033.Python面向对象_类补充

无奋斗不青春

我的个人主页：👉👉 失心疯的个人主页 👈👈
入门教程推荐：👉👉 Python零基础入门教程合集 👈👈
虚拟环境搭建：👉👉 Python项目虚拟环境(超详细讲解) 👈👈
PyQt5 系列教程：👉👉 Python GUI(PyQt5)文章合集 👈👈
Oracle数据库教程：👉👉 Oracle数据库文章合集 👈👈
优质资源下载：👉👉 资源下载合集 👈👈

分隔线

类&补充_生命周期

- 生命周期
- - 概念
  - 涉及问题
  - 监听对象生命周期
  - - `__new__` 方法
    - `__init__` 方法
    - `__del__` 方法
  - 生命周期案例
- 内存管理机制
- - 存储方面
  - 垃圾回收方面
  - - 引用计数机制
    - 垃圾回收机制
    - - 主要作用
      - 底层实现原理（了解/难）
      - 垃圾回收时机（掌握&简单）
      - 循环引用解决办法

生命周期

概念

生命周期指的是一个对象从诞生到消亡的过程
当一个对象被创建时，会在内存中分配相应的内存空间进行存储
当这个对象不在使用，为了节约内存，就会把这个对象释放

涉及问题

如何监听一个对象的生命过程？
Python是如何掌控一个对象的生命？

监听对象生命周期

`new` 方法

当我们创建一个实例对象时，用于给这个实例对象分配内存的方法

通过拦截这个方法，可以修改实例对象的创建过程。例如：单例设计模式

# 对比示例
class Person1(object):
    pass


p1 = Person1()
print(p1)            # 输出：<__main__.Person object at 0x000001F672F8F5E0>


# __new__方法示例
class Person2(object):
    def __new__(cls, *args, **kwargs):
        print('新建一个实例对象，被我拦截了')


p2 = Person2()
print(p2)            # 输出：新建一个实例对象，被我拦截了    None

`init` 方法

当实例对象被创建完成之后，会自动调用这个方法，并且将这个对象传递给self
在这个方法中可以给这个创建好的对象增加一个额外的信息（如：属性）

通过__new__方法拦截实例对象创建操作后，该方法也无法执行

class Person(object):
    def __init__(self):
        print('对象初始化')
        self.name = '失心疯'


p = Person()
print(p.name)


# 实例对象创建被拦截后，该方法也无法执行
class Person(object):
    def __new__(cls, *args, **kwargs):
        print('新建实例对象，被拦截了')
        
    def __init__(self):
        print('对象初始化')
        self.name = '失心疯'


p = Person()
print(p.name)

# 输出结果
# Traceback (most recent call last):
#   File "E:\StudyCode\Python\13-面向对象\18-生命周期.py", line 28, in <module>
#     print(p.name)
# AttributeError: 'NoneType' object has no attribute 'name'
# 新建实例对象，被拦截了

`del` 方法

当对象被释放时，会自动调用这方法（如：通过del方法删除对象）

class Person(object):
    # def __new__(cls, *args, **kwargs):
    #     print('新建实例对象，被拦截了')

    def __init__(self):
        print('对象初始化')
        self.name = '失心疯'

    def __del__(self):
        print('对象被释放了')


p = Person()
print(p.name)
del p

生命周期案例

要求：记录一下，当前这个时刻由Person类产生的实例对象有多少个

实现：创建一个实例对象，计数+1，删除一个实例对象，计数-1

personCount = 0

class Person(object):
    def __init__(self):
        global personCount
        personCount += 1
        # print('创建实例对象 计数+1')

    def __del__(self):
        global personCount
        personCount -= 1
        # print('释放实例对象 计数-1')


p1 = Person()
p2 = Person()
print('当前实例个数为：', personCount)      # 当前实例个数为： 2
del p1
print('当前实例个数为：', personCount)      # 当前实例个数为： 1

这一段实现代码中有几个问题
- 1、每次输出统计数量的时候都要重复写上print('当前实例个数为：', personCount)这一句，代码冗余
- 2、用于计数的personCount变量是一个全局变量，在外部可以随意改变
- 3、在类内部使用personCount变量时，都需要使用global关键字指定变量是全局变量
解决方法：
1、将重复性的操作封装成一个方法，每次要用的时候直接调用方法
2、将全局变量定义成类属性（不定义成实例属性，是因为实例属性是分别记录各个实例对象的属性）

示例代码优化

class Person(object):
    personCount = 0

    def __init__(self):
        Person.personCount += 1
        # print('创建实例对象 计数+1')

    def __del__(self):
        self.__class__.personCount -= 1
        # print('释放实例对象 计数-1')

    @staticmethod   # 静态方法
    def count():
        print('当前实例个数为：', Person.personCount)


p1 = Person()
p2 = Person()
Person.count()      # 当前实例个数为： 2

Person.personCount = 100
del p1
Person.count()      # 当前实例个数为： 99

优化后的代码中依然有一些问题
- 1、这个类属性在外界通过类名.属性的方式依然可以对这个属性进行修改
解决方法
- 将这个类属性改成私有属性，外界就无法对这个属性进行修改了

示例代码优化

class Person(object):
    __personCount = 0

    def __init__(self):
        Person.__personCount += 1
        # print('创建实例对象 计数+1')

    def __del__(self):
        self.__class__.__personCount -= 1
        # print('释放实例对象 计数-1')

    @staticmethod   # 静态方法
    def count():
        print('当前实例个数为：', Person.__personCount)


p1 = Person()
p2 = Person()
Person.count()      # 当前实例个数为： 2
del p1
Person.count()      # 当前实例个数为： 1

在这一段代码中，依然可以进行优化
在这个类中的静态方法def count()中用到了这个类，那么我们在定义这个方法的时候，就可以通过参数来接收一个类

那么，就可以通过定义类方法来实现这个操作

class Person(object):
    __personCount = 0

    def __init__(self):
        Person.__personCount += 1
        # print('创建实例对象 计数+1')

    def __del__(self):
        self.__class__.__personCount -= 1
        # print('释放实例对象 计数-1')

    @classmethod   # 类方法
    def count(cls):
        print('当前实例个数为：', cls.__personCount)


p1 = Person()
p2 = Person()
Person.count()      # 当前实例个数为： 2
del p1
Person.count()      # 当前实例个数为： 1

内存管理机制

在Python中，内存管理机制是引用计数机制和垃圾回收机制两套机制并行的
垃圾回收机制解决循环引用的问题，但是引用计数机制效率更高

存储方面

1、在Python中万物皆对象
- 其他部分语言中存在基本数据类型和对象
- Python不存在基本数据类型，int、float、bool、str等都是对象
2、所有对象都会在内存中开辟一块空间进行存储
- 会根据不同的类型一级内容，开辟不同的空间大小进行存储
- 返回该控件的地址给外界接收（称为“引用”）没用与后续对这个对象的操作
- 通过id(对象)函数可以获取指定对象的内存地址（10进制）
- 通过hex(10进制内存地址)函数可以查看对应的16进制地址
3、对于整数和短小的字符，Python会进行缓存处理，不会创建多个相同的对象
4、容器对象存储的其他对象，仅仅是存储的其他对象的引用，并不是存储的其他对象本身

垃圾回收方面

引用计数机制

概念
- 一个对象会记录者自身被引用的个数
  - 每增加一个引用，这个对象的引用计数就会自动+1
  - 每减少一个引用，这个对象的引用计数就会自动-1

查看引用计数

可以通过sys模块中的getrefcount(对象)方法获取到指定对象的引用数

调用这个函数的时候，这个对象作为参数被传递的时候就是被引用，所以统计出来的引用数会比实际的引用数大1

import sys

class Person(object):
    pass


p1 = Person()                   # 引用个数：1
print(sys.getrefcount(p1))      # 2，获取到的引用个数比实际的大1

p2 = p1                         # 引用个数：2
print(sys.getrefcount(p1))      # 3

del p2                          # 引用个数：1
print(sys.getrefcount(p1))      # 2

del p1                          # p1对象被删除，后续就无法再通过p1进行查询操作
print(sys.getrefcount(p1))      # 报错：NameError: name 'p1' is not defined

引用计数发生改变的场景举例
引用计数+1场景
- 对象被创建时 p1 = Person()
- 对象被引用时 p2 = p1
- 对象被作为参数传入到一个函数中时 log(p1)，引用计数会+2
  - 对象作为参数传入一个函数时，在函数内部会被两个属性引用（__globals__、func_globals)
- 对象作为一个元素存储到容器中时 l = [p1]
引用计数-1场景
- 对象的别名被现实销毁 del p1
- 对象的别名被赋予新的对象 p1 = 123
- 一个对象离开它的作用域
  - 一个函数执行完毕时，内部的局部变量关联的对象，它的引用会被释放
- 对象所在的容器被销毁或者从容器中删除对象
特殊场景-循环引用问题
内存管理机制：当一个对象被引用，引用计数+1，删除引用，引用计数-1；引用计数为0时，对象被自动释放

循环引用：

class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()

p.pet = d
d.master = p

del p
del d

* 通过 p = Person() 实例化对象的时候，p 引用了 Person 的内存地址， Person 对象的引用计数+1，此时 Person 对象的引用计数=1
* 通过 d = Dog() 实例化对象的时候， d 引用了 Dog 的内存地址， Dog 对象的引用计数+1，此时 Dog 对象的引用计数=1

* 通过 p.pet = d 添加属性赋值， Person 对象的 pet 属性引用了 Dog 的内存地址， Dog 对象的引用计数再+1，此时 Dog 对象的引用计数=2
* 通过 d.master = p 添加属性赋值， Dog 对象的 master 属性引用了 Person 的内存地址， Person 对象的引用计数再+1，此时 Person 对象的引用计数=2

* 通过 del p 语句删除p实例对象，释放 Person 对象的一个引用， Person 对象的引用计数-1，此时 Person 对象的引用计数=1
* 通过 del d 语句删除d实例对象，释放 Dog 对象的一个引用， Dog 对象的引用计数-1，此时 Dog 对象的引用计数=1

* 此时已经没有变量引用 Person和Dog对象了，这两个对象就没办法被使用了，但是他们的引用计数依然保存着1，就不会被释放掉，就造成了内存泄漏
* 这两个对象之间属于互相引用的关系，就成了循环引用，导致两个对象的引用计数都是1，所以不能被引用计数机制释放

由于实例对象被删除之后，无法使用sys.getrefcount获取对象的引用计数，需要通过第三方库objgraph的count方法来查看垃圾回收器，跟踪的对象个数

安装第三方库objgraph
```
pip install objgraph
```

使用第三方库跟踪对象个数

# 没有被循环引用的情况
import objgraph


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()
print(objgraph.count('Person'))     # 追踪关于Person这个类的相关对象个数：1（也就是由Person类创建的实例对象个数）
print(objgraph.count('Dog'))        # 追踪关于Dog这个类的相关对象个数：1（也就是由Dog类创建的实例对象个数）


del p
del d
print(objgraph.count('Person'))     # p实例对象被删除，Person类相关的对象个数：0
print(objgraph.count('Dog'))        # d实例对象被删除，Dog类相关的对象个数：0


#==================================================

# 被循环引用之后的情况
import objgraph


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()
print(objgraph.count('Person'))     # 追踪关于Person这个类的相关对象个数：1（也就是由Person类创建的实例对象个数）
print(objgraph.count('Dog'))        # 追踪关于Dog这个类的相关对象个数：1（也就是由Dog类创建的实例对象个数）

p.pet = d
d.master = p

del p
del d
print(objgraph.count('Person'))     # p实例对象被删除，但是被Dog类的master属性引用，Person类相关的对象个数：1
print(objgraph.count('Dog'))        # d实例对象被删除，但是被Person类的pet属性引用，Dog类相关的对象个数：1

垃圾回收机制

垃圾回收机制：是属于引用计数机制的一个补充机制（一般对象完全可以通过引用计数机制进行释放，但是如果对象被循环引用，就无法通过引用计数机制进行释放，所以就产生了垃圾回收机制）

主要作用

从经历过“引用计数机制”仍未被释放的对象中，找到“循环引用”并且干掉相关对象

底层实现原理（了解/难）

怎样找到“循环引用”？
- 1、收集所有的“容器对象”，通过一个双向链表进行记录引用
  - 容器对象：可以引用其他对象的对象（列表、元组、字典、自定义类对象等可以添加其他对象的东西）
  - 非容器对象：不可以引用其他对象的对象（int、float、bool、str等不能添加其他对象的对象）<非容器对象不能引用其他对象，所以就不会出现循环引用的情况>
  - 双向链表：
- 2、针对每一个“容器对象”，通过一个变量gc_refs来记录当前对应的引用计数
- 3、针对每个“容器对象”，找到他引用的“容器对象”，并将这个引用的“容器对象”的引用计数-1
- 4、经过步骤3之后，如果一个“容器对象”的引用计数为0，就代表这个“容器对象”可以被回收了，肯定是“循环引用”导致他活到现在的
如何提升查找“循环引用”的性能
上面这种垃圾回收的检测机制需要把所有记录在双向链表中的“容器对象”进行检测一遍，是非常的耗费性能。
基于这个问题，Python就提出了一个假设：命越大，越长寿
- 假设一个对象经过10次检测都没有被释放掉，那就认定这个对象一定很长寿，就减少对这个对象的“检测频率”
基于这种假设，就设计了一套机制：分代回收
分代回收
- 1、默认一个对象被创建出来之后，属于0代
- 2、如果经历过这一代“垃圾回收”之后，依然没有被释放，则划分到下一代
- 3、“垃圾回收”的周期
  - 0代“垃圾回收”一定次数，会触发0代和1代回收
  - 1代“垃圾回收”一定次数，会触发0代、1代和2代回收
垃圾回收器当中,新增的对象个数-消亡的对象个数，达到一定的阈值时,才会触发垃圾检测
个人理解：当出现循环引用对象（无法被释放的对象）个数达到一定阈值时候才会触发垃圾检测
查看和设置相关参数

语法

import gc

gc.get_threshold()          # 查看触发机制的阈值
# 输出 (700, 10, 10)
# 700   触发垃圾检测的阈值
# 10    触发0代和1代回收的阈值
# 10    触发0代、1代和2代回收的阈值

gc.set_threshold(触发垃圾检测的阈值，触发0代和1代回收的阈值，触发0代、1代和2代的阈值)
# 设置触发阈值

示例代码

import gc

print(gc.get_threshold())           # 输出：(700, 10, 10)
# 700   垃圾回收器中, 新增对象个数 - 消亡对象个数 = 700,触发垃圾检测
# 10    每经过10次【0代垃圾回收】检测，就触发一次【0代和1代回收】（前面10次仅执行0代回收）
# 10    每经过10次【0代和1代垃圾回收】检测，就触发一次【0代、1代和2代回收】
# 10次【0代回收】执行1次【0代和1代回收】，10次【0代和1代回收】执行1次【0代、1代和2代回收】

gc.set_threshold(1000, 50, 20)
# 1000   设置垃圾回收器中, 新增对象个数 - 消亡对象个数 = 1000时,才触发垃圾检测
# 50     设置每经过50次【0代垃圾回收】检测，就触发一次【0代和1代回收】
# 20      设置每经过20次【0代和1代垃圾回收】检测，就触发一次【0代、1代和2代回收】

print(gc.get_threshold())           # 输出：(1000, 50, 20)

垃圾回收时机（掌握&简单）

自动回收
触发条件：开启垃圾回收机制并且达到了垃圾回收的阈值
阈值：垃圾回收器中，新增的对象个数与释放的对象个数之差

垃圾回收机制开启和关闭设置

import gc

gc.enable()         # 开启垃圾回收机制（默认开启）
gc.disable()        # 关闭垃圾回收机制
gc.isenabled()      # 判定垃圾回收机制是否开启状态

垃圾回收阈值获取和设置

import gc

gc.get_threshold()      # 获取自动回收阈值
gc.set)threshold()      # 设置自动回收阈值

手动回收

语法

import gc

gc.collect(garbage=None)    # 运行垃圾收集器
    # garbage：可以是一个整数，指定要收集哪一代，默认运行完整收集（0代、1代、2代）

# 无论垃圾回收机制是否开启，都可以运行

示例（循环引用问题解决）

# 默认情况，出现循环引用后无法被引用计数机制释放，未达到阈值的情况下也不会被垃圾回收机制释放
import objgraph


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()

p.pet = d
d.master = p

del p
del d

print(objgraph.count('Person'))      # 输出：1
print(objgraph.count('Dog'))         # 输出：1


#=============通过手动开启垃圾回收机制进行释放=========================

import objgraph
import gc


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()

p.pet = d
d.master = p

del p
del d

gc.collect()                        # 手动开启垃圾回收机制

print(objgraph.count('Person'))      # 输出：0
print(objgraph.count('Dog'))         # 输出：0

循环引用解决办法

可到达引用：可以直接访问真实对象的引用（p 和 d）
不可到达引用：需要通过可到达引用间接的访问真实对象（pet 和 master）
- 不能直接通过pet和master访问真实对象，必须通过p.pet和d.master间接访问，删除p和d之后，就无法通过pet和master访问到真实对象了
强引用：会影响对象的引用计数的引用
弱引用：与强引用相对，弱引用并不会影响对象的引用计数，也就是说其不影响对象是否被回收的判定（需要使用weakref模块）
基础类型int、list、dict、tuple、str不支持弱引用，对其执行弱引用会报错
可以通过__weakrefoffset__查看类型是否支持弱引用，该变量表示弱引用指针相对对象起始地址的偏移量，>0表示支持弱引用
weakref模块

方法

weakref.ref(obj)                    # 给指定对象创建一个弱引用
weakref.WeakKeyDictionary(dict)     # 给指定字典的key创建一个弱引用
weakref.WeakValueDictionary(dict)   # 给指定字典的value创建一个弱引用

通过使用弱引用解决循环引用不能自动释放问题

import objgraph
import weakref


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()

p.pet = d
d.master = weakref.ref(p)       # 通过weakref.ref进行弱引用

del p
del d


print(objgraph.count('Person'))      # 输出：0
print(objgraph.count('Dog'))         # 输出：0

当一个对象引用多个对象时，可以使用字典的方式

import objgraph
import weakref


class Person(object):
    pass


class Dog(object):
    pass

class Cat(object):
    pass


p = Person()
d = Dog()
c = Cat()

# p.pet = {'Dog': d, 'Cat': c}
p.pet = weakref.WeakValueDictionary({'Dog': d, 'Cat': c})
d.master = p

del p
del d
del c


print(objgraph.count('Person'))      # 输出：0
print(objgraph.count('Dog'))         # 输出：0
print(objgraph.count('Cat'))         # 输出：0

在释放对象之前打断循环引用

import objgraph


class Person(object):
    pass


class Dog(object):
    pass


p = Person()
d = Dog()

p.pet = d
d.master = p

p.pet = None
del p
del d


print(objgraph.count('Person'))      # 输出：0
print(objgraph.count('Dog'))         # 输出：0