为了避免前面提到的所有问题，在 Python 在这个领域取得进展之前，我们需要考虑以
下几点。
• 应该避免多重继承：可以采用第 14 章介绍的一些设计模式来代替它。
• super 的使用必须一致：在类的层次结构中，要么全部用 super，要么全不用。
混用 super 和传统调用是一种混乱的做法。人们往往会避免使用 super，这样代
码会更清晰。
• 如果代码的使用范围包括 Python 2，在 Python 3 中也应该显式地继承自 object：
在 Python 2 中，没有指定任何祖先的类被认为是旧式类。在 Python 2 中应避免混
用旧式类和新式类。
• 调用父类时必须查看类的层次结构：为了避免出现任何问题，每次调用父类时，必
须快速查看有关的 MRO（使用__mro__）。
高级属性访问模式
许多 C++和 Java 程序员第一次学习 Python 时，他们会对 Python 没有 private 关键
字感到惊讶。与之最接近的概念是名称修饰（name mangling）。每当在一个属性前面加上
__前缀，解释器就会立刻将其重命名：
class MyClass:
__secret_value = 1
利用原始名称访问__secret_value 属性，将会引发 AttributeError 异常：
instance_of = MyClass()
instance_of. _secret_value
Traceback (most recent call last):
File “”, line 1, in
AttributeError: ‘MyClass’ object has no attribute ’ _secretvalue’
dir(MyClass)
[’_MyClass _secret_value’, ’ __class __‘, ’ __delattr __’, ’ __dict __‘, ’ __
dir __’, ’ __doc __‘, ’ __eq __’, ’ __format __‘, ’ __ge __’, ’ __getattribute __‘,
’ __gt __’, ’ __hash __‘, ’ __init __’, ’ __le __‘, ’ __lt __’, ’ __module __‘,
’ __ne __’, ’ __new __‘, ’ __reduce __’, ’ _reduce_ex __‘, ’ __repr __’, ’ __
setattr __‘, ’ __sizeof', ’str', ’subclasshook', ’weakref']
instanceof.MyClasssecretvalue
1
Python 提供这一特性是为了避免继承中的名称冲突，因为属性被重命名为以类名为前
缀的名称。这并不是真正的锁定（real lock），因为可以通过其组合名称来访问该属性。这
一特性可用于保护某些属性的访问，但在实践中，永远不应使用。如果一个属性不是公
有的，约定使用_前缀。这不会调用任何名称修饰的算法，而只是说明这个属性是该类的私
有元素，这是流行的写法。
Python 中还有其他可用的机制来构建类的公有部分和私有代码。应该使用描述符和
property 这些 OOP 设计的关键特性来设计一个清晰的 API。
描述符
描述符（descriptor）允许你自定义在引用一个对象的属性时应该完成的事情。
描述符是 Python 中复杂属性访问的基础。它在内部被用于实现 property、方法、类
方法、静态方法和 super 类型。它是一个类，定义了另一个类的属性的访问方式。换句话
说，一个类可以将属性管理委托给另一个类。
描述符类基于 3 个特殊方法，这 3 个方法组成了描述符协议（descriptor protocol）：
•set(self, obj, type=None)：在设置属性时将调用这一方法。在下面的
示例中，我们将其称为 setter。
•get(self, obj, value)：在读取属性时将调用这一方法（被称为 getter）。
•delete(self, obj)：对属性调用 del 时将调用这一方法。
实现了__get()和__set()的描述符被称为数据描述符（data descriptor）。如果只
实现了__get()，那么就被称为非数据描述符（non-data descriptor）。
在每次属性查找中，这个协议的方法实际上由对象的特殊方法__getattribute()
调用（不要与__getattr()弄混，后者用于其他目的）。每次通过点号（形式为
instance.attribute）或者 getattr(instance, ‘attribute’)函数调用来执行
这样的查找时，都会隐式地调用__getattribute()，它按下列顺序查找该属性：
1．验证该属性是否为实例的类对象的数据描述符。
2．如果不是，就查看该属性是否能在实例对象的__dict__中找到。
3．最后，查看该属性是否为实例的类对象的非数据描述符。
换句话说，数据描述符优先于__dict__查找，而__dict__查找优先于非数据描述符。
为了表达得更清楚，下面是 Python 官方文档中的示例，给出了描述符在真实代码中的
工作方式：
class RevealAccess(object):
“”“一个数据描述符，正常设定值并返回值，同时打印出记录访问的信息。
“””
definit(self, initval=None, name=‘var’):
self.val = initval
self.name = name
defget(self, obj, objtype):
print(‘Retrieving’, self.name)
return self.val
defset(self, obj, val):
print(‘Updating’, self.name)
self.val = val
class MyClass(object):
x = RevealAccess(10, ‘var “x”’)
y = 5
下面是在交互式会话中的使用示例：
m = MyClass()
m.x
Retrieving var “x”
10
m.x = 20
Updating var “x”
m.x
Retrieving var “x”
20
m.y
5
前一个例子清楚地表明，如果一个类的某个属性有数据描述符，那么每次查找这个属
性时，都会调用描述符的__get()方法并返回它的值，每次对这个属性赋值时都会调用
set()。虽然前一个例子没有给出描述符__del__方法的例子，但现在也应该清楚了：
每次通过 del instance.attribute 语句或 delattr(instance, ‘attribute’)
调用删除一个实例属性时都会调用它。
由于上述原因，数据描述符和非数据描述符的区别很重要。Python 已经使用描述符协
议将类函数绑定为实例方法。它还支持了 classmethod 和 staticmethod 装饰器背后
的机制。事实上，这是因为函数对象也是非数据描述符，如下所示：
def function(): pass
hasattr(function, ’ __get __’)
True
hasattr(function, ’ __set __‘)
False
对于 lambda 表达式创建的函数也是如此：
hasattr(lambda: None, ’ __get __’)
True
hasattr(lambda: None, ’ __set __')
False
因此，如果没有__dict__优先于非数据描述符，我们将不可能在运行时在已经构建好
的实例上动态覆写特定的方法。幸运的是，多亏了 Python 描述符的工作方式。由于这一工
作方法，使得开发人员可以使用一种叫作猴子补丁（monkey-patching）的流行技术来改变
实例的工作方式，而不需要子类化。
