = string
    def __getitem__(self, index):
        if index < 0:
            raise IndexError("Negative indices are not supported")
        return self.string[index]
if __name__ == '__main__':
    my_string = MyString("hello")
    print(my_string[1])  # 输出 'e'

# 4、范围对象(步长访问)
class MyRange:
    def __init__(self, start, end, step=1):
        self.start = start
        self.end = end
        self.step = step
    def __getitem__(self, index):
        if index < 0:
            raise IndexError("Negative indices are not supported")
        return self.start + (index * self.step) if self.start + (index * self.step) < self.end else None
if __name__ == '__main__':
    my_range = MyRange(0, 10, 2)
    print(my_range[2])  # 输出 4

# 5、矩阵索引(二维数组)
class Matrix:
    def __init__(self, data):
        self.data = data
    def __getitem__(self, index):
        return self.data[index]
if __name__ == '__main__':
    # 假设有一个二维列表作为矩阵数据
    matrix = Matrix([[1, 2], [3, 4], [5, 6]])
    print(matrix[1][0])  # 输出 3,但注意这里第一个 __getitem__ 返回的是行,第二个是 Python 内置的列表索引

# 6、自定义文件读取(按行索引)
class MyFile:
    def __init__(self, filename):
        self.filename = filename
        self.lines = []
        with open(self.filename, 'r') as file:
            for line in file:
                self.lines.append(line.strip())
    def __getitem__(self, index):
        return self.lines[index]
if __name__ == '__main__':
    my_file = MyFile('test.txt')
    print(my_file[0])  # 输出文件的第一行内容

# 7、自定义日期范围(按日期索引)
from datetime import datetime, timedelta
class DateRange:
    def __init__(self, start_date, end_date):
        self.start_date = start_date
        self.end_date = end_date
        self.current_date = start_date
    def __getitem__(self, index):
        self.current_date += timedelta(days=index)
        if self.current_date > self.end_date:
            raise IndexError("Index out of range")
        return self.current_date.date()
if __name__ == '__main__':
    start = datetime(2024, 3, 13)
    end = datetime(2024, 5, 31)
    date_range = DateRange(start, end)
    print(date_range[2].strftime('%Y-%m-%d'))  # 输出 '2024-03-15'
    # 注意:这个示例中的__getitem__改变了内部状态,通常不建议这样做,除非有明确的需求。

# 8、自定义字典,通过属性名访问值
class AttributeDict:
    def __init__(self, *args, **kwargs):
        self.__dict__.update(*args, **kwargs)
    def __getitem__(self, key):
        return getattr(self, key)
if __name__ == '__main__':
    attr_dict = AttributeDict(a=1, b=2)
    print(attr_dict['a'])  # 输出 1

# 9、自定义树形结构,通过路径访问节点
class TreeNode:
    def __init__(self, value, children=None):
        self.value = value
        self.children = children if children is not None else {}
    def __getitem__(self, key):
        if key in self.children:
            return self.children[key]
        raise KeyError(f"No child node with key: {key}")
if __name__ == '__main__':
    # 示例树形结构
    root = TreeNode("root", {
        "child1": TreeNode("child1"),
        "child2": TreeNode("child2", {
            "grandchild": TreeNode("grandchild")
        })
    })
    # 访问节点
    print(root["child2"]["grandchild"].value)  # 输出 'grandchild'

# 10、自定义文件读取,按块(chunk)索引
class ChunkedFileReader:
    def __init__(self, filename, chunk_size):
        self.filename = filename
        self.chunk_size = chunk_size
        self.file_handle = open(filename, 'rb')
    def __getitem__(self, index):
        self.file_handle.seek(index * self.chunk_size)
        data = self.file_handle.read(self.chunk_size)
        if not data:
            raise IndexError("Index out of range")
        return data
    def __del__(self):
        self.file_handle.close()
if __name__ == '__main__':
    chunked_reader = ChunkedFileReader('example.bin', 1024)  # 每个块1024字节
    print(chunked_reader[0].hex())  # 输出第一个块的内容的十六进制表示

# 11、自定义颜色查找表(通过颜色名访问RGB值)
class ColorLookup:
    def __init__(self, colors):
        self.colors = colors
    def __getitem__(self, key):
        return self.colors.get(key, "Unknown color")
if __name__ == '__main__':
    colors = ColorLookup({"red": (255, 0, 0), "green": (0, 255, 0), "blue": (0, 0, 255)})
    print(colors['red'])  # 输出 (255, 0, 0)
    print(colors['purple'])  # 输出 'Unknown color'

# 12、自定义二维数组(类似NumPy数组,但简化版)
class Simple2DArray:
    def __init__(self, data):
        self.data = data
    def __getitem__(self, index):
        if isinstance(index, int):
            return [row[index] for row in self.data]
        elif isinstance(index, tuple) and len(index) == 2:
            row, col = index
            return self.data[row][col]
        else:
            raise IndexError("Invalid index")
if __name__ == '__main__':
    array_2d = Simple2DArray([[3, 5, 6], [8, 10, 11], [7, 8, 12]])
    print(array_2d[1])  # 输出 [5, 10, 8]
    print(array_2d[1, 2])  #  输出 11

25、__getnewargs__方法

25-1、语法
__getnewargs__(self, /)
25-2、参数

25-2-1、self(必须)一个对实例对象本身的引用,在类的所有方法中都会自动传递。 

25-2-2、/(可选)这是从Python 3.8开始引入的参数注解语法,它表示这个方法不接受任何位置参数(positional-only parameters)之后的关键字参数(keyword arguments)。

25-3、功能

        用于支持pickle模块的自定义序列化。

25-4、返回值

        返回一个元组,该元组中的元素将作为参数传递给对象的__new__方法来重新创建对象的一个新实例。

25-5、说明

        如果对象不需要额外的参数来重新创建(即,它可以通过默认构造函数重新创建),那么__getnewargs__可以简单地返回一个空元组。

25-6、用法
# 025、__getnewargs__方法:
# 1、自定义整数范围
import pickle
class IntRange:
    def __init__(self, start, end):
        self.start = start
        self.end = end
    def __getnewargs__(self):
        return (self.start, self.end)
if __name__ == '__main__':
    range_obj = IntRange(1, 10)
    pickled = pickle.dumps(range_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.start, unpickled.end)  # 输出 1 10

# 2、自定义颜色类
import pickle
class Color:
    def __init__(self, r, g, b):
        self.r = r
        self.g = g
        self.b = b
    def __getnewargs__(self):
        return (self.r, self.g, self.b)
if __name__ == '__main__':
    color_obj = Color(255, 0, 0)
    pickled = pickle.dumps(color_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.r, unpickled.g, unpickled.b)  # 输出 255 0 0

# 3、自定义坐标点
import pickle
class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y
    def __getnewargs__(self):
        return (self.x, self.y)
if __name__ == '__main__':
    point_obj = Point(10, 20)
    pickled = pickle.dumps(point_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.x, unpickled.y)  # 输出 10 20

# 4、自定义复数类
import pickle
class ComplexNumber:
    def __init__(self, real, imag):
        self.real = real
        self.imag = imag
    def __getnewargs__(self):
        return (self.real, self.imag)
if __name__ == '__main__':
    complex_obj = ComplexNumber(3, 4)
    pickled = pickle.dumps(complex_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.real, unpickled.imag)  # 输出 3 4

# 5、自定义日期类
import pickle
from datetime import date
class CustomDate:
    def __init__(self, year, month, day):
        self.date = date(year, month, day)
    def __getnewargs__(self):
        return (self.date.year, self.date.month, self.date.day)
if __name__ == '__main__':
    date_obj = CustomDate(2024, 3, 13)
    pickled = pickle.dumps(date_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.date)  # 输出类似 '2024-03-13' 的日期

# 6、自定义分数类
import pickle
from fractions import Fraction
class CustomFraction:
    def __init__(self, numerator, denominator):
        self.fraction = Fraction(numerator, denominator)
    def __getnewargs__(self):
        return (self.fraction.numerator, self.fraction.denominator)
if __name__ == '__main__':
    fraction_obj = CustomFraction(1, 3)
    pickled = pickle.dumps(fraction_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.fraction)  # 输出 1/3

# 7、自定义带版本的类
import pickle
class VersionedClass:
    def __init__(self, data, version):
        self.data = data
        self.version =version
    def __getnewargs__(self):
        return (self.data, self.version)
    def __getstate__(self):
        # 如果需要,可以覆盖此方法以保存额外的状态
        return self.__dict__
    def __setstate__(self, state):
        # 如果需要,可以覆盖此方法以在反序列化时设置状态
        self.__dict__.update(state)
if __name__ == '__main__':
    versioned_obj = VersionedClass("example data", 1)
    pickled = pickle.dumps(versioned_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.data, unpickled.version) # 输出 example data 1

# 8、自定义具有动态属性的类
import pickle
class DynamicProperties:
    def __init__(self, **kwargs):
        self.__dict__.update(kwargs)
    def __getnewargs__(self):
        # 因为属性是动态的,我们可能需要将它们序列化为一个字典
        return (self.__dict__,)
    def __getstate__(self):
        # 返回一个表示对象状态的字典
        return self.__dict__
    def __setstate__(self, state):
        # 设置对象状态
        self.__dict__.update(state)
if __name__ == '__main__':
    dynamic_obj = DynamicProperties(name="Myelsa", age=18, city="Guangzhou")
    pickled = pickle.dumps(dynamic_obj)
    unpickled = pickle.loads(pickled)
    print(unpickled.name, unpickled.age, unpickled.city)  # 输出 Myelsa 18 Guangzhou

# 9、自定义带时间戳的日志条目
import pickle
from datetime import datetime
class LogEntry:
    def __init__(self, message, timestamp=None):
        self.message = message
        self.timestamp = timestamp or datetime.now()
    def __getnewargs__(self):
        # 假设我们想要重新创建日志条目时保留原始的时间戳
        return (self.message, self.timestamp)
if __name__ == '__main__':
    log_entry = LogEntry("System started")
    pickled = pickle.dumps(log_entry)
    unpickled = pickle.loads(pickled)
    print(unpickled.message, unpickled.timestamp)  # 输出类似 "System started 2024-05-31 23:29:16.357606"

# 10. 自定义用户账户类(带密码哈希)
import pickle
from hashlib import sha256
class UserAccount:
    def __init__(self, username, password):
        self.username = username
        self.password_hash = sha256(password.encode()).hexdigest()
    def __getnewargs__(self):
        # 注意:出于安全考虑,我们不会直接序列化密码哈希用于反序列化
        # 这里仅作为示例,通常不会这样做
        return (self.username, self.password_hash)
    # 注意:在真实应用中,密码不应以明文形式存储或传输
if __name__ == '__main__':
    user = UserAccount("Myelsa", "mypassword")
    # 通常,我们不会序列化/反序列化此类对象,因为这涉及安全问题
    # 但为了示例,我们仍然这样做
    pickled = pickle.dumps(user)
    unpickled = pickle.loads(pickled)
    print(unpickled.username, unpickled.password_hash)  # 输出类似 "Myelsa" 和密码哈希值89e01536ac207279409d4de1e5253e01f4a1769e696db0d6062ca9b8f56767c8

# 11、自定义文件路径和打开模式
import pickle
class FilePath:
    def __init__(self, path, mode):
        self.path = path
        self.mode = mode
    def __getnewargs__(self):
        return (self.path, self.mode)
    def open(self):
        return open(self.path, self.mode)
if __name__ == '__main__':
    file_path = FilePath("test.txt", "r")
    pickled = pickle.dumps(file_path)
    unpickled = pickle.loads(pickled)
    with unpickled.open() as f:
        print(f.read())  # 假设文件存在且可读

# 12、自定义带有自定义属性的矩形
import pickle
class Rectangle:
    def __init__(self, width, height, color="red"):
        self.width = width
        self.height = height
        self.color = color
    def __getnewargs__(self):
        return (self.width, self.height, self.color)
if __name__ == '__main__':
    rectangle = Rectangle(10, 5, "blue")
    pickled = pickle.dumps(rectangle)
    unpickled = pickle.loads(pickled)
    print(unpickled.width, unpickled.height, unpickled.color)  # 输出 10 5 blue

五、推荐阅读

1、Python筑基之旅

2、Python函数之旅

3、Python算法之旅

4、博客个人主页