Skip to content

Latest commit

 

History

History
550 lines (368 loc) · 26.9 KB

14-write-solid-python-codes-part-3.md

File metadata and controls

550 lines (368 loc) · 26.9 KB

Python 工匠:写好面向对象代码的原则(下)

前言

这是 “Python 工匠”系列的第 14 篇文章。[查看系列所有文章]

在这篇文章中,我将继续介绍 SOLID 原则剩下的两位成员:I(接口隔离原则)D(依赖倒置原则)。为了方便,这篇文章将会使用先 D 后 I 的顺序。

D:依赖倒置原则

软件是由一个个模块组合而成的。当你跟别人说:“我在写一个很复杂的软件”,其实你并不是直接在写那个软件,你只是在编写它的一个个模块,最后把它们放在一起组合成你的软件。

有了模块,模块间自然就有了依赖关系。比如,你的个人博客可能依赖着 Flask 框架,而 Flask 又依赖了 Werkzeug,Werkzeug 又由更多个低层模块组成。

依赖倒置原则(Dependency Inversion Principle)就是一条和依赖关系相关的原则。它认为:“高层模块不应该依赖于低层模块,二者都应该依赖于抽象。”

High-level modules should not depend on low-level modules. Both should depend on abstractions.

这个原则看上去有点反直觉。毕竟,在我们的第一堂编程课上,老师就是这么教我们写代码的:“高层模块要依赖低层模块,hello world 程序依赖 printf()。” 那为什么这条原则又说不要这样做呢?而依赖倒置原则里的“倒置”又是指什么?

让我们先把这些问题放在一边,看看下面这个小需求。上面这些问题的答案都藏在这个需求中。

需求:按域名分组统计 HN 新闻数量

这次出场的还是我们的老朋友:新闻站点 Hacker News。在 HN 上,每个用户提交的条目标题后面,都跟着这条内容的来源域名。

我想要按照来源域名来分组统计条目数量,这样就能知道哪个站在 HN 上最受欢迎。

图:Hacker News 条目来源截图

这个需求非常简单,使用 requestslxml 模块可以很快完成任务:

# file: hn_site_grouper.py
import requests
from lxml import etree
from typing import Dict
from collections import Counter


class SiteSourceGrouper:
    """对 HN 页面的新闻来源站点进行分组统计
    """
    def __init__(self, url: str):
        self.url = url

    def get_groups(self) -> Dict[str, int]:
        """获取 (域名, 个数) 分组
        """
        resp = requests.get(self.url)
        html = etree.HTML(resp.text)
        # 通过 xpath 语法筛选新闻域名标签
        elems = html.xpath('//table[@class="itemlist"]//span[@class="sitestr"]')

        groups = Counter()
        for elem in elems:
            groups.update([elem.text])
        return groups


def main():
    groups = SiteSourceGrouper("https://news.ycombinator.com/").get_groups()
    # 打印最常见的 3 个域名
    for key, value in groups.most_common(3):
        print(f'Site: {key} | Count: {value}')


if __name__ == '__main__':
    main()

代码执行结果:

❯ python hn_sitestr_grouper.py
Site: github.com | Count: 2
Site: howonlee.github.io | Count: 1
Site: latimes.com | Count: 1

这段代码很短,核心代码总共不到 20 行。现在,让我们来理一理它里面的依赖关系。

SiteSourceGrouper 是我们的核心类。为了完成任务,它需要使用 requests 模块获取首页内容、lxml 模块解析标题。所以,现在的依赖关系是“正向”的,高层模块 SiteSourceGrouper 依赖低层模块 requestslxml

图:SiteSourceGrouper 依赖 requests、lxml

也许现在这张图在你眼里看起来特别合理。正常的依赖关系不就应该是这样的吗?别着急,我们还没给代码写单元测试呢。

为 SiteSourceGrouper 编写单元测试

现在让我来为这段代码加上单元测试。首先让最普通的情况开始:

from hn_site_grouper import SiteSourceGrouper
from collections import Counter


def test_grouper_returning_valid_types():
    """测试 get_groups 是否返回了正确类型
    """
    grouper = SiteSourceGrouper('https://news.ycombinator.com/')
    result = grouper.get_groups()
    assert isinstance(result, Counter), "groups should be Counter instance"

这是一个再简单不过的单元测试,我调用了 SiteSourceGrouper.get_groups() 方法,然后简单校验了一下返回结果类型是否正常。

这个测试在本地电脑上执行时没有一点问题,可以正常通过。但当我在服务器上执行这段单元测试代码时,却发现它根本没办法成功。因为 我的服务器不能访问外网。

# 运行单元测试时提示网络错误
requests.exceptions.ConnectionError: HTTPSConnectionPool(host='news.ycombinator.com', port=443):  ... ... [Errno 8] nodename nor servname provided, or not known'))

到这里,单元测试暴露了 SiteSourceGrouper 类的一个问题:它的核心逻辑依赖 requests 模块和网络连接,严格限制了单元测试的执行条件。

既然如此,那要如何解决这个问题呢?如果你去问一个有经验的 Python 的开发者,十有八九他会甩给你一句话:“用 mock 啊!”

使用 mock 模块

mock 是 unittest 里的一个模块,同时也是一类测试手法的统称。假如你需要测试的模块里有一部分依赖很难被满足*(比如代码需要访问一整套 Kubernetes 集群)*,或者你想在测试时故意替换掉某些依赖,那么 mock 就能派上用场。

在这个例子里,使用 unittest.mock 模块需要做下面这些事情:

  • 把一份正确的 HN 页面内容保存为本地文件 static_hn.html
  • 在测试文件中导入 unittest.mock 模块
  • 在测试函数中,通过 mock.path('requests.get') 替换网络请求部分
  • 将其修改为直接返回文件 static_hn.html 的内容

使用 mock 后的代码看起来是这样的:

from unittest import mock

def test_grouper_returning_valid_types():
    """测试 get_groups 是否返回了正确类型
    """
    resp = mock.Mock()
    # Mock 掉 requests.get 函数
    with mock.patch('hn_site_grouper.requests.get') as mocked_get:
        mocked_get.return_value = resp
        with open('static_hn.html', 'r') as fp:
            # Mock 掉响应的 text 字段
            resp.text = fp.read()

        grouper = SiteSourceGrouper('https://news.ycombinator.com/')
        result = grouper.get_groups()
        assert isinstance(result, Counter), "groups should be Counter instance"

上面的代码并不算复杂。对于 Python 这类动态语言来说,使用 mock 有着一种得天独厚的优势。因为在 Python 里,运行时的一切对象几乎都可以被替换掉。

不过虽然 mock 用起来很方便,但它不是解决我们问题的最佳做法。因为 mock 在带来方便的同时,也让测试代码变得更复杂和难以理解。而且,给测试加上 mock 也仅仅只是让我的单元测试能够跑起来,糟糕设计仍然是糟糕设计。它无法体现出单元测试最重要的价值之一:“通过编写测试反向推动设计改进”

所以,我们需要做的是改进依赖关系,而不只是简单的在测试时把依赖模块替换掉。如何改进依赖关系?让我们看看“依赖倒置”是如何做的。

实现依赖倒置原则

首先,让我们重温一下“依赖倒置原则”(后简称 D 原则) 的内容:“高层模块不应该依赖于低层模块,二者都应该依赖于抽象。”

在上面的代码里,高层模块 SiteSourceGrouper 就直接依赖了低层模块 requests。为了让代码符合 D 原则,我们首先需要创造一个处于二者中间的抽象,然后让两个模块可以都依赖这个新的抽象层。

创建抽象的第一步 (可能也是最重要的一步),就是确定这个抽象层的职责。在例子中,高层模块主要依赖 requests 做了这些事:

  • 通过 requests.get() 获取 response
  • 通过 response.text 获取响应文本

所以,这个抽象层的主要职责就是产生 HN 站点的页面文本。我们可以给它起个名字:HNWebPage

确定了抽象层的职责和名字后,接下来应该怎么实现它呢?在 Java 或 Go 语言里,标准答案是定义 Interface(接口)。因为对于这些编程语言来说,“接口”这两个字基本就可以等同于“抽象”。

拿 Go 来说,“Hacker News 站点页面”这层抽象就可以被定义成这样的 Interface:

type HNWebPage interface {
    // GetText 获取页面文本
	 GetText() (string, error)
}

不过,Python 根本没有接口这种东西。那该怎么办呢?虽然 Python 没有接口,但是有一个非常类似的东西:“抽象类(Abstrace Class)”。使用 abc 模块就可以轻松定义出一个抽象类:

from abc import ABCMeta, abstractmethod


class HNWebPage(metaclass=ABCMeta):
    """抽象类:Hacker New 站点页面
    """

    @abstractmethod
    def get_text(self) -> str:
        raise NotImplementedError

抽象类和普通类的区别之一就是你不能将它实例化。如果你尝试实例化一个抽象类,解释器会报出下面的错误:

TypeError: Can't instantiate abstract class HNWebPage with abstract methods get_text

所以,光有抽象类还不能算完事,我们还得定义几个依赖这个抽象类的实体。首先定义的是 RemoteHNWebPage 类。它的作用就是通过 requests 模块请求 HN 页面,返回页面内容。

class RemoteHNWebPage(HNWebPage):
    """远程页面,通过请求 HN 站点返回内容"""

    def __init__(self, url: str):
        self.url = url

    def get_text(self) -> str:
        resp = requests.get(self.url)
        return resp.text

定义了 RemoteHNWebPage 类后,SiteSourceGrouper 类的初始化方法和 get_groups 也需要做对应的调整:

class SiteSourceGrouper:
    """对 HN 页面的新闻来源站点进行分组统计
    """

    def __init__(self, page: HNWebPage):
        self.page = page

    def get_groups(self) -> Dict[str, int]:
        """获取 (域名, 个数) 分组
        """
        html = etree.HTML(self.page.get_text())
        # 通过 xpath 语法筛选新闻域名标签
        elems = html.xpath('//table[@class="itemlist"]//span[@class="sitestr"]')

        groups = Counter()
        for elem in elems:
            groups.update([elem.text])
        return groups


def main():
    # 实例化 page,传入 SiteSourceGrouper
    page = RemoteHNWebPage(url="https://news.ycombinator.com/")
    grouper = SiteSourceGrouper(page).get_groups()

做完这些修改后,让我们再看看现在的模块依赖关系:

图:SiteSourceGrouper 和 RemoteHNWebPage 都依赖抽象层 HNWebPage

在图中,高层模块不再依赖低层模块,二者同时依赖于抽象概念 HNWebPage,低层模块的依赖箭头和之前相比倒过来了。所以我们称其为 依赖倒置

依赖倒置后的单元测试

再回到之前的单元测试上来。通过引入了新的抽象层 HNWebPage,我们可以实现一个不依赖外部网络的新类型 LocalHNWebPage

class LocalHNWebPage(HNWebPage):
    """本地页面,根据本地文件返回页面内容"""

    def __init__(self, path: str):
        self.path = path

    def get_text(self) -> str:
        with open(self.path, 'r') as fp:
            return fp.read()

所以,单元测试也可以改为使用 LocalHNWebPage

def test_grouper_from_local():
    page = LocalHNWebPage(path="./static_hn.html")
    grouper = SiteSourceGrouper(page)
    result = grouper.get_groups()
    assert isinstance(result, Counter), "groups should be Counter instance"

这样就可以在没有外网的服务器上测试 SiteSourceGrouper 类的核心逻辑了。

Hint:其实上面的测试函数 test_grouper_from_local 远远算不上一个合格的测试用例。

如果真要测试 SiteSourceGrouper 的核心逻辑。我们应该准备一个虚构的 Hacker News 页面 (比如刚好包含 5 个 来源自 github.com 的条目),然后判断结果是否包含 assert result['github.com] == 5

问题:一定要使用抽象类 abc 吗?

为了实现依赖倒置,我们在上面定义了抽象类:HNWebPage。那是不是只有定义了抽象类才能实现依赖倒置?只有用了抽象类才算是依赖倒置呢?

答案是否定的。 如果你愿意,你可以把代码里的抽象类 HNWebPage 以及所有的相关引用都删掉,你会发现没有它们代码仍然可以正常运行。

这是因为 Python 是一门“鸭子类型”语言。这意味着只要 RemoteHNWebPageLocalHNWebPage 类型保持着统一的接口协议*(提供 .get_text() 公开方法)*,并且它们的 协议符合我们定义的抽象。那么那个中间层就存在,依赖倒置就是成立的。至于这份 协议 是通过抽象类还是普通父类(甚至可以是普通函数)定义的,就没那么重要了。

所以,虽然在某些编程语言中,实现依赖倒置必须得定义新的接口类型,但在 Python 里,依赖倒置并不是抽象类 abc 的特权。

问题:抽象一定是好东西吗?

前面的所有内容,都是在说新增一个抽象层,然后让依赖关系倒过来的种种好处。所以,多抽象的代码一定就是好的吗?缺少抽象的代码就一定不够灵活?

和所有这类问题的标准回答一样,答案是:视情况而定。

当你习惯了依赖倒置原则以后,你会发现 抽象(Abstract) 其实是一种思维方式,而不仅仅是一种编程手法。如果你愿意,你可以在代码里的所有地方都 硬挤 一层额外抽象出来:

  • 比如代码依赖了 lxml 模块的 xpath 具体实现,我是不是得定义一层 “HNTitleDigester” 把它抽象进去?
  • 比如代码里的字符串字面量也是具体实现,我是不是得定义一个 "StringLike" 类型把它抽象进去?
  • ... ...

事实上,抽象的好处显而易见:它解耦了高层模块和低层模块间的依赖关系,让代码变得更灵活。 但抽象同时也带来了额外的编码与理解成本。所以,了解何时 抽象与何时抽象同样重要。只有对代码中那些现在或未来会发生变化的东西进行抽象,才能获得最大的收益。

I:接口隔离原则

接口隔离原则*(后简称 I 原则)*全称为 “Interface Segregation Principles”。顾名思义,它是一条和“接口(Interface)”有关的原则。

我在前面解释过何为“接口(Interface)”。接口是模块间相互交流的抽象协议,它在不同的编程语言里有着不同的表现形态。比如在 Go 里它是 type ... interface,而在 Python 中它可以是抽象类、普通类或者函数,甚至某个只在你大脑里存在的一套协议。

I 原则认为:“客户(client)应该不依赖于它不使用的方法”

The interface-segregation principle (ISP) states that no client should be forced to depend on methods it does not use.

这里说的“客户(Client)”指的是接口的使用方 (客户程序),也就是调用接口方法的高层模块。拿上一个统计 HN 页面条目的例子来说:

  • 使用方(客户程序):SiteSourceGrouper
  • 接口(其实是抽象类):HNWebPage
  • 依赖关系:调用接口方法:get_text() 获取页面文本

在 I 原则看来,一个接口所提供的方法,应该就是使用方所需要的方法,不多不少刚刚好。 所以,在上个例子里,我们设计的接口 HNWebPage 是符合接口隔离原则的。因为它没有向使用方提供任何后者不需要的方法 。

你需要 get_text()!我提供 get_text()!刚刚好!

所以,这条原则看上去似乎很容易遵守。既然如此,让我们试试来违反它吧!

例子:开发页面归档功能

让我们接着上一个例子开始。在实现了上个需求后,我现在有一个代表 Hacker News 站点页面的抽象类 HNWebPage,它只提供了一种行为,就是获取当前页面的文本内容。

class HNWebPage(metaclass=ABCMeta):

    @abstractmethod
    def get_text(self) -> str:
        """获取页面文本内容"""

现在,假设我要开发一个和 HN 页面有关的新功能: 我想在不同时间点对 HN 首页内容进行归档,观察热点新闻在不同时间点发生的变化。 所以除了页面文本内容外,我还需要拿到页面的大小、生成时间这些额外信息,然后将它们都保存到数据库中。

为了做到这一点,现在的 HNWebPage 类需要被扩展一下:

class HNWebPage(metaclass=ABCMeta):

    @abstractmethod
    def get_text(self) -> str:
        """获取页面文本内容"""
        
    # 新增 get_size 与 get_generated_at
        
    @abstractmethod
    def get_size(self) -> int:
        """获取页面大小"""

    @abstractmethod
    def get_generated_at(self) -> datetime.datetime:
        """获取页面生成时间"""

我在原来的类上增加了两个新的抽象方法:get_sizeget_generated_at。这样归档程序就能通过它们拿到页面大小和生成时间了。

改完抽象类后,紧接着的任务就是修改依赖它的实体类。

问题:实体类不符合 HNWebPage 接口规范

在修改抽象类前,我们有两个实现了它协议的实体类:RemoteHNWebPageLocalHNWebPage。如今,HNWebPage 增加了两个新方法 get_sizeget_generated_at。我们自然需要把这两个实体类也加上这两个方法。

RemoteHNWebPage 类的修改很好做,我们只要让 get_size 放回页面长度,让 get_generated_at 返回当前时间就行了。

# class RemoteHNWebPage:
#
def get_generated_at(self) -> datetime.datetime:
    # 页面生成时间等同于通过 requests 请求的时间
    return datetime.datetime.now()

但是,在给 LocalHNWebPage 添加 get_generated_at 方法时,我碰到了一个问题。LocalHNWebPage 是一个完全基于本地页面文件作为数据来源的类,仅仅通过 “static_hn.html” 这么一个本地文件,我根本就没法知道它的内容是什么时候生成的。

这时我只能选择让它的 get_generated_at 方法返回一个错误的结果 (比如文件的修改时间),或者直接抛出异常。无论是哪种做法,我都可能违反 里式替换原则

Hint:里式替换原则认为子类(派生类)对象应该可以在程序中替代父类(基类)对象使用,而不破坏程序原本的功能。让方法抛出异常显然破坏了这一点。

# class LocalHNWebPage:
#
def get_generated_at(self) -> datetime.datetime:
    raise NotImplementedError("local web page can not provide generate_at info")

所以,对现有接口的盲目扩展暴露出来一个问题:更多的接口方法意味着更高的实现成本,给实现方带来麻烦的概率也变高了。

不过现在让我们暂且把这个问题放到一边,继续写一个 SiteAchiever 类完成归档任务:

class SiteAchiever:
    """将不同时间点的 HN 页面归档"""

    def save_page(self, page: HNWebPage):
        """将页面保存到后端数据库
        """
        data = {
            "content": page.get_text(),
            "generated_at": page.get_generated_at(),
            "size": page.get_size(),
        }
        # 将 data 保存到数据库中

成功违反 I 协议

代码写到这,让我们回头看看上个例子里的 条目来源分组类 SiteSourceGrouper

图:成功违反了 I 协议

当我修改完抽象类后,虽然 SiteSourceGrouper 仍然依赖着 HNWebPage,但它其实只使用了 get_text 这一个方法而已,其他 get_sizeget_generated 这些它 不使用的方法也成为了它的依赖。

很明显,现在的设计违反了接口隔离原则。为了修复这一点,我们需要将 HNWebPage 拆成更小的接口。

如何分拆接口

设计接口有一个技巧:让客户(调用方)来驱动协议设计。让我们来看看,HNWebPage 到底有哪些客户:

  • SiteSourceGrouper:域名来源统计,依赖 get_text()
  • SiteAchiever:HN 页面归档程序,依赖 get_text()get_size()get_generated_at()

按照上面的方式,我们可以把 HNWebPage 分离成两个独立的抽象类:

class ContentOnlyHNWebPage(metaclass=ABCMeta):
    """抽象类:Hacker New 站点页面(仅提供内容)
    """

    @abstractmethod
    def get_text(self) -> str:
        raise NotImplementedError


class HNWebPage(ContentOnlyHNWebPage):
    """抽象类:Hacker New 站点页面(含元数据)
    """

    @abstractmethod
    def get_size(self) -> int:
        """获取页面大小"""

    @abstractmethod
    def get_generated_at(self) -> datetime.datetime:
        """获取页面生成时间"""

将旧类拆分成两个不同的抽象类后,SiteSourceGrouperSiteAchiever 就可以分别依赖不同的抽象类了。

同时,对于 LocalHNWebPage 类来说,它也只需要实现那个只返回的文本的 ContentOnlyHNWebPage 就行。

图:实施接口隔离后的结果

一些不容易发现的违反情况

虽然我花了很长的篇幅,用了好几个抽象类才把接口隔离原则讲明白,但其实在我们的日常编码中,对这条原则的违反经常会出现在一些更容易被忽视的地方。

举个例子,当我们在 web 站点里判断用户请求的 Cookies 或头信息是否包含某个标记值时,我们经常直接写一个依赖整个 request 对象的函数:

def is_new_visitor(request: HttpRequest) -> bool:
    """从 Cookies 判断是否新访客
    """
    return request.COOKIES.get('is_new_visitor') == 'y'

但事实上,除了 .COOKIES 以外,is_new_visitor 根本就不需要 request 对象里面的任何其他内容。“用户请求对象(request)”是一个比“Cookie 字典(request.COOKIES)”复杂得多的抽象。我们完全可以把函数改成只接收 cookies 字典。

def is_new_visitor(cookies: Dict) -> bool:
    """从 Cookies 判断是否新访客
    """
    return cookies.get('is_new_visitor') == 'y'

类似的情况还有很多,比如一个发短信的函数本身只需要两个参数 电话号码用户姓名,但是函数却依赖了整个用户对象 User,里面包含着几十个用不上的其他字段和方法。

对于这类函数,我们都可以重新考虑一下它们的抽象是否合理,是否需要应用接口隔离原则。

现实世界中的接口隔离

当你知道了接口隔离原则的种种好处后,你很自然就会养成写小类、小接口的习惯。在现实世界里,其实已经有很多小而精的接口设计可以供你参考。比如:

总结

在这篇文章里,我向你介绍了 SOLID 原则的最后两位成员:“依赖倒置原则”“接口隔离原则”

这两条原则之间有一个共同点,那就是它们都和 “抽象” 有着紧密的联系。前者告诉我们要面向抽象而非实现编程,后者则教导我们在设计抽象时应该做到精准。

最后再总结一下:

  • “D:依赖倒置原则” 认为高层模块和低层模块都应该依赖于抽象
  • 依赖抽象,意味着我们可以完全修改低层实现,而不影响高层代码
  • 在 Python 中你可以使用 abc 模块来定义抽象类
  • 除 abc 外,你也可以使用其他技术来完成依赖倒置
  • “I:接口隔离原则” 认为客户不应该依赖任何它不使用的方法
  • 设计接口就是设计抽象
  • 违反接口隔离原则也可能会导致违反单一职责与里式替换原则
  • 写更小的类、写更小的接口在大多数情况下是个好主意

看完文章的你,有没有什么想吐槽的?请留言或者在 项目 Github Issues 告诉我吧。

>>>下一篇【15.在边界处思考】

<<<上一篇【13.写好面向对象代码的原则(中)】

附录

系列其他文章: