在这个实验中，你将了解 Python 中继承的行为。具体来说，你将重点学习 super() 函数的工作原理以及如何实现协作式继承。继承是面向对象编程中的一个基本概念，它允许类从父类继承属性和方法，以实现代码复用和构建层次化的类结构。
在这个实践体验中，你将了解 Python 中不同类型的继承，包括单继承和多继承。你还将学习如何使用 super() 函数来遍历继承层次结构，实现一个协作式多继承的实际示例，并应用这些概念来构建一个验证系统。在这个实验中创建的主要文件是 validate.py。
在这一步中，我们将学习 Python 中两种主要的继承类型：单继承和多继承。继承是面向对象编程中的一个基本概念，它允许一个类从其他类继承属性和方法。我们还将探讨当有多个候选方法时，Python 如何确定调用哪个方法，这个过程称为方法解析。
单继承是指类形成单一的继承链。可以将其想象成一个家族树，每个类只有一个直接父类。让我们创建一个示例来理解它的工作原理。
首先，在 WebIDE 中打开一个新的终端。终端打开后，输入以下命令并按回车键启动 Python 解释器：
python3现在你已经进入了 Python 解释器，我们将创建三个形成单继承链的类。输入以下代码：
class A:
def spam(self):
print('A.spam')
class B(A):
def spam(self):
print('B.spam')
super().spam()
class C(B):
def spam(self):
print('C.spam')
super().spam()在这段代码中，类 B 继承自类 A，类 C 继承自类 B。super() 函数用于调用父类的方法。
定义这些类之后，我们可以找出 Python 搜索方法的顺序。这个顺序称为方法解析顺序（Method Resolution Order，MRO）。要查看类 C 的 MRO，请输入以下代码：
C.__mro__你应该会看到类似以下的输出：
(<class '__main__.C'>, <class '__main__.B'>, <class '__main__.A'>, <class 'object'>)这个输出表明，Python 首先在类 C 中查找方法，然后在类 B 中查找，接着在类 A 中查找，最后在基类 object 中查找。
现在，让我们创建类 C 的一个实例并调用其 spam() 方法。输入以下代码：
c = C()
c.spam()你应该会看到以下输出：
C.spam
B.spam
A.spam这个输出展示了 super() 在单继承链中的工作方式。当 C.spam() 调用 super().spam() 时，它调用的是 B.spam()。然后，当 B.spam() 调用 super().spam() 时，它调用的是 A.spam()。
多继承允许一个类从多个父类继承。这使得一个类可以访问其所有父类的属性和方法。让我们看看在这种情况下方法解析是如何工作的。
在 Python 解释器中输入以下代码：
class Base:
def spam(self):
print('Base.spam')
class X(Base):
def spam(self):
print('X.spam')
super().spam()
class Y(Base):
def spam(self):
print('Y.spam')
super().spam()
class Z(Base):
def spam(self):
print('Z.spam')
super().spam()现在，我们将创建一个类 M，它继承自多个父类 X、Y 和 Z。输入以下代码：
class M(X, Y, Z):
pass
M.__mro__你应该会看到以下输出：
(<class '__main__.M'>, <class '__main__.X'>, <class '__main__.Y'>, <class '__main__.Z'>, <class '__main__.Base'>, <class 'object'>)这个输出显示了类 M 的方法解析顺序。Python 将按照这个顺序搜索方法。
让我们创建类 M 的一个实例并调用其 spam() 方法：
m = M()
m.spam()你应该会看到以下输出：
X.spam
Y.spam
Z.spam
Base.spam请注意，super() 并不只是调用直接父类的方法。相反，它遵循子类定义的方法解析顺序（MRO）。
让我们以不同的顺序指定父类来创建另一个类 N：
class N(Z, Y, X):
pass
N.__mro__你应该会看到以下输出：
(<class '__main__.N'>, <class '__main__.Z'>, <class '__main__.Y'>, <class '__main__.X'>, <class '__main__.Base'>, <class 'object'>)现在，创建类 N 的一个实例并调用其 spam() 方法：
n = N()
n.spam()你应该会看到以下输出：
Z.spam
Y.spam
X.spam
Base.spam这展示了一个重要的概念：在 Python 的多继承中，类定义中父类的顺序决定了方法解析顺序。无论从哪个类调用 super() 函数，它都会遵循这个顺序。
当你完成对这些概念的探索后，可以输入以下代码退出 Python 解释器：
exit()在这一步中，我们将使用继承构建一个实用的验证系统。继承是编程中一个强大的概念，它允许你基于现有的类创建新的类。通过这种方式，你可以复用代码，创建更有条理和模块化的程序。通过构建这个验证系统，你将了解如何使用继承来创建可复用的代码组件，并以不同的方式组合它们。
首先，我们需要为验证器创建一个基类。为此，我们将在 WebIDE 中创建一个新文件。你可以这样操作：点击“File” > “New File”，或者使用键盘快捷键。新文件打开后，将其命名为 validate.py。
现在，让我们在这个文件中添加一些代码，以创建一个基础的 Validator 类。这个类将作为我们所有其他验证器的基础。
## validate.py
class Validator:
@classmethod
def check(cls, value):
return value在这段代码中，我们定义了一个 Validator 类，其中包含一个 check 方法。check 方法接受一个值作为参数，并直接返回该值，不做任何修改。@classmethod 装饰器用于将这个方法定义为类方法。这意味着我们可以直接在类上调用这个方法，而无需创建类的实例。
接下来，我们将添加一些用于检查值类型的验证器。这些验证器将继承自我们刚刚创建的 Validator 类。回到 validate.py 文件，添加以下代码：
class Typed(Validator):
expected_type = object
@classmethod
def check(cls, value):
if not isinstance(value, cls.expected_type):
raise TypeError(f'Expected {cls.expected_type}')
return super().check(value)
class Integer(Typed):
expected_type = int
class Float(Typed):
expected_type = float
class String(Typed):
expected_type = strTyped 类是 Validator 类的子类。它有一个 expected_type 属性，初始值设置为 object。Typed 类中的 check 方法会检查给定的值是否为预期的类型。如果不是，它会抛出一个 TypeError 异常。如果类型正确，它会使用 super().check(value) 调用父类的 check 方法。
Integer、Float 和 String 类继承自 Typed 类，并指定了它们要检查的确切类型。例如，Integer 类会检查一个值是否为整数。
现在我们已经创建了类型验证器，让我们来测试它们。打开一个新的终端，运行以下命令启动 Python 解释器：
python3Python 解释器启动后，我们可以导入并测试我们的验证器。以下是一些用于测试的代码：
from validate import Integer, String
Integer.check(10) ## Should return 10
try:
Integer.check('10') ## Should raise TypeError
except TypeError as e:
print(f"Error: {e}")
String.check('10') ## Should return '10'运行这段代码时，你应该会看到类似以下的输出：
10
Error: Expected <class 'int'>
'10'我们还可以在函数中使用这些验证器。让我们试试看：
def add(x, y):
Integer.check(x)
Integer.check(y)
return x + y
add(2, 2) ## Should return 4
try:
add('2', '3') ## Should raise TypeError
except TypeError as e:
print(f"Error: {e}")运行这段代码时，你应该会看到：
4
Error: Expected <class 'int'>到目前为止，我们已经创建了用于检查值类型的验证器。现在，让我们添加一些用于检查值本身而不是类型的验证器。回到 validate.py 文件，添加以下代码：
class Positive(Validator):
@classmethod
def check(cls, value):
if value < 0:
raise ValueError('Expected >= 0')
return super().check(value)
class NonEmpty(Validator):
@classmethod
def check(cls, value):
if len(value) == 0:
raise ValueError('Must be non-empty')
return super().check(value)Positive 验证器用于检查一个值是否为非负数。如果值小于 0，它会抛出一个 ValueError 异常。NonEmpty 验证器用于检查一个值的长度是否不为 0。如果长度为 0，它会抛出一个 ValueError 异常。
现在，我们将使用多继承来组合我们的验证器。多继承允许一个类从多个父类继承。回到 validate.py 文件，添加以下代码：
class PositiveInteger(Integer, Positive):
pass
class PositiveFloat(Float, Positive):
pass
class NonEmptyString(String, NonEmpty):
pass这些新类将类型检查和值检查组合在一起。例如，PositiveInteger 类会检查一个值是否既是整数又是非负数。这里继承的顺序很重要。验证器将按照类定义中指定的顺序进行检查。
让我们测试我们的组合验证器。在 Python 解释器中，运行以下代码：
from validate import PositiveInteger, PositiveFloat, NonEmptyString
PositiveInteger.check(10) ## Should return 10
try:
PositiveInteger.check('10') ## Should raise TypeError
except TypeError as e:
print(f"Error: {e}")
try:
PositiveInteger.check(-10) ## Should raise ValueError
except ValueError as e:
print(f"Error: {e}")
NonEmptyString.check('hello') ## Should return 'hello'
try:
NonEmptyString.check('') ## Should raise ValueError
except ValueError as e:
print(f"Error: {e}")运行这段代码时，你应该会看到：
10
Error: Expected <class 'int'>
Error: Expected >= 0
'hello'
Error: Must be non-empty这展示了我们如何组合验证器来创建更复杂的验证规则。
测试完成后，你可以运行以下命令退出 Python 解释器：
exit()在这一步中，我们将了解我们的验证器在实际场景中是如何工作的。验证器就像是小检查器，确保我们使用的数据符合特定规则。我们将创建一个 Stock 类。类就像是创建对象的蓝图。在这种情况下，Stock 类将代表股票市场中的一支股票，我们将使用验证器来确保其属性的值（如股票数量和价格）是有效的。
首先，我们需要创建一个新文件。在 WebIDE 中，创建一个名为 stock.py 的新文件。这个文件将包含我们 Stock 类的代码。现在，将以下代码添加到 stock.py 文件中：
## stock.py
from validate import PositiveInteger, PositiveFloat
class Stock:
def __init__(self, name, shares, price):
self.name = name
self.shares = shares
self.price = price
@property
def shares(self):
return self._shares
@shares.setter
def shares(self, value):
self._shares = PositiveInteger.check(value)
@property
def price(self):
return self._price
@price.setter
def price(self, value):
self._price = PositiveFloat.check(value)
def cost(self):
return self.shares * self.price让我们来详细分析这段代码的功能：
validate 模块导入 PositiveInteger 和 PositiveFloat 验证器。这些验证器将帮助我们确保股票数量是正整数，价格是正浮点数。Stock 类。在类内部，我们有一个 __init__ 方法。当我们创建一个新的 Stock 对象时，会调用这个方法。它接受三个参数：name、shares 和 price，并将它们赋值给对象的属性。shares 和 price 的值。属性是一种控制对属性访问的方式，而设置器是当我们尝试设置该属性的值时会调用的方法。当我们设置 shares 属性时，会调用 PositiveInteger.check 方法，以确保该值是正整数。同样，当我们设置 price 属性时，会调用 PositiveFloat.check 方法，以确保该值是正浮点数。cost 方法。这个方法通过将股票数量乘以价格来计算股票的总成本。现在我们已经创建了 Stock 类，需要对其进行测试，以查看验证器是否正常工作。打开一个新的终端并启动 Python 解释器。你可以通过运行以下命令来实现：
python3Python 解释器启动后，我们可以导入并测试 Stock 类。在 Python 解释器中输入以下代码：
from stock import Stock
## Create a valid stock
s = Stock('GOOG', 100, 490.10)
print(f"Name: {s.name}, Shares: {s.shares}, Price: {s.price}")
print(f"Cost: {s.cost()}")
## Try setting an invalid shares value
try:
s.shares = -10
except ValueError as e:
print(f"Error setting shares: {e}")
## Try setting an invalid price value
try:
s.price = "not a price"
except TypeError as e:
print(f"Error setting price: {e}")运行这段代码时，你应该会看到类似于以下的输出：
Name: GOOG, Shares: 100, Price: 490.1
Cost: 49010.0
Error setting shares: Expected >= 0
Error setting price: Expected <class 'float'>这个输出表明我们的验证器按预期工作。Stock 类不允许我们为 shares 和 price 设置无效的值。当我们尝试设置无效值时，会抛出一个错误，我们可以捕获并打印该错误。
使用我们的验证器的一个优点是，我们可以轻松地组合不同的验证规则。继承是 Python 中一个强大的概念，它允许我们基于现有的类创建新的类。通过多继承，我们可以使用 super() 函数调用多个父类的方法。
例如，如果我们想确保股票名称不为空，可以按照以下步骤操作：
validate 模块导入 NonEmptyString 验证器。这个验证器将帮助我们检查股票名称是否不是空字符串。Stock 类中为 name 属性添加一个属性设置器。这个设置器将使用 NonEmptyString.check() 方法来验证股票名称。这展示了继承，特别是结合 super() 函数的多继承，如何让我们构建灵活且可通过不同组合方式复用的组件。
测试完成后，你可以运行以下命令退出 Python 解释器：
exit()在本次实验中，你学习了 Python 中继承的特性，并掌握了几个关键概念。你探究了单继承和多继承之间的区别，理解了 super() 函数如何遵循方法解析顺序（Method Resolution Order，MRO），学会了实现协作式多继承，并运用继承构建了一个实用的验证系统。
你还利用继承创建了一个灵活的验证框架，并将其应用到 Stock 类这个实际示例中，这展示了继承如何创建可复用和可组合的组件。关键要点包括 super() 在单继承和多继承中的工作原理、多继承组合功能的能力，以及将属性设置器与验证器结合使用。这些概念是 Python 面向对象编程的基础，在实际应用中被广泛使用。