Python 反射
在计算机学中，反射（英语：reflection）是指计算机程序在运行时（runtime）可以访问、检测和修改它本身状态或行为的一种能力。[1]用比喻来说，反射就是程序在运行的时候能够“观察”并且修改自己的行为。
以上是维基百科中对反射的解释。我的理解反射是在运行过程中，获取和修改未知对象的属性和方法的一种解决方案。
反射在一定程度上提供了灵活性和通用性，是程序在运行过程中根据实际需要执行额外的操作。同时反射降低了代码的可读性，为团队间的协作制造了一定的障碍。
反射广泛应用于软件测试中，在运行中创建和实例化对象，并操作属性和方法。
Python 中的反射
Python 中反射的方法：
hasattr(obj, name): 判断对象中是否有以 name 命名的属性或方法。getattr(obj, name): 获取对象中以 name 命名的属性或方法，如果是属性获取到将是属性的值，如果是方法获取到的是方法的实例。setattr(obj, name, value): 为对象设置一个以 value 为值以 name 为名的属性或方法。delattr(obj, name): 删除对象中以 name 为名称的属性或方法。dir([obj]): 该方法返回对象大多数属性名的列表。
反射中方法的使用示例：
class Test():
def __init__(self, name):
self.name = name
def say(self):
print('Hello ' + self.name)
test = Test("keinYe")
if hasattr(test, 'name'):
print('name = %s' % getattr(test, 'name'))
setattr(test, 'name', 'python')
print('name = %s' % getattr(test, 'name'))
else:
print("The attribute 'name' not exist in Test")
delattr(test, 'name')
if not hasattr(test, 'name'):
print('name is deleted')
setattr(test, 'name', 'python')
print('name = %s' % getattr(test, 'name'))
attr = dir(test)
print(attr)运行以上代码，你将得到以下结果：
name = keinYe
name = python
name is deleted
name = python
['__class__', '__delattr__', '__dict__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__weakref__', 'name', 'say']在使用 dir 函数获取对象的属性和方法时，我们得到很多以 __ 开头和结尾的属性，我们本身并没有定义这些属性，这些属性是 python 自动添加的，它们保存了对象的元数据，我们可以去读取这些属性，但是尽量不要修改他们，以免引起不必要的错误。
判断获取到的对象是否是方法/函数
通过反射获取到的对象有属性也有方法或函数，可以通过以下方法判断获取到的对象是否是方法或函数。
1、判断是否具有 __call__ 属性
add = lambda a, b:a+b
if hasattr(add, '__call__'):
print(add(1, 2))2、利用 callable 判断
if callable(add):
print(add(1, 2))3、利用 inspect 模块中的 isfunction 函数判断
from inspect import isfunction
if isfunction(add):
print(add(1, 2))注意：isfunction 函数无法判断类中的方法。
4、使用 types.MethodType 或 types.FunctionType 来判断。
import types
class Test():
def __init__(self, name):
self.name = name
def say(self):
print('Hello ' + self.name)
test = Test("keinYe")
print(type(test.say))
print(type(isfunction))
print(type(print))
if isinstance(isfunction, types.FunctionType):
print(True)
if isinstance(test.say, types.MethodType):
print(True)
if isinstance(print, types.BuiltinMethodType):
print(True) 以上代码输出结果
<class 'method'>
<class 'function'>
<class 'builtin_function_or_method'>
True
True
True注意：print 等 python 内置函数/方法，使用 type 函数获取到的类型将是 <class 'builtin_function_or_method'>
方法/函数的使用
当使用反射获取到方法或函数的对象后，可以直接在后加上括号进行访问「前提是该函数没有参数」。
func = getattr(test, 'say')
if hasattr(func, '__call__'):
func()如果方法/函数有参数，那么以上调用方法将会报 TypeError。那么我们如果来获取函数的参数呢，使用 inspect 模块的 getfullargspec 函数来获取参数列表。
if hasattr(func, '__call__'):
args = inspect.getfullargspec(func)
print(args.args)执行以上代码，将得到以下结果：
['self']由于 say 是类方法，其第一个参数总是 self，此时如果我们在 say 方法上新增一个参数，我们可以看到获取到的参数列表的变化。
class Test():
def __init__(self, name, age):
self.name = name
self.age = age
def say(self, time):
print('Hello ' + self.name)
test = Test('keinYe', 20)
func = getattr(test, 'say')
if hasattr(func, '__call__'):
args = inspect.getfullargspec(func)
print(args.args)此时我们将得到 say 方法的两个参数 self 和 time。
反射的应用
在使用 python 进行网络通信时，不可避免的会使用到 json 格式，那么将一个类转换为 json 或将一个 json 转换为类对象，如果每次都手动将类属性转换为 json 数据，那么将是一个非常费力不讨好的工作，我们可以使用反射来实现，让每个数据类继承这些方法，即可实现一次编程到处使用。
以下是示例代码：
import json
class Base(object):
def to_json(self):
attrs = dir(self)
json_dict = {}
for attr in attrs:
if attr.startswith('_') or attr.endswith('_'):
continue
attr_obj = getattr(self, attr)
if hasattr(attr_obj, '__call__'):
continue
json_dict[attr] = attr_obj
return json.dumps(json_dict)
def to_object(self, json_str):
json_dict = json.loads(json_str)
attrs = dir(self)
for attr in attrs:
if attr.startswith('_') or attr.endswith('_'):
continue
if hasattr(attr, '__call__'):
continue
if attr in json_dict:
setattr(self, attr, json_dict.get(attr))
class Person(Base):
def __init__(self, name=None, age=None):
self.name = name
self.age = age
def say(self):
print('name = %s, age = %s' % (self.name, self.age))
person1 = Person('keinYe', 25)
print(person1.to_json())
person2 = Person()
json_str = '{"name":"test", "age": 27}'
person2.to_object(json_str)
person2.say()执行以上代码将得到以下结果：
{"age": 25, "name": "keinYe"}
name = None, age = None
name = test, age = 27