把函数视作对象 - 使用一等函数实现设计模式
《设计模式:可复用面向对象软件的基础》一书是这样概述“策略”模式的:定义一系列算法,把它们一一封装起来,并且使它们可以相互替换。本模式使得算法可以独立于使用它的客户而变化。
1. 经典的“策略”模式
电商领域有个功能明显可以使用“策略”模式,即根据客户的属性或订单中的商品计算折扣。假如一个网店制定了下述折扣规则。
- 有 1000 或以上积分的顾客,每个订单享 5% 折扣。
- 同一订单中,单个商品的数量达到 20 个或以上,享 10% 折扣。
- 订单中的不同商品达到 10 个或以上,享 7% 折扣。
- (简单起见,我们假定一个订单一次只能享用一个折扣。)
上下文: 把一些计算委托给实现不同算法的可互换组件,它提供服务。在这个电商示例中,上下文是 Order,它会根据不同的算法计算促销折扣。
策略: 实现不同算法的组件共同的接口。在这个示例中,名为 Promotion 的抽象类扮演这个角色。
具体策略: “策略”的具体子类。fidelityPromo、BulkPromo 和 LargeOrderPromo 是这里实现的三个具体策略。
from abc import ABC, abstractmethod
from collections import namedtuple
Customer = namedtuple('Customer', 'name fidelity')
class LineItem(object):
def __init__(self, product, quantity, price):
self.product = product
self.quantity = quantity
self.price = price
def total(self):
return self.price * self.quantity
class Order(object):
def __init__(self, customer, cart, promotion=None):
self.customer = customer
self.cart = cart
self.promotion = promotion
def total(self):
if not hasattr(self, '__total'):
self.__total = sum(item.total() for item in self.cart)
return self.__total
def due(self):
if self.promotion is None:
discount = 0
else:
discount = self.promotion.discount(self)
return self.total() - discount
def __repr__(self):
fmt = f'<Order total:{self.total()}, due:{self.due()}>'
return fmt
class Promotion(ABC):
@staticmethod
def discount(self, order):
"""返回折扣金额"""
class FidelityPromo(Promotion):
"""1000积分以上顾客,5%折扣"""
def discount(self, order):
return order.total() * 0.05 if order.customer.fidelity >= 1000 else 0
class BulkItemPromo(Promotion):
"""单个商品20个以上,10%折扣"""
def discount(self, order):
discount = 0
for item in order.cart:
if item.quantity >= 20:
discount += item.total * 0.1
return discount
class LargeOrderPromo(Promotion):
"""不同商品10个以上,7%折扣"""
def discount(self, order):
distinct_items = {item.product for item in order.cart}
if len(distinct_items) >= 10:
return order.total() * 0.07
return 0
joe = Customer('John Doe', 0)
ann = Customer('Ann Smith', 1100)
cart = [LineItem('banana', 4, .5), LineItem('apple', 10, 1.5), LineItem('watermellon', 5, 5.0)]
Order(joe, cart, FidelityPromo())
# <Order total: 42.00 due: 42.00>
Order(ann, cart, FidelityPromo())
# <Order total: 42.00 due: 39.90>
banana_cart = [LineItem('banana', 30, .5), LineItem('apple', 10, 1.5)]
Order(joe, banana_cart, BulkItemPromo())
# <Order total: 30.00 due: 28.50>
long_order = [LineItem(str(item_code), 1, 1.0) for item_code in range(10)]
Order(joe, long_order, LargeOrderPromo())
# <Order total: 10.00 due: 9.30>
Order(joe, cart, LargeOrderPromo())
分析:每个具体策略都是一个类,而且都只定义了一个方法,即 discount。此外,策略实例没有状态(没有实例属性)。你可能会说,它们看起来像是普通的函数——的确如此。以下示例是对上例的重构,把具体策略换成了简单的函数,而且去掉了 Promo抽象类。
没必要在新建订单时实例化新的促销对象,函数拿来即用。
2. 使用函数实现“策略”模式
from abc import ABC, abstractmethod
from collections import namedtuple
Customer = namedtuple('Customer', 'name fidelity')
class LineItem(object):
def __init__(self, product, quantity, price):
self.product = product
self.quantity = quantity
self.price = price
def total(self):
return self.price * self.quantity
class Order(object):
def __init__(self, customer, cart, promotion=None):
self.customer = customer
self.cart = cart
self.promotion = promotion
def total(self):
if not hasattr(self, '__total'):
self.__total = sum(item.total() for item in self.cart)
return self.__total
def due(self):
if self.promotion is None:
discount = 0
else:
discount = self.promotion(self) # 计算折扣只需调用self.promotion()函数。
return self.total() - discount
def __repr__(self):
fmt = f'<Order total:{self.total()}, due:{self.due()}>'
return fmt
# 没有抽象类
def fidelity_promo(order): # 各个策略都是函数
"""1000积分以上顾客,5%折扣"""
return order.total() * 0.05 if order.customer.fidelity >= 1000 else 0
# 没必要在新建订单时实例化新的促销对象,函数拿来即用。
def bulk_item_promo(order):
"""单个商品20个以上,10%折扣"""
discount = 0
for item in order.cart:
if item.quantity >= 20:
discount += item.total() * 0.1
return discount
def large_order_promo(order):
"""不同商品10个以上,7%折扣"""
distinct_items = {item.product for item in order.cart}
if len(distinct_items) >= 10:
return order.total() * 0.07
return 0
joe = Customer('John Doe', 0)
ann = Customer('Ann Smith', 1100)
cart = [LineItem('banana', 4, .5), LineItem('apple', 10, 1.5), LineItem('watermellon', 5, 5.0)]
Order(joe, cart, fidelity_promo) # 没必要在新建订单时实例化新的促销对象,函数拿来即用。
# <Order total: 42.00 due: 42.00>
Order(ann, cart, fidelity_promo)
# <Order total: 42.00 due: 39.90>
banana_cart = [LineItem('banana', 30, .5), LineItem('apple', 10, 1.5)]
Order(joe, banana_cart, bulk_item_promo)
# <Order total: 30.00 due: 28.50>
long_order = [LineItem(str(item_code), 1, 1.0) for item_code in range(10)]
Order(joe, long_order, large_order_promo)
# <Order total: 10.00 due: 9.30>
Order(joe, cart, large_order_promo)
# <Order total:42.0, due:42.0>
值得注意的是,《设计模式:可复用面向对象软件的基础》一书的作者指出:“策略对象通常是很好的享元(flyweight)。”那本书的另一部分对“享元”下了定义:“享元是可共享的对象,可以同时在多个上下文中使用。” 共享是推荐的做法,这样不必在每个新的上下文(这里是 Order 实例)中使用相同的策略时不断新建具体策略对象,从而减少消耗。因此,为了避免“策略”模式的一个缺点(运行时消耗),《设计模式:可复用面向对象软件的基础》的作者建议再使用另一个模式。但此时,代码行数和维护成本会不断攀升。
在复杂的情况下,需要具体策略维护内部状态时,可能需要把“策略”和“享元”模式结合起来。但是,具体策略一般没有内部状态,只是处理上下文中的数据。此时,一定要使用普通的函数,别去编写只有一个方法的类,再去实现另一个类声明的单函数接口。函数比用户定义的类的实例轻量,而且无需使用“享元”模式,因为各个策略函数在 Python 编译模块时只会创建一次。普通的函数也是“可共享的对象,可以同时在多个上下文中使用”。
3. 选择最佳策略:简单的方式
promo_list = [fidelity_promo, bulk_item_promo, large_order_promo]
def best_promo(order):
"""
与其他几个 *_promo 函数一样,best_promo 函数的参数是一个Order实例;
使用生成器表达式把 order 传给 promos 列表中的各个函数,
返回折扣额度最大的那个函数。
"""
return max(promo(order) for promo in promo_list)
promos 是函数列表。习惯函数是一等对象后,自然而然就会构建那种数据结构存储函数。
该例可用,而且易于阅读,但是有些重复可能会导致不易察觉的缺陷:若想添加新的促销策略,要定义相应的函数,还要记得把它添加到 promos 列表中;否则,当新促销函数显式地作为参数传给 Order 时,它是可用的,但是 best_promo 不会考虑它。
4. 找出模式中的全部策略
globals() 返回一个字典,表示当前的全局符号表。这个符号表始终针对当前模块(对函数或方法来说,是指定义它们的模块,而不是调用它们的模块)。
# test.py
def test1():
pass
class Test2(object):
def test3(self):
pass
for i in list(globals()):
print(i)
__name__
__doc__
__package__
__loader__
__spec__
__annotations__
__builtins__
__file__
__cached__
test1
Test2
在上例中修改:迭代 globals() 返回字典中的各个 name,只选择以 _promo 结尾的名称,过滤掉 best_promo 自身,防止无限递归,best_promo 内部的代码没有变化。
# 选择最佳策略:方法二
promo_list2 = [globals()[name] for name in globals()
if name.endswith('_promo') and name != 'best_promo']
def best_promo2(order):
# 选择可用的最佳折扣
return max(promo(order) for promo in promo_list2)
print(Order(joe, banana_cart, bulk_item_promo))
print(Order(joe, long_order, large_order_promo))
print(Order(joe, cart, best_promo2))
# <Order total:30.0, due:28.5>
# <Order total:10.0, due:9.3>
# <Order total:42.0, due:42.0>