درس ۲۱: شی گرایی (OOP) در پایتون: Context Manager ،Descriptors ،Decorator

شی گرایی (OOP) در پایتون: __Descriptors ، Context Manager ،Decorator ،__slots و property@

Photo by Mathyas Kurmann

این درس نیز در ادامه مجموعه دروس آموزش شی گرایی در زبان برنامه‌نویسی پایتون می‌باشد که به شرح و جمع‌بندی برخی موارد مرتبط با مفاهیم کلاس و شی موجود در پایتون می‌پردازد. مواردی که ممکن است قابل گذر باشند ولی هریک نکاتی دارند که در توسعه برنامه شی گرای پایتونی به شما کمک خواهند کرد. مواردی همچون صفت ویژه __slots__ در کلاس‌ها، ایجاد Decorator با استفاده از کلاس در پایتون و همچنین ایجاد قابلیت getter و setter در پایتون با استفاده از مفاهیم Descriptors و دکوراتور property که در ادامه تا حد کافی شرح داده خواهند شد.

سطح: متوسط



__slots__

پیش از هر توضیحی به نمونه کد زیر توجه نمایید:

 1class Sample:
 2    def __init__(self, a, b):
 3        self.a = a
 4        self.b = b
 5
 6
 7objet = Sample(1, 2)
 8print(objet.__dict__)
 9
10print('-' * 30)
11
12objet.c = 3
13print(objet.__dict__)
14
15print('-' * 30)
16
17objet.__dict__['d'] = 4
18print(objet.__dict__)
19print(objet.d)
{'a': 1, 'b': 2}
------------------------------
{'a': 1, 'b': 2, 'c': 3}
------------------------------
{'a': 1, 'b': 2, 'c': 3, 'd': 4}
4

پیشتر نیز صحبت کرده بودیم، می‌توان حتی پس از ایجاد یک شی نیز به آن Attribute جدید اضافه کنیم (به دو سطر ۱۲ و ۱۷ توجه نمایید). داده‌های مربوط به تمام Attributeهای یک شی توسط یک شی دیکشنری که از طریق __dict__ در دسترس می‌باشد، نگهداری می‌شود. در پس زمینه پایتون این __dict__ می‌باشد که امکان افزودن Attribute به شی را به صورت پویا (Dynamic) فراهم آورده است.

__slots__ [اسناد پایتون] یک Attribute ویژه در پایتون می‌باشد که با مقداردهی آن می‌توان از ایجاد __dict__ جلوگیری و در نتیجه قابلیت افزودن Attribute جدید به شی را غیرفعال و تعداد Attributeهای آن را از همان نقطه ایجاد، ثابت نگه‌داشت:

 1class Sample:
 2
 3    __slots__ = ('a', 'b')
 4
 5    def __init__(self, a, b):
 6        self.a = a
 7        self.b = b
 8
 9
10obj = Sample(1, 2)
11print(obj.__dict__)
Traceback (most recent call last):
  File "sample.py", line 11, in <module>
    print(obj.__dict__)
AttributeError: 'Sample' object has no attribute '__dict__'

از مزایای __slots__ می‌توان به کاهش مصرف حافطه (RAM) به خصوص در مورد کلاس‌هایی که قرار است اشیایی خیلی زیادی از آن‌ها ایجاد گردد، اشاره نمود.

از طریق __slots__ همچنین می‌توان اجازه داد که کدام Attribute در آینده برای شی ایجاد گردد:

 1class Sample:
 2
 3    __slots__ = ('a', 'b', 'c')
 4
 5    def __init__(self, a, b):
 6        self.a = a
 7        self.b = b
 8
 9objet = Sample(1, 2)
10
11objet.c = 3
12
13print('a: ', objet.a)
14print('b: ', objet.b)
15print('c: ', objet.c)
16
17objet.d = 4
a:  1
b:  2
c:  3
Traceback (most recent call last):
  File "sample.py", line 17, in <module>
    objet.d = 4
AttributeError: 'Sample' object has no attribute 'd'

اکنون نمونه کد زیر را در وضعیت وراثت در نظر بگیرید:

 1class Parent:
 2    def __init__(self, a, b):
 3        self.a = a
 4        self.b = b
 5
 6
 7class Child(Parent):
 8    def __init__(self, a, b):
 9        super().__init__(a, b)
10
11
12child = Child(1, 2)
13print(child.__dict__)
14
15child.c = 3
16print(child.__dict__)
17
18print('a: ', child.a)
19print('b: ', child.b)
20print('c: ', child.c)
{'a': 1, 'b': 2}
{'a': 1, 'b': 2, 'c': 3}
a:  1
b:  2
c:  3

اگر کلاس Parent شامل __slots__ بوده و در نتیجه فاقد __dict__ باشد:

 1class Parent:
 2    __slots__ = ('a', 'b')
 3
 4    def __init__(self, a, b):
 5        self.a = a
 6        self.b = b
 7
 8
 9class Child(Parent):
10
11    def __init__(self, a, b):
12        super().__init__(a, b)
13
14
15child = Child(1, 2)
16print(child.__dict__)
17
18child.c = 3
19print(child.__dict__)
20
21print('a: ', child.a)
22print('b: ', child.b)
23print('c: ', child.c)
{}
{'c': 3}
a:  1
b:  2
c:  3

اگر هر دو کلاس شامل __slots__ باشند:

 1class Parent:
 2    __slots__ = ('a', 'b')
 3
 4    def __init__(self, a, b):
 5        self.a = a
 6        self.b = b
 7
 8
 9class Child(Parent):
10    __slots__ = ('c')
11
12    def __init__(self, a, b):
13        super().__init__(a, b)
14
15
16child = Child(1, 2)
17
18child.c = 3
19print('a: ', child.a)
20print('b: ', child.b)
21print('c: ', child.c)
a:  1
b:  2
c:  3

در وراثت چندگانه، چنانچه __slots__ مربوط به superclassها حاوی مقدار تکراری باشد، آنگاه باعث بروز خطا می‌گردد:

 1class ParentOne:
 2    __slots__ = ('a', 'b')
 3
 4class ParentTwo:
 5    __slots__ = ('z', 'b')
 6
 7
 8class Child(ParentOne, ParentTwo):
 9    __slots__ = ('c')
10
11
12child = Child()
Traceback (most recent call last):
  File "sample.py", line 8, in <module>
    class Child(ParentOne, ParentTwo):
TypeError: multiple bases have instance lay-out conflict

بهتر است superclassها حاوی یک __slots__ خالی (شی توپِل خالی) باشند و هر subclass خود محتوای __slots__ خود را تعریف نماید:

 1class ParentOne:
 2    __slots__ = ()
 3
 4class ParentTwo:
 5    __slots__ = ()
 6
 7
 8class Child(ParentOne, ParentTwo):
 9    __slots__ = ('a', 'b', 'z', 'c')
10
11
12child = Child()

در مواقع خاص که می‌خواهید هم Attributeها را محدود کنید و هم قابلیت __dict__ را حفظ کنید، می‌توانید __dict__ را هم به مقدار __slots__ اضافه نمایید.


[مطالعه بیشتر: پرسش و پاسخ مرتبط در StackOverflow]

Decorators

از درس سیزدهم با مفهوم Decoratorها و نیز کاربرد آن‌ها به همراه تابع در زبان برنامه‌نویسی پایتون آشنا شده‌ایم، در این بخش به بررسی Decoratorها به همراه کلاس‌ها و متدها می‌پردازیم.

علاوه بر اینکه با استفاده از کلاس می‌توان یک Decorator ایجاد کرد، از Decorator‌ها نیز می‌توان بر روی کلاس یا متدهای داخل یک کلاس بهره گرفت. در ادامه به بررسی این موارد می‌پردازیم.

قراردادن Decorator بر روی متد

این کار همانند قراردادن Decorator بر روی تابع می‌باشد (درس سیزدهم) و تفاوتی ندارد. پیش‌تر نیز از Decoratorهایی همچون classmethod@ یا staticmethod@ بر روی متدها استفاده می‌کردیم. به مثالی در همین زمینه توجه نمایید:

 1import functools
 2
 3def debug(func):
 4    """Print the function signature and return value
 5       Source: https://realpython.com/primer-on-python-decorators/#debugging-code"""
 6
 7    @functools.wraps(func)
 8    def wrapper_debug(*args, **kwargs):
 9        args_repr = [repr(a) for a in args]
10        kwargs_repr = [f"{k}={v!r}" for k, v in kwargs.items()]
11        signature = ", ".join(args_repr + kwargs_repr)
12        print(f"Calling {func.__name__}({signature})")
13        value = func(*args, **kwargs)
14        print(f"{func.__name__!r} returned {value!r}")
15        return value
16    return wrapper_debug
17
18
19
20class Sample:
21
22    @debug
23    def __init__(self, x=0, y=0):
24        self.x = x
25        self.y = y
26
27
28sample = Sample(5, y=6)
Calling __init__(<__main__.Sample object at 0x7fd96ddec8d0>, 5, y=6)
'__init__' returned None

در نمونه کد بالا یک Decorator با نام debug ایجاد گردیده است (Decorator درس سیزدهم و f-string درس هفتم)، با قراردادن این Decorator بر روی یک تابع یا متد: نام تابع، آرگومان‌های ارسال شده و همچنین مقدار خروجی تابع را بر روی خروجی نمایش می‌دهد.

قراردادن Decorator بر روی کلاس

در زبان برنامه‌نویسی پایتون می‌توان یک Decorator را به کل یک کلاس اعمال کرد، در این صورت نیز تفاوتی با آنچه در توابع دیدیم، نمی‌کند. تنها در این حالت، این کلاس است که به Decorator ارسال می‌گردد. دو نمونه کد زیر معادل یکدیگر هستند:

def decorator_name(a_class):
    def wrapper():
        # Do Something!
        print('Class name:', a_class.__name__)
        return a_class()

    return wrapper
# 1

@decorator_name
class Sample():
    pass


sample = Sample()
# 2

class Sample():
    pass

SampleWrapper = decorator_name(Sample)
sample = SampleWrapper()
# Output

Class name: Sample

کلاس به عنوان Decorator

در زبان برنامه‌نویسی پایتون می‌توان از کلاس‌ها همچون توابع برای ایجاد Decorator استفاده کرد. در این صورت شی‌ای که Decorator به آن اعمال شده است از طریق متد __init__ دریافت می‌گردد. همچنین می‌بایست متد __call__ را پیاده‌سازی کرده باشیم تا اشیای کلاس قابلیت callable را داشته باشند (درس هفدهم)، عملیات اصلی Decorator می‌بایست داخل این متد پیاده‌سازی گردد:

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0

    def __call__(self):
        self.num_calls += 1
        print(f"Call {self.num_calls} of {self.func.__name__!r}")
        return self.func()
# 1

@CountCalls
def func():
    ''' a function'''

print(func.__doc__)
func()
func()
# 2

def func():
    ''' a function'''

obj = CountCalls(func)

print(obj.__doc__)
obj()
obj()
# Output

None
Call 1 of 'func'
Call 2 of 'func'

functools.update_wrapper

همانند کاربرد تابع wraps از ماژول functools در هنگام ساخت Decorator از توابع، در اینجا نیز می‌توانیم جهت حفظ اطلاعات مربوط به تابع اصلی، این‌بار از تابع update_wrapper این ماژول استقاده کنیم [اسناد پایتون] - اگر کلاس CountCalls را به صورت زیر تغییر دهیم، آنگاه خروجی هر دو حالت نیز به شرح زیر تغییر خواهد کرد، چرا که اکنون __doc__ در دسترس باقی مانده است:

import functools

class CountCalls:
    def __init__(self, func):
        functools.update_wrapper(self, func)
        self.func = func
        self.num_calls = 0

    def __call__(self):
        self.num_calls += 1
        print(f"Call {self.num_calls} of {self.func.__name__!r}")
        return self.func()
a function
Call 1 of 'func'
Call 2 of 'func'

Descriptors

توصیف‌گر (Descriptor) کلاسی است که کنترل عملیات‌های دریافت (get)، تنظیم (set) و حذف (delete) را بر روی یک attribute از شی‌ای دیگر را فراهم می‌کند. Descriptor یک راهکار پایتونی (Pythonic) برای ایجاد مکانیزم get & set رایج در دیگر زبان‌های برنامه‌نویسی می‌باشد.

چگونه می‌توان یک Descriptor در پایتون ایجاد کرد؟ [اسناد پایتون]

۱- یک کلاس ایجاد کنیم که در آن حداقل یکی از متدهای خاص __set__ ،__get__ و __delete__ بازپیاده‌سازی (یا بهتر است بگوییم Override) شود.

۲- از شی این کلاس به عنوان مقدار attribute مناسب از کلاس مورد نظر استفاده کنیم.

کاربرد Descriptor پایتون چیست؟

هر زمان بخواهیم رویدادهایی همچون دریافت (get)، تنظیم (set) و حذف (delete) را بر روی یک attribute کنترل کنیم. برای مثال کلاسی شامل یک attribute با نام ایمیل (email) است، می‌خواهیم پیش از تنظیم مقدار بر روی این فیلد، مقدار جدید به صورت خودکار اعتبارسنجی (Validation) شود و در صورت صحت عملیات انجام شود:

 1import re
 2
 3class EmailField:
 4
 5    def __init__(self, email=None):
 6        self.email = email
 7
 8    def __get__(self, instance, owner=None):
 9        print('-' * 10, 'CALLED[__get__]')
10        print('instance:', instance)
11        print('owner:', owner)
12        print('-' * 30)
13        print()
14
15        return self.email
16
17    def __set__(self, instance, value):
18        print('-' * 10, 'CALLED[__set__]')
19        print('instance:', instance)
20        print('value:', value)
21        print('-' * 30)
22
23        if re.match('^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+$', value):
24            self.email = value
25            print('Successful!\n')
26        else:
27            print(f'{value} is not a valid email!\n')
28
29
30class Student:
31    email = EmailField()
32
33
34obj = Student()
35
36email = obj.email               # CALLED[__get__]
37
38obj.email = 'python$$1400'      # CALLED[__set__]
39
40obj.email = '[email protected]'  # CALLED[__set__]
41
42print(obj.email)                # CALLED[__get__]
---------- CALLED[__get__]
instance: <__main__.Student object at 0x7f828bb9f4e0>
owner: <class '__main__.Student'>
------------------------------

---------- CALLED[__set__]
instance: <__main__.Student object at 0x7f828bb9f4e0>
value: python$$1400
------------------------------
python$$1400 is not a valid email!

---------- CALLED[__set__]
instance: <__main__.Student object at 0x7f828bb9f4e0>
value: [email protected]
------------------------------
Successful!

---------- CALLED[__get__]
instance: <__main__.Student object at 0x7f62e42c64e0>
owner: <class '__main__.Student'>
------------------------------

[email protected]

در نمونه کد، بالا کلاس EmailField یک Descriptor برای اتریبیوت email از کلاس Student می‌باشد. همانطور که مشاهده می‌شود، هرگاه مقداری به email انتساب داده می‌شود (سطرهای ۳۸ و ۴۰)، به صورت خودکار متد __set__ از کلاس Descriptor آن فراخوانی می‌گردد و به همین ترتیب هرگاه مقدار آن درخواست می‌گردد (سطرهای ۳۶ و ۴۲)، متد __get__ فراخوانی می‌گردد.

پیشنهاد می‌شود در صورت امکان مقدار attribute را توسط Descriptor نگهداری نکنید و از Descriptor تنها برای انجام عملیات‌ مربوطه استفاده نمایید. بنابراین مثال قبل را می‌توانیم به صورت زیر بازنویسی نماییم:

 1import re
 2
 3class EmailField:
 4
 5    def __init__(self, attr_name):
 6        self.attr_name = attr_name
 7
 8    def __get__(self, instance, owner=None):
 9        return instance.__dict__.get(self.attr_name)
10
11    def __set__(self, instance, value):
12        if re.match('^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+$', value):
13            instance.__dict__[self.attr_name] = value
14
15
16class Student:
17    email = EmailField('email')
18
19
20obj = Student()
21obj.email = '[email protected]'
22
23print(obj.email)
python@coderz.ir

در این روش تنها نام attribute نگهداری و از آن برای دستیابی به مقدار آن attribute، از طریق خود شی اقدام کردیم.

اگر از نسخه 3.6 به بعد پایتون بهره‌مند هستید،‌ با استفاده از متد __set_name__ [اسناد پایتون] در کلاس Descriptor، دیگر حتی نیازی به پیاده‌سازی متد __init__ و ارسال دستی نام attribute هم نخواهد بود:

 1import re
 2
 3class EmailField:
 4
 5    def __set_name__(self, owner, name):
 6        self.attr_name = name
 7
 8    def __get__(self, instance, owner=None):
 9        return instance.__dict__.get(self.attr_name)
10
11    def __set__(self, instance, value):
12        if re.match('^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+.[a-zA-Z0-9-.]+$', value):
13            instance.__dict__[self.attr_name] = value
14
15
16class Student:
17    email = EmailField()

نکته

از Descriptor تنها برای Class Attributeها می‌توان استفاده کرد.

property@

خیلی ساده، این دکوراتور (property@) را می‌توان یک Descriptor سطح بالا دانست که توسط کتابخانه استاندارد پایتون برای Instance Attributeها فراهم آورده شده است. به نمونه کد زیر توجه نمایید:

 1import re
 2
 3class Contact:
 4
 5    def __init__(self, name, phone):
 6        self._name = name
 7        self._phone = phone
 8
 9    @property
10    def name(self):
11        return self._name
12
13    @name.setter
14    def name(self, new_name):
15        if new_name and len(new_name) > 0:
16            self._name = new_name
17        else:
18            print("Please enter a valid name")
19
20    @name.deleter
21    def name(self):
22        del self._name
23
24    @property
25    def phone(self):
26        return self._phone
27
28
29    @phone.setter
30    def phone(self, new_phone):
31        if re.match(r'^09\d{9}$', new_phone):
32            self._phone = new_phone
33        else:
34            print("Please enter a valid phone")
35
36    @phone.deleter
37    def phone(self):
38        del self._phone
39
40
41obj = Contact(name='Saeid', phone='09999999999')
42
43obj.phone = '09123456'
44print('-' * 30)
45print(obj.name)
46print(obj.phone)
Please enter a valid phone
------------------------------
Saeid
09999999999

در این مثال، کلاس Contact حاوی دو Instance Attribute با نام‌های name و phone می‌باشد. برای اینکه بتوانیم رویدادهایی همچون دریافت (get)، تنظیم (set) و حذف (delete) را بر روی آن‌ها کنترل کنیم، از دکوراتور property@ استفاده کردیم. به این صورت که:

۱- نخست باید توجه داشت که نام Attributeها با یک کاراکتر _ شروع کردیم. با این کار به دیگر برنامه‌نویسان خواهیم گفت که این Attribute با سطح دسترسی protected می‌باشد (درس بیستم):

def __init__(self, name, phone):
    self._name = name
    self._phone = phone

۲- برای هر کدام یک متد getter ساختیم و به آن دکوراتور property@ انتساب دادیم. نام این متد را همنام با Attributeها ولی بدون _ انتخاب کردیم:

@property
def name(self):
    return self._name

@property
def phone(self):
    return self._phone

نام این متد هر چیزی انتخاب شود، در زمان درخواست مقدار Attribute باید از این نام (به جای نام اصلی Attribute) استفاده گردد (سطرهای ۴۵ و ۴۶).

۳- اکنون می‌توانیم دو متد دیگر برای عملیات set و delete پیاده‌سازی کنیم و به آن‌ها دکوراتورهای زیر را انتساب دهیم:

@<property_getter_method_name>.setter
@<property_getter_method_name>.deleter

بخش نخست از نام دکوراتور (property_getter_method_name) می‌بایست همان نام متد getter باشد.

در این مثال ما از همان نام متد getter برای نام‌گذاری این دو متد استفاده کردیم. ولی باید توجه داشته باشید که نام این دو متد هر چیزی انتخاب شود، در زمان تنظیم مقدار (سطر ۴۳) یا حذف Attribute باید از این نام (به جای نام اصلی Attribute) استفاده گردد.

نکته

از property@ تنها برای Instance Attributeها می‌توان استفاده کرد.

یک کاربرد پنهان در استفاده از property@، امکان ایجاد Attributeهای read-only و غیرقابل تغییر پس از نمونه‌سازی شی خواهد بود. برای این منظور تنها کافی است از پیاده‌سازی متد setter صرف‌نظر کنیم! به نمونه کد پایین توجه نمایید:

 1class StaticNumber:
 2
 3    def __init__(self, number):
 4        self._number = number
 5
 6    @property
 7    def number(self):
 8        return self._number
 9
10
11
12obj = StaticNumber(number='000111')
13
14obj.number = '000222'
Traceback (most recent call last):
  File "sample.py", line 14, in <module>
    obj.number = '000222'
AttributeError: can't set attribute

Context Manager و دستور with/as

یکی دیگر از قابلیت‌های کمتر شناخته شده در زبان برنامه‌نویسی پایتون، Context Manager می‌باشد [اسناد پایتون]. با این حال اکثر برنامه‌نویسان پایتون به صورت مداوم از آن بهره می‌گیرند. اگر درس دهم را به یاد داشته باشیم، از دستور with/as برای کار با فایل‌ها در پایتون استفاده می‌کردیم و شاهد راحتی و زیبایی کارها نسبت به قبل بودیم. در آن زمان تنها اشاره شد که شی فایل پایتون را می‌توان با دستور with/as استفاده کرد چون این شی از قابلیت Context Manager پشتیبانی می‌کند.

به صورت کلی Context Manager در زبان برنامه‌نویسی پایتون قابلیتی برای مدیرت منابع (فایل‌ها، دیتابیس، ارتباط و سایر منابع) می‌باشد، منابعی که کار کردن با آن‌ها همواره نیازمند عملیات‌ ثابتی همچون باز (Open) و بسته (Close) - Start/Stop, Lock/Release, Change/Reset - کردن هستند.

در این بخش می‌خواهیم به بررسی چگونگی ایجاد یک کلاس به همراه قابلیت Context Manager بپردازیم که در نهایت از اشیای آن بتوانیم در کنار دستور with/as استفاده نماییم. ابتدا اجازه دهید بار دیگر ساختار دستور with/as را بررسی نماییم:

with context_expression [as target]:
    with_statement_body

در این ساختار بخش as اختیاری بوده و تنها زمانی که در داخل بدنه دستور with به شی تولید شده توسط context_expression نیاز داشته باشیم، استفاده می‌گردد؛ در این صورت یک ارجاع از شی مورد نیاز به نام دلخواه target ایجاد و در دسترس قرار می‌گیرد. context_expression نیز معرف یک شی‌ای است که توانایی مدیریت یا handle کردن دو وضعیت «ورود به» (entry into) و «خروج از» (exit from) را داشته باشد. برای ایجاد همچین شی‌ای می‌بایست دو متد خاص __enter__ [اسناد پایتون] و __exit__ [اسناد پایتون] را در کلاس مورد نظر خود پیاده‌سازی کنیم:

 1class SampleContextManager:
 2    def __enter__(self):
 3        print('---> Entered into context manager!')
 4
 5    def __exit__(self, *args):
 6        print('<--- Exiting from context manager!')
 7
 8
 9with SampleContextManager():
10    print('Inside context manager!')
---> Entered into context manager!
Inside context manager!
<--- Exiting from context manager!

همانطوری که از خروجی نمونه کد بالا قابل مشاهده می‌باشد، در هنگام اجرای دستور with، ابتدا متد __enter__ از شی Context Manager و سپس دستورات داخل بدنه دستور with و در نهایت نیز متد __exit__ از شی Context Manager اجرا می‌گردد.

اگر بخواهیم کمی عمیق‌تر به ماجرا نگاه کنیم:

  • اجرای متد __enter__ زمانی است که خط اجرای برنامه می‌خواهد وارد اجرای دستورات داخل with یا به اصطلاح وارد runtime context شود و خروجی این متد می‌بایست شی‌ای باشد که می‌خواهیم در طول اجرای دستور with یا به اصطلاح context، با آن کار کنیم. البته خروجی می‌تواند None باشد ولی باید توجه داشت که خروجی این متد است که توسط دستور as به نام target ارجاع می‌خورد!

  • اجرای متد __exit__ زمانی است که انجام کار دستورات with یا اجرای context به پایان رسیده است. این متد در واقع فرصتی برای تمیزکاری یا به اصطلاح clean up کردن آثار اجرای context می‌باشد. به مانند پاک کردن فایل‌هایی که موقت ایجاد شده‌اند، حذف اشیای اضافی باقی‌مانده یا انجام عمل بستن یک فایل یا پایان دادن یک ارتباط (Connection) یا...

برای آشنایی بیشتر در نمونه کد زیر یک Wrapper برای شی فایل ایجاد کرده‌ایم:

 1class FileWritterWrapper:
 2    def __init__(self, filename):
 3        self.filename = filename
 4
 5    def __enter__(self):
 6        self.opened_file = open(self.filename, 'a')
 7        self.opened_file.write('====== OPEN FILE ======\n')
 8        return self.opened_file
 9
10    def __exit__(self, *args):
11        self.opened_file.write('\n====== CLOSE FILE ======\n')
12        self.opened_file.close()
13
14
15with FileWritterWrapper('test_log.txt') as managed_file:
16    managed_file.write('Inside context manager!')

محتویات فایل test_log.txt، پس از اجرای کد بالا:

====== OPEN FILE ======
Inside context manager!
====== CLOSE FILE ======

به متد __exit__ برگردیم، براساس مستندات پایتون تعریف کامل این متد به شکل زیر است:

__exit__(self, exc_type, exc_value, traceback)

سه پارامتر انتهایی در صورت بروز Exception هنگام اجرای context (دستورات داخل بدنه with) دارای مقدار غیر None و در غیر این صورت برابر با مقدار None خواهند بود. وجود این مقادیر به معنی عدم پایان صحیح context می‌باشد که ممکن است بتواند در گرفتن تصمیم شما در زمان خروج از context تاثیر داشته باشد.

 1class SampleContextManager:
 2    def __enter__(self):
 3        print('---> Entered into context manager!')
 4
 5    def __exit__(self, exc_type, exc_value, traceback):
 6        print('exc_type:', exc_type)
 7        print('exc_value:', exc_value)
 8        print('traceback:', traceback)
 9        print('<--- Exiting from context manager!')
10
11
12with SampleContextManager():
13    print('|||||||||Inside context manager! - Top')
14    a = 8 / 0
15    print('|||||||||Inside context manager! - Bottom')
16
17
18print('***FINISH***')
---> Entered into context manager!
|||||||||Inside context manager! - Top
exc_type: <class 'ZeroDivisionError'>
exc_value: division by zero
traceback: <traceback object at 0x7f1c8aebd0c8>
<--- Exiting from context manager!
Traceback (most recent call last):
  File "sample.py", line 14, in <module>
    a = 8 / 0
ZeroDivisionError: division by zero

همان‌طور که از نمونه کد بالا قابل مشاهده است، در زمان اجرای دستورات context یک خطای (تقسیم بر صفر) ZeroDivisionError رخ داده است. نکته قابل توجه این است که حتی با وجود بروز خطا و ناتمام ماندن اجرای context، ولی بدنه متد __exit__ به صورت کامل اجرا شده است. در واقع مفسر پایتون اعلام Exception را که می‌تواند منجر به توقف کل برنامه شود را به صورت موقت تا پایان اجرا __exit__ معلق نگه می‌دارد.

در چنین حالتی اگر متد __exit__ مقدار True را برگرداند، مفسر پایتون از بروز Exception خودداری خواهد کرد:

 1class SampleContextManager:
 2    def __enter__(self):
 3        print('---> Entered into context manager!')
 4
 5    def __exit__(self, exc_type, exc_value, traceback):
 6        print('exc_type:', exc_type)
 7        print('exc_value:', exc_value)
 8        print('traceback:', traceback)
 9        print('<--- Exiting from context manager!')
10        return True
11
12
13with SampleContextManager():
14    print('|||||||||Inside context manager! - Top')
15    a = 8 / 0
16    print('|||||||||Inside context manager! - Bottom')
17
18
19print('***FINISH***')
---> Entered into context manager!
|||||||||Inside context manager! - Top
exc_type: <class 'ZeroDivisionError'>
exc_value: division by zero
traceback: <traceback object at 0x7f4b3d520048>
<--- Exiting from context manager!
***FINISH***

یادآوری:‌ می‌دانیم که خروجی هر تابع یا متد به صورت پیش‌فرض برای None می‌باشد و این مقدار در مقام ارزش‌سنجی بولین، ارزشی برابر با مقدار False دارد.

در طی دروس آینده به مبحث Exception و مدیریت آن خواهیم پرداخت.



😊 امیدوارم مفید بوده باشه