Python 提供了 3 种方式来引入外部模块:import
语句、from ... import ...
及 __import__
函数。其中较为常见的为前面两种,而 __import__
函数与 import
语句类似,不同点在于前者显式地将模块的名称作为字符串传递并赋值给命名空间的变量。
在使用 import
的时候注意以下几点:
- 一般情况下尽量优先使用
import a
形式 - 有节制地使用
from a import B
形式 - 尽量避免使用
from a import *
,因为这会污染命名空间
Python 在初始化运行环境的时候会预先加载一批内建模块到内存中,这些模块相关的信息被存放在 sys.modules
中。读者导入 sys 模块后在 Python 解释器中输入 sys.modules.items()
便可显示所有预加载模块的相关信息。当加载一个模块的时候,解释器实际上要完成以下动作:
- 在
sys.modules
中进行搜索看看该模块是否已经存在,如果存在,则将其导入到当前局部命名空间,加载结束 - 如果在
sys.modules
中找不到对应模块的名称,则为需要导入的模块创建一个字典对象,并将该对象信息插入sys.modules
中 - 加载前确认是否需要对模块对应的文件进行编译,如果需要则先进行编译
- 执行动态加载,在当前模块的命名空间中执行编译后的字节码,并将其中所有的对象放入模块对应的字典中
对于用户定义的模块,import 机制会创建一个新的 module 将其加入当前的局部命名空间中,与此同时,sys.modules
也加入了该模块的相关信息。但从 id 输出的结果可以看出,本质上是引用同一个对象。同时会发现所在的目录下多了一个 .pyc
的文件,该文件为解释器生成的模块对应的字节码,从 import
之后的输出可以看出模块同时被执行。
需要注意的是,直接使用 import
和使用 from a import B
形式这两者之间存在一定的差异,后者直接将 B 暴露于当前局部空间,而将 a 加载到 sys.modules
集合。
对于 from a import ...
无节制的使用会带来什么问题:
- 命名空间的冲突
- 一般来说在非常明确不会造成命名冲突的前提下,以下几种情况下可以考虑使用
from ... import
语句:- 当只需要导入部分属性或方法时
- 模块中的这些属性和方法访问频率较高导致使用 "模块名.名称" 的形式进行访问过于繁琐时
- 模块的文档明确说明需要使用
from ... import
形式,导入的是一个包下面的子模块,且使用from ... import
形式能够更为简单和便利时。
- 一般来说在非常明确不会造成命名冲突的前提下,以下几种情况下可以考虑使用
- 循环嵌套导入的问题
- 解决循环嵌套导入问题的一个方法是直接使用 import 语句
解释器默认先从当前目录下搜索对应的模块,当搜到时便停止搜索进行动态加载。
在 Python2.4 以前默认为隐式的 relative import
,局部范围的模块将覆盖同名的全局范围的模块。如果要使用标准库中同名的模块,需要深入考察 sys.modules
。Python2.5 中后虽然默认的仍然是 relative import
,但它为 absolute import
提供了一种新的机制,在模块中使用 from __future__ import absolute_import
语句进行说明后再进行导入。同时它还通过点号提供了一种显式进行 relative import
的方法,"." 表示当前目录, ".." 表示当前目录的上一层目录。
使用显式 relative import
之后再运行程序可能遇到这种错误 "ValueError: Attempted relative import in non-package"。这个问题产生的原因在于 relative import
使用模块的 __name__
属性来决定当前模块在包的顶层位置,而不管模块在文件系统中的实际位置。而在 relative import
的情形下,__name__
会随着文件加载方式的不同而发生改变。python -m
中 -m
的作用是使得一个模块像脚本一样运行。而无论以何种方式加载,当在包的内部运行脚本的时候,包相关的结构信息都会丢失,默认当前脚本所在的位置为模块在包中的顶层位置,因此便会抛出异常。
解决办法:
- 在包的顶层目录中加入参数
-m
运行该脚本 - 利用 Python2.6 在模块中引入的
__package__
属性,设置__package__
之后,解释器会根据__package__
和__name__
的值来确定包的层次结构。
一个参考示例,以下不会出现在包结构内运行模块对应的脚本时出错的情况:
if __name__ == "__main__" and __package__ is None:
import sys
import os.path
sys.path[0] = os.path.abspath("./../../")
print(sys.path[0])
import app.sub1
__package__ = str("app.sub1")
from . import string
相比于 absolute import
,relative import
在实际应用中反馈的问题较多,因此推荐优先使用 absolute import
。absolute import
可读性和出现问题后的可跟踪性都更好。当项目的包层次结构较为复杂的时候,显式 relative import
也是可以接受的,由于命名冲突的原因以及语义模糊等原因,不推荐使用隐式地 relative import
,并且它在 Python3 中已经被移除。
Python 解释器会将 ++i
操作解释为 +(+i)
,其中 +
表示正数符号。对于 --i
操作也是类似。
因此需要明白 ++i
在 Python 中语法上是合法的,但并不是我们理解的通常意义上的自增操作。
对文件操作完成后应该立即关闭它们,因为打开的文件不仅会占用系统资源,而且可能影响其他程序或者进程的操作,甚至会导致用户期望与实际操作结果不一致。
Python 提供了 with
语句,语法为:
with 表达式 [as 目标]:
代码块
with
语句支持嵌套,支持多个 with
子句,它们两者可以相互转换。with expr1 as e1, expr2 as e2
与下面的嵌套形式等价:
with expr1 as e1:
with expr2 as e2:
with
语句可以在代码块执行完毕后还原进入该代码块时的现场。包含有 with
语句的代码块的执行过程如下:
- 计算表达式的值,返回一个上下文管理器对象
- 加载上下文管理器对象的
__exit__()
方法以备后用 - 调用上下文管理器对象的
__enter__()
方法 - 如果
with
语句中设置了目标对象,则将__enter__()
方法的返回值赋值给目标对象 - 执行
with
中的代码块 - 如果步骤 5 中代码正常结束,调用上下文管理其对象的
__exit__()
方法,其返回值直接忽略 - 如果步骤 5 中代码执行过程中发生异常,调用上下文管理器对象的
__exit__()
方法,并将异常类型、值及traceback
信息作为参数传递给__exit__()
方法。如果__exit__()
返回值为 false,则异常会被重新抛出;如果其返回值为 true,异常被挂起,程序继续执行。
在文件处理时使用 with 的好处在于无论程序以何种方式跳出 with 块,总能保证文件被正确关闭。实际上,它不仅仅针对文件处理,针对其他情景同样可以实现运行时环境的清理与还原,如多线程编程中的锁对象的管理。with
得益于一个称为上下文管理器(context manager)的东西,用来创建一个运行时的环境。上下文管理器是这样一个对象:它定义程序运行时需要建立的上下文,处理程序的进入和退出,实现了上下文管理协议,即在对象中定义 __enter__()
和 __exit__()
方法。其中:
__enter__()
:进入运行时的上下文,返回运行时上下文相关的对象,with
语句中会将这个返回值绑定到目标对象。__exit__(exception_type, exception_value, traceback)
:退出运行时的上下文,定义在块执行(或终止)之后上下文管理器应该做什么。它可以处理异常、清理现场或者处理with
块中语句执行完成之后需要处理的动作。
实际上任何实现了上下文协议的对象都可以称为一个上下文管理器,文件也是实现了这个协议的上下文管理器,它们都能够与 with
语句兼容。
用户也可以定义自己的上下文管理器来控制程序的运行,只要实现上下文协议便能够和 with
语句一起使用:
class MyContextManager(object):
def __enter__(self): # 实现 __enter__ 方法
print("entering...")
def __exit__(self, exception_type, exception_value, traceback):
print("leaving")
if exception_type is None:
print("no exceptions!")
return False
elif exception_type is ValueError:
print("value error!!!")
return True
else:
print("other error")
return True
with MyContextManager():
print("Testing...")
raise (ValueError) # 注释这一句会得到不同的效果
因为上下文管理器主要作用于资源共享,因此在实际应用中 __enter__()
和 __exit__()
方法基本用语资源分配以及释放相关的工作,如打开/关闭文件、异常处理、断开流的连接、锁分配等。为了更好地辅助上下文管理,Python 还提供了 contextlib
模块,该模块是通过 Generator
实现的,contextlib
中的 contextmanager
作为装饰器来提供一种针对函数级别的上下文管理机制,可以直接作用于函数/对象而不用去关心 __enter__()
和 __exit__()
方法的具体实现。
在循环中,else
子句提供了隐含的对循环是否由 break 语句引发循环结束的判断。例子:
# 以下两段代码等价
# 我们借助了一个标志量 found 来判断循环结束是不是由 break 语句引起的。
def print_prime(n):
for i in range(2, n):
found = True
for j in range(2, i):
if i % j == 0:
found = False
break
if found:
print("{} is a prime number".format(i))
def print_prime2(n):
for i in range(2, n):
for j in range(2, i):
if i % j == 0:
break
else:
print("{} is a prime number".format(i))
当循环“自然”终结(循环条件为假)时 else
从句会被执行一次,而当循环是由 break
语句中断时,else
子句就不被执行。与 for
语句相似,while
语句中的 else
子句的语意是一样的:else
块在循环正常结束和循环条件不成立时被执行。
在 Python 的异常处理中,也提供了 else
子句语法,try
块没有抛出任何异常时,执行 else
块。Python 的异常处理中有一种 try-except-else-finally
形式。
异常处理通常需要遵循以下几点基本原则:
- 注意异常的粒度,不推荐在
try
中放入过多的代码。在处理异常的时候最好保持异常粒度的一致性和合理性。在 try 中放入过多的代码带来的问题是如果程序中抛出异常,将会较难定位,给 debug 和修复带来不便,因此应尽量只在可能抛出异常的语句块前面放入 try 语句。 - 谨慎使用单独的 except 语句处理所有异常,最好能定位具体的异常。同样也不推荐使用
except Exception
或者except StandardError
来捕获异常。如果必须使用,最好能够使用 raise 语句将异常抛出向上层传递。 - 注意异常捕获的顺序,在合适的层次处理异常。Python 中内建异常以类的形式出现,Python 2.5 后异常被迁移到新式类上,启用了一个新的所有异常之母的
BaseException
类,内建异常有一定的继承结构。- 用户也可以继承自内建异常构建自己的异常类,从而在内建类的继承结构上进一步延伸。在这种情况下捕获异常的顺序显得非常重要。为了更精确地定位错误发生的原因,推荐的方法是将继承结构中子类异常在前面的 except 语句中抛出,而父类异常在后面的 except 语句抛出。这样做的原因是当 try 块中有异常发生的时候,解释器根据 except 声明的顺序进行匹配,在第一个匹配的地方便立即处理该异常。
- 异常捕获的顺序非常重要,同时异常应该在适当的位置被处理,一个原则就是如果异常能够在被捕获的位置被处理,那么应该及时处理,不能处理也应该以合适的方式向上层抛出。向上层传递的时候需要警惕异常被丢失的情况,可以使用不带参数的
raise
来传递
- 使用更为友好的异常信息,遵守异常参数的规范。软件最终是位用户服务的,当异常发生的时候,异常信息清晰友好与否直接关系到用户体验。通常来说有两类异常阅读者:使用软件的人和开发软件的人。
无论 try
语句中是否有异常抛出,finally
语句总会被执行。由于这个特性,finally
语句经常被用来做一些清理工作。
但使用 finally 时,也要特别小心一些陷阱。
- 当
try
块中发生异常的时候,如果在except
语句中找不到对应的异常处理,异常将会被临时保存起来,当finally
执行完毕的时候,临时保存的异常将会再次被抛出,但如果finally
语句中产生了新的异常或者执行了return
或者break
语句,那么临时保存的异常将会被丢失,从而导致异常屏蔽。 - 在实际应用程序开发过程中,并不推荐在
finally
中使用return
语句进行返回,这种处理方式不仅会带来误解而且可能会引起非常严重的错误。
Python 中以下数据会当作空来处理:
- 常量 None
- 常量 False
- 任何形式的数值类型零,如 0、0L、0.0、0j
- 空的序列,如 "、()、[]
- 空的字典,如 {}
- 当用户定义的类中定义了
nonzero()
和len()
方法,并且该方法返回整数 0 或者布尔值 False 的时候。
其中常量 None
的特殊性体现在它既不是 0
、False
,也不是空字符串,它就是一个空值对象。其数据类型为 NoneType
,遵循单例模式,是唯一的,因而不能创建 None
对象。所有赋值为 None
的变量都相等,并且 None
与任何其他非 None
的对象比较结果都为 False
。
if list1: # value is not empty
Do something
else: # value is empty
Do some other thing
执行过程中会调用内部方法 __nonzero__()
来判断变量 list1 是否为空并返回其结果。__nonzero__()
方法:该内部方法用于对自身对象进行空值测试,返回 0/1
或 True/False
。如果一个对象没有定义该方法,Python 将获取 __len__()
方法调用的结果来进行判断。__len__()
返回值为 0 则表示为空。如果一个类中既没有定义 __len__()
方法也没有定义 __nonzero__()
方法,该类的实例用 if
判断的结果都为 True
。
Python 中的字符串与其他一些程序语言如 C++、Java 有一些不同,它为不可变对象,一旦创建便不能改变,它的这个特性直接影响到 Python 中字符串连接的效率。
- 使用操作符
+
连接字符串 - 使用
join
方法连接字符串
一个测试的例子:
import timeit
# 生成测试所需要的字符数组
strlist = ["it is a long value string will not keep in memory" for n in range(100000)]
def join_test():
return "".join(strlist) # 使用 join 方法连接 strlist 中的元素并返回字符串
def plus_test():
result = ""
for i, v in enumerate(strlist):
result +=v
return result
if __name__ == "__main__":
join_timer = timeit.Timer("join_test()", "from __main__ import join_test")
print(join_timer.timeit(number=100))
plus_timer = timeit.Timer("plus_test()", "from __main__ import plus_test")
print(plus_timer.timeit(number=100))
从分析测试结果图表示,join()
方法的效率要高于 +
操作符。当用操作符 +
连接字符串的时候,由于字符串是不可变对象,其工作原理实际上是这样的:如果要连接如下字符串:S1+S2+S3+...+SN
,执行一次 +
操作便会在内存中申请一块新的内存空间,并将上一次操作的结果和本次操作的右操作数复制到新申请的内存空间,在 N
个字符串连接的过程中,会产生 N-1
个中间结果,每产生一个中间结果都需要申请和复制一次内存,总共需要申请 N-1
次内存,从而严重影响了执行效率,时间复杂度近似为 O(n^2)
。
而当用 join()
方法连接字符串的时候,会首先计算需要申请的总的内存空间,然后一次性申请所需内存并将字符序列中的每一个元素复制到内存中去,所以 join
操作的时间复杂度为 O(n)
。
Python 中内置的 %
操作符和 .format
方式都可用于格式化字符串。
%
操作符根据转换说明符所规定的格式返回一串格式化后的字符串,转换说明符的基本形式为:% [转换标记][宽度[. 精确度]]转换类型
。其中常见的转换标记和转换类型分别如下表所示,如果未指定宽度,则默认输出为字符串本身的宽度。
转换标记 | 解释 |
---|---|
- | 表示左对齐 |
+ | 在正数之前加上 + |
(a space) | 表示正数之前保留空格 |
# | 在八进制数前面显示零('0'),在十六进制前面显示 0x 或者 0X |
0 | 表示转换值若位数不够用 0 填充而非默认的空格 |
转换类型 | 解释 |
---|---|
c | 转换为单个字符,对于数字将转换该值所对应的 ASCII 码 |
s | 转换为字符串,对于非字符串对象,将默认调用 str() 函数进行转换 |
r | 用 repr() 函数进行字符串转换 |
id | 转换为带符号的十进制数 |
u | 转换为不带符号的十进制数 |
o | 转换为不带符号的八进制数 |
x X | 转换为不带符号的十六进制 |
e E | 表示为科学计数法表示的浮点数 |
f F | 转成浮点数(小数部分自然截断) |
g G | 如果指数大于 -4 或者小于精度值则和 e/E 相同,其他情况与 f/F 相同 |
%
操作符格式化字符串时有如下几种常见用法:
- 直接格式化字符或者数值
- 以元组的形式格式化
- 以字典的形式格式化
.format
方式格式化字符串的基本语法为:[[ 填充符 ] 对齐方式 ][ 符号 ][#][0][ 宽度 ][,][.精确度 ][ 转换类型 ]
。其中填充符可以是除了 "{" 和 "}" 符号之外的任意符号,对齐方式和符号分别如下表所示,转换类型跟 %
操作符的转换类型类似。
对齐方式 | 解释 |
---|---|
< | 表示左对齐,是大多数对象为默认的对齐方式 |
> | 表示右对齐,数值默认的对齐方式 |
= | 仅对数值类型有效,如果有符号的话,在符号后数值前进行填充,如 -000029 |
^ | 居中对齐,用空格进行填充 |
符号 | 解释 |
---|---|
+ | 正数前加 +,负数前加 - |
- | 正数前不加符号,负数前加 -,为数值的默认形式 |
空格 | 正数前加空格,负数前加 - |
.format
方法几种常见的用法如下:
-
使用位置符号
-
>>> "The number {0:,} in hex is: {0:#x}, the number {1} in oct is {1:#o}".format(4746, 45) 'The number 4,746 in hex is: 0x128a, the number 45 in oct is 0o55'
-
-
使用名称
-
>>> "the max number is {max}, the min number is {min}, the average number is {average:0.3f}".format(max=189, min=12.6, average=23.5) 'the max number is 189, the min number is 12.6, the average number is 23.500'
-
-
通过属性
-
class Customer(object): def __init__(self, name, gender, phone): self.name = name self.gender = gender self.phone = phone def __str__(self): return "Customer({self.name}, {self.gender}, {self.phone})".format(self=self) >>> str(Customer("Lisa", "Female", "67889")) "Customer(Lisa, Female, 67889)"
-
-
格式化元组的具体项
-
>>> point = (1, 3) >>> "X:{0[0]};Y:{0[1]}".format(point) "X:1;Y:3"
-
推荐尽量使用 format
方式而不是 %
操作符来格式化字符串,理由如下:
-
format
方式在使用上较%
操作符更为灵活。使用format
方式时,参数的顺序与格式化的顺序不必完全相同 -
format
方式可以方便的作为参数传递-
weather = [("Monday", "rain"), ("Tuesday", "sunny"), ("Wednesday", "sunny"), ("Thursday", "rain"), ("Friday", "cloudy")] formatter = "Weather of '{0[0]}' is '{0[1]}'".format for item in map(formatter, weather): print(item)
-
-
%
最终会被.format
方式所代替。根据 Python 的官方文档,之所以仍然保留%
操作符是为了保持向后兼容 -
%
方法在某些特殊情况下使用时需要特别小心,对于%
直接格式化字符的这种形式,如果字符本身为元组,则需要使用在%
使用(itemname,)
这种形式才能避免错误,注意逗号。
Python 中一切皆对象,每一个对象都有一个唯一的标示符(id())、类型(type())以及值。对象根据其值能否修改分为可变对象和不可变对象,其中数字、字符串、元组属于不可变对象,字典以及列表、字节数组属于可变对象。
字符串为不可变对象,任何对字符串中某个字符的修改都会抛出异常。修改字符串中某个字符可以采用如下方式:
test_str = "I am a pytlon string"
import array
a = array.array('u', test_str)
a[10] = 'h'
print(a.tostring().decode())
默认参数在函数被调用的时候仅仅被评估一次,以后都会使用第一次评估的结果。在将可变对象作为函数默认参数的时候要特别紧惕,对可变对象的更改会直接影响原对象。最好的方法是传入 None 作为默认参数,在创建对象的时候动态生成可变对象。
对于一个可变对象,还有一个问题是需要注意的。切片操作相当于浅拷贝。对于不可变对象来说,当我们对其进行相关操作的时候,Python 实际上仍然保持原来的值而且重新创建一个新的对象,所以字符串对象不允许以索引的方式进行赋值,当有两个对象同时指向一个字符串对象的时候,对其中一个对象的操作并不会影响另一个对象。
列表解析(list comprehension),语法为:[expr for iter_item in iterable if cond_expr]
。
- 列表解析支持多重嵌套
- 支持多重迭代
- 列表解析语法中的表达式可以是简单表达式,也可以是复杂表达式,甚至是函数
- 列表解析语法中的 iterable 可以是任意可迭代对象
推荐在需要生成列表的时候使用列表解析:
- 使用列表解析更为直观清晰,代码更为简洁
- 列表解析的效率更高(对于大数据处理,列表解析并不是一个最佳选择,过多的内存消耗可能会导致
MemoryError
)
元组(tuple)的初始化语法是(expr for iter_item in iterable if cond_expr
),而集合(set)的初始化语法是 {expr for iter_item in iterable if cond_expr }
,甚至字典(dict)也有类似的语法 { expr1, expr2 for iter_item in iterable if cond_expr }
。但需要注意,因为元组也适用赋值语句的装箱和拆箱机制。另外,当函数接受一个可迭代对象参数时,可以使用元组的简写形式:
def foo(a):
for i in a:
print(i)
foo(i for i in range(3) if i % 2 == 0)
对于 Python 函数参数是传值还是传引用这个问题的答案是:都不是。正确的叫法应该是传对象(call by object)或者说传对象的引用(call-by-object-reference)。函数参数在传递的过程中将整个对象传入,对可变对象的修改在函数外部以及内部都可见,调用者和被调用者之间共享这个对象,而对于不可变对象,由于并不能真正被修改,因此,修改往往是通过生成一个新对象然后赋值来实现的。
# 自己的测试
>>> def test_func(a_list):
a_list[0] = 'a'
print("0: {}".format(a_list))
a_list = ["b","c","d"]
print("1: {}".format(a_list))
>>> a_list = ["c","d","e"]
>>> test_func(a_list)
0: ['a', 'd', 'e']
1: ['b', 'c', 'd']
>>> a_list
['a', 'd', 'e']
def 在 Python 中是一个可执行的语句,当解释器执行 def 的时候,默认参数也会被计算,并存在函数的 .func_defaults
属性中。由于 Python 中函数参数传递的是对象,可变对象在调用者和被调用者之间共享,而再次调用的时候默认参数不会重新计算。
如果不想让默认参数所指向的对象在所有的函数调用中被共享,而是在函数调用的过程中动态生成,可以在定义的时候用 None 对象作为占位符。
Python 支持可变长度的参数列表,可以通过在函数定义的时候使用 *args
和 **kwargs
这两个特殊语法来实现。
- 使用
*args
来实现可变参数列表:*args
用于接受一个包装为元组形式的参数列表来传递非关键字参数,参数个数可以任意。 - 使用
**kwargs
接受字典形式的关键字参数列表,其中字典的键值对分别表示不可变参数的参数名和值。
不同形式的参数同时存在的情况下,会首先满足普通参数,然后是默认参数。如果剩余的参数个数能够覆盖所有的默认参数,则默认参数会使用传递时候的值;如果剩余参数个数不够,则尽最大可能满足默认参数的值。除此之外的参数除了键值对以外的所有参数都将作为 args 的可变参数,kwargs 则与键值对对应。
慎用可变长度参数,原因如下:
- 使用过于灵活,在混合普通参数或者默认参数的情况下,变长参数意味着这个函数的签名不够清晰,存在多种调用方式。另外变长参数可能会破坏程序的健壮性。
- 如果一个函数的参数列表很长,虽然可以通过使用
*args
和**kwargs
来简化函数的定义,但这通常意味着这个函数可以有更好的实现方式,应该被重构。 - 可变长参数适合在下列情况下使用:
- 为函数添加一个装饰器
- 如果参数的数目不确定,可以考虑使用变长参数。
- 用来实现函数的多态或者在继承情况下子类需要调用父类的某些方法的时候
函数 str()
和 repr()
都可以将 Python 中的对象转换为字符串,它们的使用以及输出都非常相似。总结来说有以下几点区别:
- 两者之间的目标不同:
str()
主要面向用户,其目的是可读性,返回形式为用户友好性和可读性都较强的字符串类型;而repr()
面向的是 Python 解释器,或者说开发人员,其目的是准确性,其返回值表示 Python 解释器内部的含义,常作为编程人员 debug 用途 - 在解释器中直接输入时默认调用
repr()
函数,而 print 则调用str()
函数 repr()
的返回值一般可以用eval()
函数来还原对象,通常来说有如下等式:obj == eval(repr(obj))
,这个等式不是所有情况下都成立- 一般来说在类中都应该定义
__repr__()
方法,而__str__()
方法则为可选,当可读性比准确性更为重要的时候应该考虑定义__str__()
方法。如果类中没有定义__str__()
方法,则默认会使用__repr__()
方法的结果来返回对象的字符串表示形式。用户实现__repr__()
方法的时候最好保证其返回值可以用eval()
方法使对象重新还原。
Python 中的静态方法和类方法都依赖于装饰器来实现。静态方法和类方法都可以通过类名.方法名或者实例.方法名的形式来访问。其中静态方法没有常规方法的特殊行为,如绑定、非绑定、隐式参数等规则,而类方法的调用使用类本身作为其隐含参数,但调用本身并不需要显示提供该参数。
类方法在调用的时候没有显式声明 cls,但实际上类本身是作为隐藏参数传入的。
方法既不跟特定的实例相关也不跟特定的类相关,因此将其定义为静态方法是个不错的选择,这样代码能够一目了然。静态方法定义在类中,较之外部函数,能够更加有效地将代码组织起来,从而使相关代码的垂直距离更近,提高代码的可维护性。