Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.
Phân biệt Data Descriptor và Non-data Descriptor trong Python
Trong Python, descriptors là một cơ chế mạnh mẽ giúp lập trình viên kiểm soát việc truy cập và quản lý thuộc tính của các đối tượng. Tuy nhiên, không phải tất cả các descriptor đều giống nhau; chúng được chia thành hai loại chính: data descriptor và non-data descriptor. Mỗi loại có cách hoạt động khác nhau, ảnh hưởng đến thứ tự ưu tiên khi Python tìm kiếm và xử lý thuộc tính của đối tượng. Trong bài viết này, chúng ta sẽ mình sự khác biệt giữa hai loại descriptor này, cách chúng hoạt động, và cách bạn có thể tận dụng chúng để quản lý thuộc tính hiệu quả hơn trong các lớp Python.
Descriptor là một cơ chế mạnh mẽ trong Python, cung cấp cho lập trình viên khả năng kiểm soát việc truy cập và thay đổi thuộc tính của một đối tượng. Có hai loại descriptor:
- Data descriptor: Là các đối tượng của một lớp triển khai phương thức
__set__
(và/hoặc phương thức__delete__
). - Non-data descriptor: Là các đối tượng của một lớp chỉ triển khai phương thức
__get__
.
Cả hai loại descriptor đều có thể tùy chọn triển khai phương thức __set_name__
. Tuy nhiên, việc có hay không phương thức __set_name__
không ảnh hưởng đến việc phân loại descriptor.
Việc phân loại descriptor sẽ quyết định cách Python xử lý việc tìm kiếm thuộc tính của một đối tượng.
Bài viết này được đăng tại [free tuts .net]
Non-data Descriptor trong Python
Nếu một lớp sử dụng non-data descriptor, Python sẽ tìm kiếm thuộc tính trong các thuộc tính của đối tượng trước tiên (trong từ điển __dict__
của đối tượng). Nếu không tìm thấy thuộc tính trong từ điển này, Python mới sử dụng non-data descriptor.
Hãy xem một ví dụ đơn giản:
Trước tiên, định nghĩa một lớp non-data descriptor tên là FileCount
, trong đó có phương thức __get__
trả về số lượng file trong một thư mục:
class FileCount: def __get__(self, instance, owner): print('Phương thức __get__ được gọi') return len(os.listdir(instance.path))
Tiếp theo, định nghĩa một lớp Folder
sử dụng descriptor FileCount
:
class Folder: count = FileCount() def __init__(self, path): self.path = path
Sau đó, tạo một đối tượng của lớp Folder
và truy cập thuộc tính count
:
folder = Folder('/') print('Số lượng file: ', folder.count)
Kết quả là:
Phương thức __get__ được gọi Số lượng file: 32
Python đã gọi phương thức __get__
của descriptor.
Tiếp theo, gán giá trị cho thuộc tính count
của đối tượng folder
:
folder.__dict__['count'] = 100 print('Số lượng file: ', folder.count)
Kết quả:
Số lượng file: 100
Trong ví dụ này, Python tìm thấy thuộc tính count
trong từ điển __dict__
của đối tượng, vì vậy nó không sử dụng non-data descriptor mà thay vào đó trả về giá trị đã được gán trong từ điển.
Data Descriptor trong Python
Ngược lại, khi một lớp có data descriptor, Python sẽ tìm kiếm thuộc tính của đối tượng trong data descriptor trước. Nếu không tìm thấy, Python mới tìm kiếm thuộc tính trong từ điển __dict__
.
Ví dụ:
Trước tiên, định nghĩa một lớp descriptor Coordinate
:
class Coordinate: def __get__(self, instance, owner): print('Phương thức __get__ được gọi') def __set__(self, instance, value): print('Phương thức __set__ được gọi')
Tiếp theo, định nghĩa một lớp Point
sử dụng descriptor Coordinate
:
class Point: x = Coordinate() y = Coordinate()
Sau đó, tạo một đối tượng mới của lớp Point
và gán giá trị cho thuộc tính x
:
p = Point() p.x = 10
Kết quả là:
Phương thức __set__ được gọi
Python đã gọi phương thức __set__
của descriptor x
.
Cuối cùng, truy cập thuộc tính x
của đối tượng p
:
p.x
Kết quả:
Phương thức __get__ được gọi
Python đã gọi phương thức __get__
của descriptor x
.
Kết bài
Việc nắm vững sự khác biệt giữa data descriptor và non-data descriptor giúp bạn hiểu rõ hơn cách Python xử lý thứ tự ưu tiên khi truy cập thuộc tính của một đối tượng. Điều này cho phép bạn tối ưu hóa quá trình quản lý và kiểm soát thuộc tính một cách chặt chẽ và hiệu quả hơn trong các lớp Python. Bằng cách tận dụng đúng loại descriptor, bạn có thể tạo ra các lớp linh hoạt, dễ bảo trì và đáp ứng tốt hơn các yêu cầu kiểm tra dữ liệu hay xử lý logic phức tạp, từ đó giúp mã nguồn trở nên mạnh mẽ hơn.