利用 WeakSet 解决 观察者 模式中的内存泄漏问题 大家好，今天我们来聊聊观察者模式，以及如何在 Python 中使用 WeakSet 来解决观察者模式中常见的内存泄漏问题。 观察者模式简介 观察者模式是一种行为型设计模式，它定义了一种一对多的依赖关系，让多个观察者对象同时监听某一个主题对象。当主题对象的状态发生改变时，所有依赖它的观察者对象都会收到通知并自动更新。 简单来说，就是有一个主题 (Subject) 维护着一个观察者 (Observer) 列表，主题的状态改变会通知所有观察者。 主要角色： 主题 (Subject): 维护观察者列表，提供添加、删除观察者的方法，并在状态改变时通知观察者。 观察者 (Observer): 定义一个更新接口，当接收到主题的通知时，执行更新操作。 具体主题 (ConcreteSubject): 主题的具体实现，维护自身状态，并在状态改变时通知观察者。 具体观察者 (ConcreteObserver): 观察者的具体实现，实现更新接口，响应主题的通知。 优点： 解耦: 主题和观察者之间是松耦合的，主题不需要知道观察者的具体实现。 扩展性: 可 …
`命令`模式：如何使用`Python`实现`可撤销`和`可重做`的操作。
好的，我们开始今天的讲座，主题是命令模式：如何使用 Python 实现可撤销和可重做操作。 今天我们来深入探讨命令模式，以及如何利用它在 Python 中实现可撤销和可重做功能。这种模式在很多应用场景中都非常有用，例如文本编辑器、图形编辑器、游戏等等。 1. 命令模式的基本概念 命令模式是一种行为型设计模式，其核心思想是将一个请求封装成一个对象，从而使你可用不同的请求对客户进行参数化；对请求排队或记录请求日志，以及支持可撤销的操作。 简单来说，命令模式包含以下几个关键角色： Command (命令)：声明执行操作的接口。 ConcreteCommand (具体命令)：实现 Command 接口，将一个接收者对象绑定于一个动作。调用接收者相应的操作，以实现 execute。 Receiver (接收者)：知道如何实施与执行一个请求相关的操作。任何类都可充当一个接收者。 Invoker (调用者)：要求该命令执行这个请求。 Client (客户)：创建一个 ConcreteCommand 对象并设置其接收者。 2. 命令模式的优势 解耦性：命令模式将发出请求的对象（调用者）和执行请求的对象 …
在`Python`中实现`依赖注入`（`DI`）：使用`Inject`或`Dependency-Injector`库。
Python 依赖注入：使用 Inject 和 Dependency-Injector 大家好，今天我们来深入探讨 Python 中的依赖注入（DI），并着重介绍两个流行的 DI 库：Inject 和 Dependency-Injector。依赖注入是一种设计模式，旨在降低软件组件之间的耦合度，提高代码的可测试性、可维护性和可重用性。 什么是依赖注入？ 在传统编程中，一个对象通常负责创建和管理它所依赖的其他对象。这会导致紧耦合，使得修改或替换依赖项变得困难。依赖注入通过以下方式解决这个问题： 解耦： 对象不再负责创建其依赖项。 外部提供： 依赖项从外部提供给对象，通常是通过构造函数、setter 方法或接口。 控制反转（IoC）： 对象将控制权交给外部容器或框架，由其负责依赖项的创建和注入。 简而言之，依赖注入是一种将依赖关系从对象内部转移到外部的过程。 依赖注入的优势 可测试性： 容易使用 Mock 对象或 Stub 对象替换真实的依赖项，进行单元测试。 可维护性： 修改或替换依赖项不会影响使用该依赖项的对象。 可重用性： 对象可以更容易地在不同的上下文中重用，因为它的依赖项是可配置 …
继续阅读“在`Python`中实现`依赖注入`（`DI`）：使用`Inject`或`Dependency-Injector`库。”
`Python`的`字典`实现：`哈希表`的`底层`实现与`有序`字典的`新`特性。
Python字典：哈希表底层实现与有序字典新特性 各位朋友，大家好！今天我们来深入探讨Python字典，这个看似简单却功能强大的数据结构。我们将从哈希表的底层实现开始，逐步剖析字典的工作原理，然后深入研究Python 3.7引入的有序字典特性，以及它对性能和应用场景的影响。 1. 字典的基石：哈希表 Python字典的核心是哈希表（Hash Table）。哈希表是一种高效的数据结构，它通过将键（key）映射到数组中的特定位置（索引）来实现快速查找。这个映射过程称为哈希函数。 1.1 哈希函数 哈希函数的目标是将任意类型的键转换为一个整数，这个整数称为哈希值。一个好的哈希函数应该满足以下几个条件： 一致性： 相同的键必须始终产生相同的哈希值。 均匀性： 哈希值应该尽可能均匀地分布在哈希表的索引范围内，以减少冲突。 高效性： 计算哈希值应该尽可能快。 Python内置的hash()函数用于计算对象的哈希值。例如： print(hash(“hello”)) print(hash(123)) print(hash((1, 2, 3))) 需要注意的是，并非所有Python对象都可以被哈希。只有 …
`Python`的`字符串`实现：`Unicode`编码与`内存`优化。
Python 字符串实现：Unicode 编码与内存优化 大家好，今天我们来深入探讨 Python 字符串的实现机制，重点关注 Unicode 编码的处理方式以及 Python 在字符串内存优化方面所做的努力。字符串是编程中最常用的数据类型之一，理解其底层实现对于编写高效的 Python 代码至关重要。 1. Unicode 编码：Python 字符串的基石 在 Python 3 中，字符串默认使用 Unicode 编码。这意味着 Python 字符串可以表示世界上几乎所有的字符，包括 ASCII 字符、汉字、日文、韩文等等。 这一点与 Python 2 不同，Python 2 的字符串默认使用 ASCII 编码，需要显式地使用 unicode 类型来表示 Unicode 字符串。 1.1 什么是 Unicode？ Unicode 是一个字符编码标准，旨在为世界上所有的字符提供唯一的数字标识。每个字符都被分配一个唯一的码点（code point），码点通常表示为 U+XXXX 的形式，其中 XXXX 是一个十六进制数字。例如，字母 ‘A’ 的码点是 U+0041 …
`Python`的`函数式`编程：`currying`和`partial`在`函数`组合中的`应用`。
好的，下面是一篇关于Python函数式编程中currying和partial在函数组合中应用的技术文章，以讲座模式呈现。 Python函数式编程：Currying和Partial在函数组合中的应用 各位朋友，大家好！今天我们来聊聊Python函数式编程中两个非常重要的概念：Currying（柯里化）和Partial Application（偏函数应用）。它们在函数组合中扮演着关键角色，能够帮助我们编写更简洁、可复用性更高的代码。 1. 函数式编程思想回顾 在深入Currying和Partial之前，我们先简单回顾一下函数式编程的一些核心思想： 纯函数 (Pure Functions)：给定相同的输入，总是产生相同的输出，并且没有副作用。 不可变性 (Immutability)：数据一旦创建，就不能被修改。 函数是一等公民 (First-Class Functions)：函数可以像任何其他数据类型一样被传递、赋值和返回。 高阶函数 (Higher-Order Functions)：接受函数作为参数或返回函数的函数。 无副作用 (Side-Effect Free)：函数不应该修改程序的状态 …
`Python`的`类型提示`：`Typing`模块的`Protocol`和`Generic`实现`协议`编程。
Python类型提示进阶：Protocol与Generic的协议编程 大家好，今天我们深入探讨Python类型提示中两个强大的工具：Protocol和Generic，以及它们如何共同实现更灵活、更健壮的协议编程。 1. 协议编程的概念与优势 协议编程，也称为隐式接口或鸭子类型（Duck Typing），是一种编程范式，它关注对象“做什么”，而不是对象“是什么”。 换句话说，我们关心一个对象是否拥有特定方法，并能按照预期的方式执行这些方法，而不必强制它继承自某个特定的基类或实现某个特定的接口。 传统面向对象编程中，我们经常使用继承或接口（在其他语言中）来定义对象之间的关系。 然而，这种方式可能会导致代码僵化，因为对象必须明确地声明它们与特定接口的兼容性。 协议编程则提供了一种更灵活的方式，允许对象通过简单地实现必要的方法来满足协议，而无需显式声明。 协议编程的优势包括： 灵活性： 对象可以更容易地适配不同的上下文，只要它们实现了所需的行为。 解耦： 代码之间的依赖性降低，因为我们不依赖于具体的类继承关系。 可扩展性： 可以更容易地添加新的对象类型，而无需修改现有的代码。 2. typin …
继续阅读“`Python`的`类型提示`：`Typing`模块的`Protocol`和`Generic`实现`协议`编程。”
`Python`的`异常`处理：`except*`语法在`异常`分组和`并行`处理中的`新`特性。
Python 异常处理的新纪元：except* 语法详解 各位同学，大家好。今天我们要深入探讨 Python 异常处理机制的一个重要新特性：except* 语法。这个语法在 Python 3.11 中引入，极大地扩展了我们处理异常组（Exception Groups）和并行处理异常的能力。在座的各位如果之前对异常处理仅仅停留在 try…except 的层面，那么今天的讲解将会为你打开一扇新的大门。 异常组（Exception Groups）的由来 在传统的 Python 异常处理中，我们通常一次处理一个异常。当遇到多个并发任务同时抛出异常时，例如在异步编程或多线程环境中，传统的 try…except 结构就显得捉襟见肘。我们需要一种能够将多个相关的异常组合在一起，并提供统一处理机制的方案。这就是异常组诞生的背景。 异常组，顾名思义，就是将多个异常实例组合成一个单一的对象。这个对象本身也是一个异常，类型为 ExceptionGroup 或其子类 BaseExceptionGroup。ExceptionGroup 继承自 Exception，而 BaseExceptionGroup …
`Python`的`元类`：`__prepare__`和`__new__`在`自定义`类创建中的`作用`。
Python 元类：__prepare__ 和 __new__ 在自定义类创建中的作用 大家好，今天我们来深入探讨 Python 元类中两个非常重要的方法：__prepare__ 和 __new__。理解这两个方法对于掌握元类，进而实现高级的类定制和元编程至关重要。我们将通过讲解、代码示例和对比分析，全面了解它们在类创建过程中的作用。 元类的基础概念回顾 在深入 __prepare__ 和 __new__ 之前，我们先简要回顾一下元类的基本概念。 在 Python 中，一切皆对象。类本身也是对象，而创建类的“类”就是元类。默认情况下，type 是 Python 中所有类的元类。我们可以通过继承 type 来自定义元类，从而控制类的创建过程。 简单来说，元类负责以下工作： 拦截类的创建。 修改类的定义。 返回修改后的类。 类创建的流程 要理解 __prepare__ 和 __new__ 的作用，需要了解类创建的完整流程。当解释器遇到 class 语句时，会执行以下步骤： 确定元类 (Metaclass Determination): 首先，确定用于创建该类的元类。这通常遵循以下规则： 如 …
`Python`的`上下文管理器`：`__aenter__`和`__aexit__`在`异步`资源管理中的应用。
Python 异步上下文管理器：__aenter__ 和 __aexit__ 的深度剖析 大家好，今天我们来深入探讨 Python 中异步上下文管理器，特别是 __aenter__ 和 __aexit__ 方法在异步资源管理中的应用。相信大家对上下文管理器并不陌生，它提供了一种方便、可靠的方式来管理资源，确保资源在使用完毕后能够被正确地释放。而异步上下文管理器则是在异步编程环境中，实现类似的功能，处理异步资源的管理。 什么是上下文管理器？ 在介绍异步上下文管理器之前，我们先回顾一下标准的（同步）上下文管理器。上下文管理器是一个实现了 __enter__ 和 __exit__ 方法的对象。with 语句可以用来创建一个运行时上下文，并自动管理资源的分配和释放。 简单来说，with 语句的执行流程如下： 执行 with 表达式，获取上下文管理器对象。 调用上下文管理器的 __enter__ 方法。如果 with 语句包含 as 子句，__enter__ 方法的返回值会被赋值给 as 后面的变量。 执行 with 语句块中的代码。 无论 with 语句块中的代码是否抛出异常，都会调用上下文管 …
继续阅读“`Python`的`上下文管理器`：`__aenter__`和`__aexit__`在`异步`资源管理中的应用。”