京公网安备 11010802034615号
经营许可证编号:京B2-20210330
policy机制中经典的python用法
由于接触python时间还不长,属于边用边学,在看项目代码的时候,遇到了很多不太懂的python语法,但是我认为这些用法用的实在是好,希望以后自己在写程序时,也能写出这么经典的代码,在这里记录下来这些:
1. 将函数名作为参数传递给另一个模块中的函数使用:
[python] view plaincopy
def init():
......
#read_cached_file做的事是读取_POLICY_PATH文件中的数据,和这个文件修改的时间,保存到_POLICY_CACHE字典中,
#然后使用_set_rules(data)来解析这些数据,最后返回这些数据。
utils.read_cached_file(_POLICY_PATH, _POLICY_CACHE,
reload_func=_set_rules)
def _set_rules(data):
default_rule = CONF.policy_default_rule
policy.set_rules(policy.Rules.load_json(data, default_rule))
2. 类方法的使用
[python] view plaincopy
class Rules(dict):
@classmethod
def load_json(cls, data, default_rule=None):
rules = dict((k, parse_rule(v)) for k, v in
jsonutils.loads(data).items())
return cls(rules, default_rule)
以前一直弄不清楚类方法和静态方法的区别,都是通过类名去调用,但是现在清楚了,类方法有一个很好的特性,就是它可以在创建类对象之前,做一些初始化的工作,这样创建的对象,比直接调用Rules(),更灵活。
这里还想说一下继承自dict这个特性,通过覆盖父类中的方法,__missing__(),__str__()等定制了一个自己的字典类型,用起来很舒服啊。
3. 解释器的使用
[python] view plaincopy
_checks = {}
def register(name, func=None):
def decorator(func):
_checks[name] = func
return func
if func:
return decorator(func)
return decorator
@register("rule")
class RuleCheck(Check):
pass
@register("role")
class RoleCheck(Check):
pass
文档在加载的时候,每遇到一个@register()修饰符,就会将被修饰的类添加到_check变量中,简洁方便。
4. yield的使用
yield在我看来,是一种能够间断的循环,一直都不太会用它,policy中在解析复合rule时,就用到了yield:
[python] view plaincopy
state = ParseState()
for tok, value in _parse_tokenize(rule):
state.shift(tok, value)
# 这个函数主要是将规则的字符串进行了一下预处理,然后调用_parse_check()最终将字符串转换成BaseCheck对象
def _parse_tokenize(rule):
#这段代码的意思是将一个字符串以空格为间隔,重组为一个字符串的列表,如:
# a.split('(is_admin:True or project_id:%(project_id)s)')
# ['(is_admin:True', 'or', 'project_id:%(project_id)s)']
for tok in _tokenize_re.split(rule):
# Skip empty tokens
if not tok or tok.isspace():
continue
# Handle leading parens on the token
clean = tok.lstrip('(')
for i in range(len(tok) - len(clean)):
yield '(', '('
# If it was only parentheses, continue
if not clean:
continue
else:
tok = clean
# Handle trailing parens on the token
clean = tok.rstrip(')')
trail = len(tok) - len(clean)
# Yield the cleaned token
lowered = clean.lower()
if lowered in ('and', 'or', 'not'):
# Special tokens
yield lowered, clean
elif clean:
# Not a special token, but not composed solely of ')'
if len(tok) >= 2 and ((tok[0], tok[-1]) in
[('"''"', '"'), ("'""'", "'")]):
# It's a quoted string
yield 'string', tok[1:-1]
else:
yield 'check', _parse_check(clean)
# Yield the trailing parens
for i in range(trail):
yield ')', ')'
程序中每遇到一个yield,就会中断当前的执行,返回值,然后由外部的for循环进行处理,处理完之后,再回到刚才中断的地方继续执行。
5. 元类的使用
元类以前从来没有接触过,policy里也用到了,还是在解析复合rule的时候,用的这个元类:ParseStateMeta,通过使用元类,可以自定义某些类是如何创建的,从根本上说赋予你如何创建类的控制权:
[python] view plaincopy
class ParseStateMeta(type):
# name是子类的类名,bases是子类的数据,cls_dict是子类中的属性
def __new__(cls, name, bases, cls_dict):
reducers = []
# key为属性名,value为属性的对象,如:
# shift : <function shift at 0xa27b4fc>
# _make_not_expr : <function _make_not_expr at 0xa27b6bc>
for key, value in cls_dict.items():
if not hasattr(value, 'reducers'):# 如果没有包含reducers属性,即那些没有@reducer修饰的方法
continue
for reduction in value.reducers:# 遍历某个函数中的reducers列表,把它添加到元类中的reducers列表中
reducers.append((reduction, key))
cls_dict['reducers'] = reducers
return super(ParseStateMeta, cls).__new__(cls, name, bases, cls_dict)
# 虽然只是简单的定义了一个ParseState对象,但是却做了很多的事:
# 1.@reducer修饰器给被装饰的的方法添加了reducers列表,并且将修饰器的参数建成一个列表添加到该列表中;
# -->形式如:[['','',''],['','','']],
# 再如:[['(', 'or_expr', ')'], ['(', 'and_expr', ')'], ['(', 'check', ')']]
# 2.ParseStateMeta元类创建了一个reducers变量(针对于ParseState是全局的),也是一个列表,
# 然后遍历了ParseState的所有属性,找到有reducers属性的属性(即带有@reducer的方法),
# 然后再遍历该方法的reducers列表,将列表的每一项和该方法的名字组合成一个元组,存放在reducers变量中;
# -->形式如:[(['','',''],funcname),(['','',''],funcname),(['','',''],funcname)]
# 再如:[(['check', 'or', 'check'], '_make_or_expr'), (['or_expr', 'or', 'check'], '_extend_or_expr')]
class ParseState(object):
__metaclass__ = ParseStateMeta
......
6. 递归的使用
[python] view plaincopy
def reduce(self):
#a[-3:]表示a这个列表的最后三个数
for reduction, methname in self.reducers:
# 如果当前的tokens的长度大于reduction的长度,并且tokens的最后几个和reduction相同
# 即模式匹配,则调用相应的方法来进行复合判断
# 什么情况不执行这段呢?
# 1. 没有复合的规则
# 2. 复合的规则和reduction不匹配
# 这两种情况下,就不执行复合,直接返回的还是原来的对象:RuleCheck, RoleCheck, HttpCheck, GenericCheck
# 如果复合的话,返回的是复合对象:OrCheck, AndCheck, NotCheck
if (len(self.tokens) >= len(reduction) and
self.tokens[-len(reduction):] == reduction):
# Get the reduction method
meth = getattr(self, methname)
# Reduce the token stream
# 有两个GenericCheck对象和一个‘or’,传递给_make_or_expr()方法,用这两个
# 对象构造了一个OrCheck对象,该对象的返回值,是按照这两个GenericCheck对象在的
# target和creds上能否执行的真假来进行或操作得到的
results = meth(*self.values[-len(reduction):])
# Update the tokens and values
self.tokens[-len(reduction):] = [r[0] for r in results]
self.values[-len(reduction):] = [r[1] for r in results]
# Check for any more reductions
return self.reduce()
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
备考CDA的小伙伴,专属宠粉福利来啦! 不用拼运气抽奖,不用复杂操作,只要转发CDA真题海报到朋友圈集赞,就能免费抱走实用好礼 ...
2026-02-11在数据科学、机器学习实操中,Anaconda是必备工具——它集成了Python解释器、conda包管理器,能快速搭建独立的虚拟环境,便捷安 ...
2026-02-11在Tableau数据可视化实操中,多表连接是高频操作——无论是将“产品表”与“销量表”连接分析产品销量,还是将“用户表”与“消 ...
2026-02-11在CDA(Certified Data Analyst)数据分析师的实操体系中,统计基本概念是不可或缺的核心根基,更是连接原始数据与业务洞察的关 ...
2026-02-11在数字经济飞速发展的今天,数据已成为核心生产要素,渗透到企业运营、民生服务、科技研发等各个领域。从个人手机里的浏览记录、 ...
2026-02-10在数据分析、实验研究中,我们经常会遇到小样本配对数据的差异检验场景——比如同一组受试者用药前后的指标对比、配对分组的两组 ...
2026-02-10在结构化数据分析领域,透视分析(Pivot Analysis)是CDA(Certified Data Analyst)数据分析师最常用、最高效的核心实操方法之 ...
2026-02-10在SQL数据库实操中,字段类型的合理设置是保证数据运算、统计准确性的基础。日常开发或数据分析时,我们常会遇到这样的问题:数 ...
2026-02-09在日常办公数据分析中,Excel数据透视表是最常用的高效工具之一——它能快速对海量数据进行分类汇总、分组统计,将杂乱无章的数 ...
2026-02-09表结构数据作为结构化数据的核心载体,其“获取-加工-使用”全流程,是CDA(Certified Data Analyst)数据分析师开展专业工作的 ...
2026-02-09在互联网产品运营、用户增长的实战场景中,很多从业者都会陷入一个误区:盲目投入资源做推广、拉新,却忽视了“拉新后的用户激活 ...
2026-02-06在机器学习建模过程中,特征选择是决定模型性能的关键环节——面对动辄几十、上百个特征的数据(如用户画像的几十项维度、企业经 ...
2026-02-06在CDA(Certified Data Analyst)数据分析师的日常实操中,表格结构数据是贯穿全流程的核心载体,而对表格数据类型的精准识别、 ...
2026-02-06在日常办公数据分析中,我们经常会面对杂乱无章的批量数据——比如员工月度绩效、产品销售数据、客户消费金额、月度运营指标等。 ...
2026-02-05在分类模型(如风控反欺诈、医疗疾病诊断、客户流失预警)的实操落地中,ROC曲线是评估模型区分能力的核心工具,而阈值则是连接 ...
2026-02-05对CDA(Certified Data Analyst)数据分析师而言,数据分析的价值不仅在于挖掘数据背后的规律与洞察,更在于通过专业的报告呈现 ...
2026-02-05在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03