Python:单例模式&魔法方法

init()和__new__():

init():初始化对象,给属性赋值

new():object基类提供的内置静态方法,在内存中为对象分配空间,返回对象的引用

重写__new__()一定要写return super(),new(cls),否则Python解释器得不到分配空间的对象引用,就不会调用__init__()

一个对象的实例化过程:首先执行__init__(),如果没有写__new__(),默认调用object里面的__new__(),返回一个实例对象,然后再去调用__init__(),给对象进行初始化

复制代码
class Person(object):
    def __init__(cls,*args,**kwargs):
        print("new")
        return super()
    def __init__(self,name):
        self.name=name
        print("name:",self.name)
pe=Person('lihailu')

单例模式:

可以理解成一个特殊的类,这个类只存在一个对象

弊端:多线程访问时容易引发线程安全问题

复制代码
class A(object):
    pass
a1=A()
print(a1)
a2=A()
print(a2)

重写__new__()方法:

1.定义一个类属性,初始值为None,用来记录单例对象的引用

2.重写

3.进行判断,如果类属性是None,把__new__()返回的对象引用保存进去

4.返回类属性中记录的对象引用

复制代码
class Singleton(object):
    obj=None
    def __new__(cls, *args, **kwargs):
        print("new")
        #判断类属性是否为空
        if cls.obj==None:
            cls.obj=super().__new__(cls)
        return cls.obj
    def __init__(self):
        print("init")
s=Singleton()
print("s:",s)
s2=Singleton()
print("s2:",s2)
#单例模式:每一次实例化所创建的对象都是同一个,内存地址都一样

运行结果为:

new

init

s: <main.Singleton object at 0x000002952B0B7E00>

new

init

s2: <main.Singleton object at 0x000002952B0B7E00>

通过导入模块实现单例模式:

应用场景:回收站对象,音乐播放器,开发游戏软件(场景管理器),数据库配置,数据库连接池的设计

魔法方法:

8.可调用对象:函数/内置函数和类都是可调用对象,凡是可以把一对()应用到某个对象身上都可以称之为可调用对象

callable():判断一个对象是否为可调用对象;

相关推荐
xingyuzhisuan4 分钟前
2026实测:租用RTX 4090 CUDA适配与PyTorch精准安装教程
人工智能·pytorch·python·深度学习·gpu算力
嗯、.6 分钟前
Agent 路由架构的一次尝试:LangGraph + Swarm Handoff + 小模型 Router
人工智能·python·swarm·langgraph·multi-agent·model-routing
SunnyDays10119 分钟前
Java 实现插入和删除 Excel 行和列
java·python·excel
kels889911 分钟前
加密货币实时api的订单簿快照多久更新一次?
开发语言·笔记·python·金融·区块链
落日屿星辰13 分钟前
PyTorch 模型迁移到昇腾NPU 完整指南
人工智能·pytorch·python
SilentSamsara15 分钟前
类型注解进阶:Union、Optional、Any 与 Callable
开发语言·python·青少年编程
爱喝热水的呀哈喽15 分钟前
gpt:RAG步骤
人工智能·python·机器学习
Fleshy数模20 分钟前
课堂教学质量评估系统:基于加权欧氏距离的评分实现
python·llm
恣艺20 分钟前
Python 游戏开发与文件处理:PyGame + Turtle + openpyxl + python-docx + PyPDF2
开发语言·python·pygame
_山海29 分钟前
用langchain 通过text-embedding-3-small生成embedding
python·langchain·llm