Python中的魔法方法深入理解

接触Python也有一段时间了，Python相关的框架和模块也接触了不少，希望把自己接触到的自己 觉得比较好的设计和实现分享给大家，于是取了一个“Charming Python”的小标，算是给自己开了一个头吧， 希望大家多多批评指正。 :)

from flask import request

Flask 是一个人气非常高的Python Web框架，笔者也拿它写过一些大大小小的项目，Flask 有一个特性我非常的喜欢，就是无论在什么地方，如果你想要获取当前的request对象，只要 简单的：
复制代码 代码如下:
from flask import request

# 从当前request获取内容
request.args
request.forms
request.cookies
... ...
非常简单好记，用起来也非常的友好。不过，简单的背后藏的实现可就稍微有一些复杂了。 跟随我的文章来看看其中的奥秘吧！

两个疑问？

在我们往下看之前，我们先提出两个疑问：

疑问一 : request ，看上去只像是一个静态的类实例，我们为什么可以直接使用request.args 这样的表达式来获取当前request的args属性，而不用使用比如：
复制代码 代码如下:
from flask import get_request

# 获取当前request
request = get_request()
get_request().args
这样的方式呢？flask是怎么把request对应到当前的请求对象的呢？

疑问二 : 在真正的生产环境中，同一个工作进程下面可能有很多个线程（又或者是协程）， 就像我刚刚所说的，request这个类实例是怎么在这样的环境下正常工作的呢？

要知道其中的秘密，我们只能从flask的源码开始看了。

源码，源码，还是源码

首先我们打开flask的源码，从最开始的__init__.py来看看request是怎么出来的：
复制代码 代码如下:
# File: flask/__init__.py
from .globals import current_app, g, request, session, _request_ctx_stack

# File: flask/globals.py
from functools import partial
from werkzeug.local import LocalStack, LocalProxy

def _lookup_req_object(name):
    top = _request_ctx_stack.top
    if top is None:
        raise RuntimeError('working outside of request context')
    return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))

我们可以看到flask的request是从globals.py引入的，而这里的定义request的代码为 request = LocalProxy(partial(_lookup_req_object, 'request')) , 如果有不了解 partial是什么东西的同学需要先补下课，首先需要了解一下 partial 。

不过我们可以简单的理解为 partial(func, 'request') 就是使用 'request' 作为func的第一个默认参数来产生另外一个function。

所以， partial(_lookup_req_object, 'request') 我们可以理解为：

生成一个callable的function，这个function主要是从 _request_ctx_stack 这个LocalStack对象获取堆栈顶部的第一个RequestContext对象，然后返回这个对象的request属性。

这个werkzeug下的LocalProxy引起了我们的注意，让我们来看看它是什么吧：

复制代码 代码如下:
@implements_bool
class LocalProxy(object):
    """Acts as a proxy for a werkzeug local.  Forwards all operations to
    a proxied object.  The only operations not supported for forwarding
    are right handed operands and any kind of assignment.
    ... ...

看前几句介绍就能知道它主要是做什么的了，顾名思义，LocalProxy主要是就一个Proxy， 一个为werkzeug的Local对象服务的代理。他把所以作用到自己的操作全部“转发”到 它所代理的对象上去。

那么，这个Proxy通过Python是怎么实现的呢？答案就在源码里：
复制代码 代码如下:
# 为了方便说明，我对代码进行了一些删减和改动

@implements_bool
class LocalProxy(object):
    __slots__ = ('__local', '__dict__', '__name__')

    def __init__(self, local, name=None):
        # 这里有一个点需要注意一下，通过了__setattr__方法，self的
        # "_LocalProxy__local" 属性被设置成了local，你可能会好奇
        # 这个属性名称为什么这么奇怪，其实这是因为Python不支持真正的
        # Private member，具体可以参见官方文档：
        # http://docs.python.org/2/tutorial/classes.html#private-variables-and-class-local-references
        # 在这里你只要把它当做 self.__local = local 就可以了 :)
        object.__setattr__(self, '_LocalProxy__local', local)
        object.__setattr__(self, '__name__', name)

    def _get_current_object(self):
        """
        获取当前被代理的真正对象，一般情况下不会主动调用这个方法，除非你因为
        某些性能原因需要获取做这个被代理的真正对象，或者你需要把它用来另外的
        地方。
        """
        # 这里主要是判断代理的对象是不是一个werkzeug的Local对象，在我们分析request
        # 的过程中，不会用到这块逻辑。
        if not hasattr(self.__local, '__release_local__'):
            # 从LocalProxy(partial(_lookup_req_object, 'request'))看来
            # 通过调用self.__local()方法，我们得到了 partial(_lookup_req_object, 'request')()
            # 也就是 ``_request_ctx_stack.top.request``
            return self.__local()
        try:
            return getattr(self.__local, self.__name__)
        except AttributeError:
            raise RuntimeError('no object bound to %s' % self.__name__)

    # 接下来就是一大段一段的Python的魔法方法了，Local Proxy重载了(几乎)"codetitle">复制代码 代码如下:
from functools import partial
from werkzeug.local import LocalStack, LocalProxy

def _lookup_req_object(name):
    top = _request_ctx_stack.top
    if top is None:
        raise RuntimeError('working outside of request context')
    return getattr(top, name)

# context locals
_request_ctx_stack = LocalStack()
request = LocalProxy(partial(_lookup_req_object, 'request'))

问题的关键就在于这个 _request_ctx_stack 对象了，让我们找到LocalStack的源码：

复制代码 代码如下:
class LocalStack(object):

    def __init__(self):
        # 其实LocalStack主要还是用到了另外一个Local类
        # 它的一些关键的方法也被代理到了这个Local类上
        # 相对于Local类来说，它多实现了一些和堆栈“Stack”相关方法，比如push、pop之类
        # 所以，我们只要直接看Local代码就可以
        self._local = Local()

    ... ...

    @property
    def top(self):
        """
        返回堆栈顶部的对象
        """
        try:
            return self._local.stack[-1]
        except (AttributeError, IndexError):
            return None

# 所以，当我们调用_request_ctx_stack.top时，其实是调用了 _request_ctx_stack._local.stack[-1]
# 让我们来看看Local类是怎么实现的吧，不过在这之前我们得先看一下下面出现的get_ident方法

# 首先尝试着从greenlet导入getcurrent方法，这是因为如果flask跑在了像gevent这种容器下的时候
# 所以的请求都是以greenlet作为最小单位，而不是thread线程。
try:
    from greenlet import getcurrent as get_ident
except ImportError:
    try:
        from thread import get_ident
    except ImportError:
        from _thread import get_ident

# 总之，这个get_ident方法将会返回当前的协程/线程ID，这对于每一个请求都是唯一的

class Local(object):
    __slots__ = ('__storage__', '__ident_func__')

    def __init__(self):
        object.__setattr__(self, '__storage__', {})
        object.__setattr__(self, '__ident_func__', get_ident)

    ... ...

    # 问题的关键就在于Local类重载了__getattr__和__setattr__这两个魔法方法

    def __getattr__(self, name):
        try:
            # 在这里我们返回调用了self.__ident_func__()，也就是当前的唯一ID
            # 来作为__storage__的key
            return self.__storage__[self.__ident_func__()][name]
        except KeyError:
            raise AttributeError(name)

    def __setattr__(self, name, value):
        ident = self.__ident_func__()
        storage = self.__storage__
        try:
            storage[ident][name] = value
        except KeyError:
            storage[ident] = {name: value}

    ... ...

    # 重载了这两个魔法方法之后

    # Local().some_value 不再是它看上去那么简单了:
    # 首先我们先调用get_ident方法来获取当前运行的线程/协程ID
    # 然后获取这个ID空间下的some_value属性，就像这样：
    #
    #   Local().some_value -> Local()[current_thread_id()].some_value
    #
    # 设置属性的时候也是这个道理

通过这些分析，相信疑问二也得到了解决，通过使用了当前的线程/协程ID，加上重载一些魔法 方法，Flask实现了让不同工作线程都使用了自己的那一份stack对象。这样保证了request的正常 工作。

说到这里，这篇文章也差不多了。我们可以看到，为了使用者的方便，作为框架和工具的开发者 需要付出很多额外的工作，有时候，使用一些语言上的魔法是无法避免的，Python在这方面也有着 相当不错的支持。

我们所需要做到的就是，学习掌握好Python中那些魔法的部分，使用魔法来让自己的代码更简洁， 使用更方便。

但是要记住，魔法虽然炫，千万不要滥用哦。