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
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22