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
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14