溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這期內容當中小編將會給大家帶來有關怎么在Python中利用attrs與cattrs 實現面向對象編程，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。
首先定義一個對象，如顏色。我們常用 RGB 三個原色來表示顏色，R、G、B 分別代表紅、綠、藍三個顏色的數值，范圍是 0-255，也就是每個原色有 256 個取值。如 RGB(0, 0, 0) 就代表黑色，RGB(255, 255, 255) 就代表白色，RGB(255, 0, 0) 就代表紅色，如果不太明白可以具體看看 RGB 顏色的定義哈。
創建這個對象的時候需要三個參數，就是 R、G、B 三個數值，定義如下：
class Color(object): """ Color Object of RGB """ def __init__(self, r, g, b): self.r = r self.g = g self.b = b
其實對象一般就是這么定義的，初始化方法里面傳入各個參數，然后定義全局變量并賦值這些值。其實挺多常用語言比如 Java、PHP 里面都是這么定義的。但其實這種寫法是比較冗余的，比如 r、g、b 這三個變量一寫就寫了三遍。
好，那么我們初始化一下這個對象，然后打印輸出下，看看什么結果：
color = Color(255, 255, 255) print(color)
結果是什么樣的呢？或許我們也就能看懂一個 Color 吧，別的都沒有什么有效信息，像這樣子：
<__main__.Color object at 0x103436f60>
我們知道，在 Python 里面想要定義某個對象本身的打印輸出結果的時候，需要實現它的 __repr__ 方法，所以我們比如我們添加這么一個方法：
def __repr__(self):
return f'{self.__class__.__name__}(r={self.r}, g={self.g}, b={self.b})'這里使用了 Python 中的 fstring 來實現了 __repr__ 方法，在這里我們構造了一個字符串并返回，字符串中包含了這個 Color 類中的 r、g、b 屬性，這個返回的結果就是 print 的打印結果，我們再重新執行一下，結果就變成這樣子了：
Color(r=255, g=255, b=255)
改完之后，這樣打印的對象就會變成這樣的字符串形式了，感覺看起來清楚多了吧？
再繼續，如果我們要想實現這個對象里面的 __eq__ 、 __lt__ 等各種方法來實現對象之間的比較呢？照樣需要繼續定義成類似這樣子的形式：
def __lt__(self, other): if not isinstance(other, self.__class__): return NotImplemented return (self.r, self.g, self.b) < (other.r, other.g, other.b)
這里是 __lt__ 方法，有了這個方法就可以使用比較符來對兩個 Color 對象進行比較了，但這里又把這幾個屬性寫了兩遍。
最后再考慮考慮，如果我要把 JSON 轉成 Color 對象，難道我要讀完 JSON 然后一個個屬性賦值嗎？如果我想把 Color 對象轉化為 JSON，又得把這幾個屬性寫幾遍呢？如果我突然又加了一個屬性比如透明度 a 參數，那么整個類的方法和參數都要修改，這是極其難以擴展的。不知道你能不能忍，反正我不能忍！
如果你用過 Scrapy、Django 等框架，你會發現 Scrapy 里面有一個 Item 的定義，只需要定義一些 Field 就可以了，Django 里面的 Model 也類似這樣，只需要定義其中的幾個字段屬性就可以完成整個類的定義了，非常方便。
說到這里，我們能不能把 Scrapy 或 Django 里面的定義模式直接拿過來呢？能是能，但是沒必要，因為我們還有專門為 Python 面向對象而專門誕生的庫，沒錯，就是 attrs 和 cattrs 這兩個庫。
有了 attrs 庫，我們就可以非常方便地定義各個對象了，另外對于 JSON 的轉化，可以進一步借助 cattrs 這個庫，非常有幫助。
說了這么多，還是沒有介紹這兩個庫的具體用法，下面我們來詳細介紹下。
安裝
安裝這兩個庫非常簡單，使用 pip 就好了，命令如下：
pip3 install attrs cattrs
安裝好了之后我們就可以導入并使用這兩個庫了。
簡介與特性
首先我們來介紹下 attrs 這個庫，其官方的介紹如下：
attrs 是這樣的一個 Python 工具包，它能將你從繁綜復雜的實現上解脫出來，享受編寫 Python 類的快樂。它的目標就是在不減慢你編程速度的前提下，幫助你來編寫簡潔而又正確的代碼。
其實意思就是用了它，定義和實現 Python 類變得更加簡潔和高效。
基本用法
首先明確一點，我們現在是裝了 attrs 和 cattrs 這兩個庫，但是實際導入的時候是使用 attr 和 cattr 這兩個包，是不帶 s 的。
在 attr 這個庫里面有兩個比較常用的組件叫做 attrs 和 attr，前者是主要用來修飾一個自定義類的，后者是定義類里面的一個字段的。有了它們，我們就可以將上文中的定義改寫成下面的樣子：
from attr import attrs, attrib @attrs class Color(object): r = attrib(type=int, default=0) g = attrib(type=int, default=0) b = attrib(type=int, default=0) if __name__ == '__main__': color = Color(255, 255, 255) print(color)
看我們操作的，首先我們導入了剛才所說的兩個組件，然后用 attrs 里面修飾了 Color 這個自定義類，然后用 attrib 來定義一個個屬性，同時可以指定屬性的類型和默認值。最后打印輸出，結果如下：
Color(r=255, g=255, b=255)
怎么樣，達成了一樣的輸出效果！
觀察一下有什么變化，是不是變得更簡潔了？r、g、b 三個屬性都只寫了一次，同時還指定了各個字段的類型和默認值，另外也不需要再定義 __init__ 方法和 __repr__ 方法了，一切都顯得那么簡潔。一個字，爽！
實際上，主要是 attrs 這個修飾符起了作用，然后根據定義的 attrib 屬性自動幫我們實現了 __init__ 、 __repr__ 、 __eq__ 、 __ne__ 、 __lt__ 、 __le__ 、 __gt__ 、 __ge__ 、 __hash__ 這幾個方法。
如使用 attrs 修飾的類定義是這樣子：
from attr import attrs, attrib @attrs class SmartClass(object): a = attrib() b = attrib()
其實就相當于已經實現了這些方法：
class RoughClass(object):
def __init__(self, a, b):
self.a = a
self.b = b
def __repr__(self):
return "RoughClass(a={}, b={})".format(self.a, self.b)
def __eq__(self, other):
if other.__class__ is self.__class__:
return (self.a, self.b) == (other.a, other.b)
else:
return NotImplemented
def __ne__(self, other):
result = self.__eq__(other)
if result is NotImplemented:
return NotImplemented
else:
return not result
def __lt__(self, other):
if other.__class__ is self.__class__:
return (self.a, self.b) < (other.a, other.b)
else:
return NotImplemented
def __le__(self, other):
if other.__class__ is self.__class__:
return (self.a, self.b) <= (other.a, other.b)
else:
return NotImplemented
def __gt__(self, other):
if other.__class__ is self.__class__:
return (self.a, self.b) > (other.a, other.b)
else:
return NotImplemented
def __ge__(self, other):
if other.__class__ is self.__class__:
return (self.a, self.b) >= (other.a, other.b)
else:
return NotImplemented
def __hash__(self):
return hash((self.__class__, self.a, self.b))所以說，如果我們用了 attrs 的話，就可以不用再寫這些冗余又復雜的代碼了。
翻看源碼可以發現，其內部新建了一個 ClassBuilder，通過一些屬性操作來動態添加了上面的這些方法，如果想深入研究，建議可以看下 attrs 庫的源碼。
別名使用
這時候大家可能有個小小的疑問，感覺里面的定義好亂啊，庫名叫做 attrs，包名叫做 attr，然后又導入了 attrs 和 attrib，這太奇怪了。為了幫大家解除疑慮，我們來梳理一下它們的名字。
首先庫的名字就叫做 attrs，這個就是裝 Python 包的時候這么裝就行了。但是庫的名字和導入的包的名字確實是不一樣的，我們用的時候就導入 attr 這個包就行了，里面包含了各種各樣的模塊和組件，這是完全固定的。
好，然后接下來看看 attr 包里面包含了什么，剛才我們引入了 attrs 和 attrib。
首先是 attrs，它主要是用來修飾 class 類的，而 attrib 主要是用來做屬性定義的，這個就記住它們兩個的用法就好了。
翻了一下源代碼，發現其實它還有一些別名：
s = attributes = attrs ib = attr = attrib
也就是說，attrs 可以用 s 或 attributes 來代替，attrib 可以用 attr 或 ib 來代替。
既然是別名，那么上面的類就可以改寫成下面的樣子：
from attr import s, ib @s class Color(object): r = ib(type=int, default=0) g = ib(type=int, default=0) b = ib(type=int, default=0) if __name__ == '__main__': color = Color(255, 255, 255) print(color)
是不是更加簡潔了，當然你也可以把 s 改寫為 attributes，ib 改寫為 attr，隨你怎么用啦。
不過我覺得比較舒服的是 attrs 和 attrib 的搭配，感覺可讀性更好一些，當然這個看個人喜好。
所以總結一下：
庫名：attrs
導入包名：attr
修飾類：s 或 attributes 或 attrs
定義屬性：ib 或 attr 或 attrib
OK，理清了這幾部分內容，我們繼續往下深入了解它的用法吧。
聲明和比較
在這里我們再聲明一個簡單一點的數據結構，比如叫做 Point，包含 x、y 的坐標，定義如下：
from attr import attrs, attrib @attrs class Point(object): x = attrib() y = attrib()
其中 attrib 里面什么參數都沒有，如果我們要使用的話，參數可以順次指定，也可以根據名字指定，如：
p1 = Point(1, 2) print(p1) p2 = Point(x=1, y=2) print(p2)
其效果都是一樣的，打印輸出結果如下：
Point(x=1, y=2) Point(x=1, y=2)
OK，接下來讓我們再驗證下類之間的比較方法，由于使用了 attrs，相當于我們定義的類已經有了 __eq__ 、 __ne__ 、 __lt__ 、 __le__ 、 __gt__ 、 __ge__ 這幾個方法，所以我們可以直接使用比較符來對類和類之間進行比較，下面我們用實例來感受一下：
print('Equal:', Point(1, 2) == Point(1, 2))
print('Not Equal(ne):', Point(1, 2) != Point(3, 4))
print('Less Than(lt):', Point(1, 2) < Point(3, 4))
print('Less or Equal(le):', Point(1, 2) <= Point(1, 4), Point(1, 2) <= Point(1, 2))
print('Greater Than(gt):', Point(4, 2) > Point(3, 2), Point(4, 2) > Point(3, 1))
print('Greater or Equal(ge):', Point(4, 2) >= Point(4, 1))運行結果如下：
Same: False
Equal: True
Not Equal(ne): True
Less Than(lt): True
Less or Equal(le): True True
Greater Than(gt): True True
Greater or Equal(ge): True
可能有的朋友不知道 ne、lt、le 什么的是什么意思，不過看到這里你應該明白啦，ne 就是 Not Equal 的意思，就是不相等，le 就是 Less or Equal 的意思，就是小于或等于。
其內部怎么實現的呢，就是把類的各個屬性轉成元組來比較了，比如 Point(1, 2) < Point(3, 4) 實際上就是比較了 (1, 2) 和 (3, 4) 兩個元組，那么元組之間的比較邏輯又是怎樣的呢，這里就不展開了，如果不明白的話可以參考官方文檔： https://docs.python.org/3/library/stdtypes.html#comparisons 。
屬性定義
現在看來，對于這個類的定義莫過于每個屬性的定義了，也就是 attrib 的定義。對于 attrib 的定義，我們可以傳入各種參數，不同的參數對于這個類的定義有非常大的影響。
下面我們就來詳細了解一下每個屬性的具體參數和用法吧。
首先讓我們概覽一下總共可能有多少可以控制一個屬性的參數，我們用 attrs 里面的 fields 方法可以查看一下：
from attr import attrs, attrib, fields @attrs class Point(object): x = attrib() y = attrib() print(fields(Point))
這就可以輸出 Point 的所有屬性和對應的參數，結果如下：
(Attribute(name='x', default=NOTHING, validator=None, repr=True, cmp=True, hash=None, init=True, metadata=mappingproxy({}), type=None, converter=None, kw_only=False), Attribute(name='y', default=NOTHING, validator=None, repr=True, cmp=True, hash=None, init=True, metadata=mappingproxy({}), type=None, converter=None, kw_only=False))
輸出出來了，可以看到結果是一個元組，元組每一個元素都其實是一個 Attribute 對象，包含了各個參數，下面詳細解釋下幾個參數的含義：
name：屬性的名字，是一個字符串類型。
default：屬性的默認值，如果沒有傳入初始化數據，那么就會使用默認值。如果沒有默認值定義，那么就是 NOTHING，即沒有默認值。
validator：驗證器，檢查傳入的參數是否合法。
init：是否參與初始化，如果為 False，那么這個參數不能當做類的初始化參數，默認是 True。
metadata：元數據，只讀性的附加數據。
type：類型，比如 int、str 等各種類型，默認為 None。
converter：轉換器，進行一些值的處理和轉換器，增加容錯性。
kw_only：是否為強制關鍵字參數，默認為 False。
屬性名
對于屬性名，非常清楚了，我們定義什么屬性，屬性名就是什么，例如上面的例子，定義了：
x = attrib()
那么其屬性名就是 x。
默認值
對于默認值，如果在初始化的時候沒有指定，那么就會默認使用默認值進行初始化，我們看下面的一個實例：
from attr import attrs, attrib, fields @attrs class Point(object): x = attrib() y = attrib(default=100) if __name__ == '__main__': print(Point(x=1, y=3)) print(Point(x=1))
在這里我們將 y 屬性的默認值設置為了 100，在初始化的時候，第一次都傳入了 x、y 兩個參數，第二次只傳入了 x 這個參數，看下運行結果：
Point(x=1, y=3) Point(x=1, y=100)
可以看到結果，當設置了默認參數的屬性沒有被傳入值時，他就會使用設置的默認值進行初始化。
那假如沒有設置默認值但是也沒有初始化呢？比如執行下：
Point()
那么就會報錯了，錯誤如下：
TypeError: __init__() missing 1 required positional argument: 'x'
所以說，如果一個屬性，我們一旦沒有設置默認值同時沒有傳入的話，就會引起錯誤。所以，一般來說，為了穩妥起見，設置一個默認值比較好，即使是 None 也可以的。
初始化
如果一個類的某些屬性不想參與初始化，比如想直接設置一個初始值，一直固定不變，我們可以將屬性的 init 參數設置為 False，看一個實例：
from attr import attrs, attrib @attrs class Point(object): x = attrib(init=False, default=10) y = attrib() if __name__ == '__main__': print(Point(3))
比如 x 我們只想在初始化的時候設置固定值，不想初始化的時候被改變和設定，我們將其設置了 init 參數為 False，同時設置了一個默認值，如果不設置默認值，默認為 NOTHING。然后初始化的時候我們只傳入了一個值，其實也就是為 y 這個屬性賦值。
這樣的話，看下運行結果：
Point(x=10, y=3)
沒什么問題，y 被賦值為了我們設置的值 3。
那假如我們非要設置 x 呢？會發生什么，比如改寫成這樣子：
Point(1, 2)
報錯了，錯誤如下：
TypeError: __init__() takes 2 positional arguments but 3 were given
參數過多，也就是說，已經將 init 設置為 False 的屬性就不再被算作可以被初始化的屬性了。
強制關鍵字
強制關鍵字是 Python 里面的一個特性，在傳入的時候必須使用關鍵字的名字來傳入，如果不太理解可以再了解下 Python 的基礎。
設置了強制關鍵字參數的屬性必須要放在后面，其后面不能再有非強制關鍵字參數的屬性，否則會報這樣的錯誤：
ValueError: Non keyword-only attributes are not allowed after a keyword-only attribute (unless they are init=False)
好，我們來看一個例子，我們將最后一個屬性設置 kw_only 參數為 True：
from attr import attrs, attrib, fields @attrs class Point(object): x = attrib(default=0) y = attrib(kw_only=True) if __name__ == '__main__': print(Point(1, y=3))
如果設置了 kw_only 參數為 True，那么在初始化的時候必須傳入關鍵字的名字，這里就必須指定 y 這個名字，運行結果如下：
Point(x=1, y=3)
如果沒有指定 y 這個名字，像這樣調用：
Point(1, 3)
那么就會報錯：
TypeError: __init__() takes from 1 to 2 positional arguments but 3 were given
所以，這個參數就是設置初始化傳參必須要用名字來傳，否則會出現錯誤。
注意，如果我們將一個屬性設置了 init 為 False，那么 kw_only 這個參數會被忽略。
驗證器
有時候在設置一個屬性的時候必須要滿足某個條件，比如性別必須要是男或者女，否則就不合法。對于這種情況，我們就需要有條件來控制某些屬性不能為非法值。
下面我們看一個實例：
from attr import attrs, attrib
def is_valid_gender(instance, attribute, value):
if value not in ['male', 'female']:
raise ValueError(f'gender {value} is not valid')
@attrs
class Person(object):
name = attrib()
gender = attrib(validator=is_valid_gender)
if __name__ == '__main__':
print(Person(name='Mike', gender='male'))
print(Person(name='Mike', gender='mlae'))在這里我們定義了一個驗證器 Validator 方法，叫做 is_valid_gender。然后定義了一個類 Person 還有它的兩個屬性 name 和 gender，其中 gender 定義的時候傳入了一個參數 validator，其值就是我們定義的 Validator 方法。
這個 Validator 定義的時候有幾個固定的參數：
instance：類對象
attribute：屬性名
value：屬性值
這是三個參數是固定的，在類初始化的時候，其內部會將這三個參數傳遞給這個 Validator，因此 Validator 里面就可以接受到這三個值，然后進行判斷即可。在 Validator 里面，我們判斷如果不是男性或女性，那么就直接拋出錯誤。
下面做了兩個實驗，一個就是正常傳入 male，另一個寫錯了，寫的是 mlae，觀察下運行結果：
Person(name='Mike', gender='male') TypeError: __init__() missing 1 required positional argument: 'gender'
OK，結果顯而易見了，第二個報錯了，因為其值不是正常的性別，所以程序直接報錯終止。
注意在 Validator 里面返回 True 或 False 是沒用的，錯誤的值還會被照常復制。所以，一定要在 Validator 里面 raise 某個錯誤。
另外 attrs 庫里面還給我們內置了好多 Validator，比如判斷類型，這里我們再增加一個屬性 age，必須為 int 類型：
age = attrib(validator=validators.instance_of(int))
這時候初始化的時候就必須傳入 int 類型，如果為其他類型，則直接拋錯：
TypeError: ("'age' must be <class 'int'> (got 'x' that is a <class 'str'>).
另外還有其他的一些 Validator，比如與或運算、可執行判斷、可迭代判斷等等，可以參考官方文檔： https://www.attrs.org/en/stable/api.html#validators 。
另外 validator 參數還支持多個 Validator，比如我們要設置既要是數字，又要小于 100，那么可以把幾個 Validator 放到一個列表里面并傳入：
from attr import attrs, attrib, validators
def is_less_than_100(instance, attribute, value):
if value > 100:
raise ValueError(f'age {value} must less than 100')
@attrs
class Person(object):
name = attrib()
gender = attrib(validator=is_valid_gender)
age = attrib(validator=[validators.instance_of(int), is_less_than_100])
if __name__ == '__main__':
print(Person(name='Mike', gender='male', age=500))這樣就會將所有的 Validator 都執行一遍，必須每個 Validator 都滿足才可以。這里 age 傳入了 500，那么不符合第二個 Validator，直接拋錯：
ValueError: age 500 must less than 100
轉換器
其實很多時候我們會不小心傳入一些形式不太標準的結果，比如本來是 int 類型的 100，我們傳入了字符串類型的 100，那這時候直接拋錯應該不好吧，所以我們可以設置一些轉換器來增強容錯機制，比如將字符串自動轉為數字等等，看一個實例：
from attr import attrs, attrib
def to_int(value):
try:
return int(value)
except:
return None
@attrs
class Point(object):
x = attrib(converter=to_int)
y = attrib()
if __name__ == '__main__':
print(Point('100', 3))看這里，我們定義了一個方法，可以將值轉化為數字類型，如果不能轉，那么就返回 None，這樣保證了任何可以被轉數字的值都被轉為數字，否則就留空，容錯性非常高。
運行結果如下：
Point(x=100, y=3)
類型
為什么把這個放到最后來講呢，因為 Python 中的類型是非常復雜的，有原生類型，有 typing 類型，有自定義類的類型。
首先我們來看看原生類型是怎樣的，這個很容易理解了，就是普通的 int、float、str 等類型，其定義如下：
from attr import attrs, attrib
@attrs
class Point(object):
x = attrib(type=int)
y = attrib()
if __name__ == '__main__':
print(Point(100, 3))
print(Point('100', 3))這里我們將 x 屬性定義為 int 類型了，初始化的時候傳入了數值型 100 和字符串型 100，結果如下：
Point(x=100, y=3)
Point(x='100', y=3)
但我們發現，雖然定義了，但是不會被自動轉類型的。
另外我們還可以自定義 typing 里面的類型，比如 List，另外 attrs 里面也提供了類型的定義：
from attr import attrs, attrib, Factory import typing @attrs class Point(object): x = attrib(type=int) y = attrib(type=typing.List[int]) z = attrib(type=Factory(list))
這里我們引入了 typing 這個包，定義了 y 為 int 數字組成的列表，z 使用了 attrs 里面定義的 Factory 定義了同樣為列表類型。
另外我們也可以進行類型的嵌套，比如像這樣子：
from attr import attrs, attrib, Factory import typing @attrs class Point(object): x = attrib(type=int, default=0) y = attrib(type=int, default=0) @attrs class Line(object): name = attrib() points = attrib(type=typing.List[Point]) if __name__ == '__main__': points = [Point(i, i) for i in range(5)] print(points) line = Line(name='line1', points=points) print(line)
在這里我們定義了 Point 類代表離散點，隨后定義了線，其擁有 points 屬性是 Point 組成的列表。在初始化的時候我們聲明了五個點，然后用這五個點組成的列表聲明了一條線，邏輯沒什么問題。
運行結果：
[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)]
Line(name='line1', points=[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)])
可以看到這里我們得到了一個嵌套類型的 Line 對象，其值是 Point 類型組成的列表。
以上便是一些屬性的定義，把握好這些屬性的定義，我們就可以非常方便地定義一個類了。
序列轉換
在很多情況下，我們經常會遇到 JSON 等字符串序列和對象互相轉換的需求，尤其是在寫 REST API、數據庫交互的時候。
attrs 庫的存在讓我們可以非常方便地定義 Python 類，但是它對于序列字符串的轉換功能還是比較薄弱的，cattrs 這個庫就是用來彌補這個缺陷的，下面我們再來看看 cattrs 這個庫。
cattrs 導入的時候名字也不太一樣，叫做 cattr，它里面提供了兩個主要的方法，叫做 structure 和 unstructure，兩個方法是相反的，對于類的序列化和反序列化支持非常好。
基本轉換
首先我們來看看基本的轉換方法的用法，看一個基本的轉換實例：
from attr import attrs, attrib
from cattr import unstructure, structur
@attrs
class Point(object):
x = attrib(type=int, default=0)
y = attrib(type=int, default=0)
if __name__ == '__main__':
point = Point(x=1, y=2)
json = unstructure(point)
print('json:', json)
obj = structure(json, Point)
print('obj:', obj)在這里我們定義了一個 Point 對象，然后調用 unstructure 方法即可直接轉換為 JSON 字符串。如果我們再想把它轉回來，那就需要調用 structure 方法，這樣就成功轉回了一個 Point 對象。
看下運行結果：
json: {'x': 1, 'y': 2}
obj: Point(x=1, y=2)
當然這種基本的來回轉用的多了就輕車熟路了。
多類型轉換
另外 structure 也支持一些其他的類型轉換，看下實例：
>>> cattr.structure(1, str)
'1'
>>> cattr.structure("1", float)
1.0
>>> cattr.structure([1.0, 2, "3"], Tuple[int, int, int])
(1, 2, 3)
>>> cattr.structure((1, 2, 3), MutableSequence[int])
[1, 2, 3]
>>> cattr.structure((1, None, 3), List[Optional[str]])
['1', None, '3']
>>> cattr.structure([1, 2, 3, 4], Set)
{1, 2, 3, 4}
>>> cattr.structure([[1, 2], [3, 4]], Set[FrozenSet[str]])
{frozenset({'4', '3'}), frozenset({'1', '2'})}
>>> cattr.structure(OrderedDict([(1, 2), (3, 4)]), Dict)
{1: 2, 3: 4}
>>> cattr.structure([1, 2, 3], Tuple[int, str, float])
(1, '2', 3.0)這里面用到了 Tuple、MutableSequence、Optional、Set 等類，都屬于 typing 這個模塊，后面我會寫內容詳細介紹這個庫的用法。
不過總的來說，大部分情況下，JSON 和對象的互轉是用的最多的。
屬性處理
上面的例子都是理想情況下使用的，但在實際情況下，很容易遇到 JSON 和對象不對應的情況，比如 JSON 多個字段，或者對象多個字段。
我們先看看下面的例子：
from attr import attrs, attrib
from cattr import structure
@attrs
class Point(object):
x = attrib(type=int, default=0)
y = attrib(type=int, default=0)
json = {'x': 1, 'y': 2, 'z': 3}
print(structure(json, Point))在這里，JSON 多了一個字段 z，而 Point 類只有 x、y 兩個字段，那么直接執行 structure 會出現什么情況呢？
TypeError: __init__() got an unexpected keyword argument 'z'
不出所料，報錯了。意思是多了一個參數，這個參數并沒有被定義。
這時候一般的解決方法的直接忽略這個參數，可以重寫一下 structure 方法，定義如下：
def drop_nonattrs(d, type):
if not isinstance(d, dict): return d
attrs_attrs = getattr(type, '__attrs_attrs__', None)
if attrs_attrs is None:
raise ValueError(f'type {type} is not an attrs class')
attrs: Set[str] = {attr.name for attr in attrs_attrs}
return {key: val for key, val in d.items() if key in attrs}
def structure(d, type):
return cattr.structure(drop_nonattrs(d, type), type)這里定義了一個 drop_nonattrs 方法，用于從 JSON 里面刪除對象里面不存在的屬性，然后調用新的 structure 方法即可，寫法如下：
from typing import Set
from attr import attrs, attrib
import cattr
@attrs
class Point(object):
x = attrib(type=int, default=0)
y = attrib(type=int, default=0)
def drop_nonattrs(d, type):
if not isinstance(d, dict): return d
attrs_attrs = getattr(type, '__attrs_attrs__', None)
if attrs_attrs is None:
raise ValueError(f'type {type} is not an attrs class')
attrs: Set[str] = {attr.name for attr in attrs_attrs}
return {key: val for key, val in d.items() if key in attrs}
def structure(d, type):
return cattr.structure(drop_nonattrs(d, type), type)
json = {'x': 1, 'y': 2, 'z': 3}
print(structure(json, Point))這樣我們就可以避免 JSON 字段冗余導致的轉換問題了。
另外還有一個常見的問題，那就是數據對象轉換，比如對于時間來說，在對象里面聲明我們一般會聲明為 datetime 類型，但在序列化的時候卻需要序列化為字符串。
所以，對于一些特殊類型的屬性，我們往往需要進行特殊處理，這時候就需要我們針對某種特定的類型定義特定的 hook 處理方法，這里就需要用到 register_unstructure_hook 和 register_structure_hook 方法了。
下面這個例子是時間 datetime 轉換的時候進行的處理：
import datetime
from attr import attrs, attrib
import cattr
TIME_FORMAT = '%Y-%m-%dT%H:%M:%S.%fZ'
@attrs
class Event(object):
happened_at = attrib(type=datetime.datetime)
cattr.register_unstructure_hook(datetime.datetime, lambda dt: dt.strftime(TIME_FORMAT))
cattr.register_structure_hook(datetime.datetime,
lambda string, _: datetime.datetime.strptime(string, TIME_FORMAT))
event = Event(happened_at=datetime.datetime(2019, 6, 1))
print('event:', event)
json = cattr.unstructure(event)
print('json:', json)
event = cattr.structure(json, Event)
print('Event:', event)在這里我們對 datetime 這個類型注冊了兩個 hook，當序列化的時候，就調用 strftime 方法轉回字符串，當反序列化的時候，就調用 strptime 將其轉回 datetime 類型。
看下運行結果：
event: Event(happened_at=datetime.datetime(2019, 6, 1, 0, 0))
json: {'happened_at': '2019-06-01T00:00:00.000000Z'}
Event: Event(happened_at=datetime.datetime(2019, 6, 1, 0, 0))
這樣對于一些特殊類型的屬性處理也得心應手了。
嵌套處理
最后我們再來看看嵌套類型的處理，比如類里面有個屬性是另一個類的類型，如果遇到這種嵌套類的話，怎樣類轉轉換呢？我們用一個實例感受下：
from attr import attrs, attrib
from typing import List
from cattr import structure, unstructure
@attrs
class Point(object):
x = attrib(type=int, default=0)
y = attrib(type=int, default=0)
@attrs
class Color(object):
r = attrib(default=0)
g = attrib(default=0)
b = attrib(default=0)
@attrs
class Line(object):
color = attrib(type=Color)
points = attrib(type=List[Point])
if __name__ == '__main__':
line = Line(color=Color(), points=[Point(i, i) for i in range(5)])
print('Object:', line)
json = unstructure(line)
print('JSON:', json)
line = structure(json, Line)
print('Object:', line)這里我們定義了兩個 Class，一個是 Point，一個是 Color，然后定義了 Line 對象，其屬性類型一個是 Color 類型，一個是 Point 類型組成的列表，下面我們進行序列化和反序列化操作，轉成 JSON 然后再由 JSON 轉回來，運行結果如下：
Object: Line(color=Color(r=0, g=0, b=0), points=[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)])
JSON: {'color': {'r': 0, 'g': 0, 'b': 0}, 'points': [{'x': 0, 'y': 0}, {'x': 1, 'y': 1}, {'x': 2, 'y': 2}, {'x': 3, 'y': 3}, {'x': 4, 'y': 4}]}
Object: Line(color=Color(r=0, g=0, b=0), points=[Point(x=0, y=0), Point(x=1, y=1), Point(x=2, y=2), Point(x=3, y=3), Point(x=4, y=4)])上述就是小編為大家分享的怎么在Python中利用attrs與cattrs 實現面向對象編程了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
