|
1
2
3
4
5
6
|
import datetime as dt def log_time(message, time=None): if time is None: time=dt.datetime.now() print("{0}: {1}".format(time.isoformat(), message)) |
最近我在一段Python代碼中發現了一個因為錯誤的使用默認參數而產生的非常惡心的bug。如果您已經知道關于默認參數的全部內容了，只是想嘲笑一下我這可笑的錯誤，請直接跳到本文末尾。哎，這段代碼是我寫的，但是我非常確定那天我被惡魔附體了。你懂的，有時候就是這樣。
本文僅僅是總結一下關于Python函數的標準參數和默認參數的一些基本內容。提醒你注意你的代碼中可能存在的陷阱。如果你剛開始接觸Python，開始寫一些函數，我真心推薦你看一下Python官方手冊中關于函數的內容，鏈接如下：Defining Functions 以及 More on Defining Functions。
簡單復習一下函數
Python是一個強大的面向對象語言，它把這種編程范式推向了頂峰。但是，面向對象編程仍然需要依靠函數這一概念，你可以用它來處理數據。Python對于可調用對象有一個更寬泛的概念，即任何對象都可以被調用，調用的意思是對其應用數據。
函數在Python中是可調用對象，并且乍一看，它和其他語言中的函數有著類似的行為。它們獲取一些數據，這些數據被稱為參數，然后處理它們，接著返回結果（如果沒有return語句則是None）
參數被聲明為占位符（在定義函數的時候），用以代表那些當函數調用時被實際傳入的對象。在Python中你不需要聲明參數的類型（例如，像你在C或Java中做的那樣）因為Python哲學依賴于多態。
記住，Python的變量是引用，即實際變量的內存地址。這意味著Python的函數永遠以“傳址”的方式工作（這里使用了一個C/C++術語），當你調用一個函數的時候，并不是復制了一份參數的值來替換占位符，而是把占位符指向了變量本身。這導致了一個非常重要的結果：你可以在函數內部改變這個變量的值。這里有一個很好可視化講解，關于引用機制。
引用在Python扮演著非常重要的角色，它是Python完全多態方式的骨干。關于這個非常重要的主題，請點擊這個鏈接 查看更好的解釋。
為了檢查你是否理解了這門語言的這一基本特性，請跟隨這段簡單的代碼（變量ph代表的是“占位符(placeholder)”）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
>>> def print_id(ph):... print(hex(id(ph)))...>>> a = 5>>> print(hex(id(a)))0x84ab460>>> print_id(a)0x84ab460>>>>>> def alter_value(ph):... ph = ph + 1... return ph...>>> b = alter_value(a)>>> b6>>> a5>>> hex(id(a))'0x84ab460'>>> hex(id(b))'0x84ab470'>>>>>> def alter_value(ph):... ph.append(1)... return ph...>>> a = [1,2,3]>>> b = alter_value(a)>>> a[1, 2, 3, 1]>>> b[1, 2, 3, 1]>>> hex(id(a))'0xb701f72c'>>> hex(id(b))'0xb701f72c'>>> |
如果你對這里發生的事情并不感到吃驚，那說明你已經掌握了Python中最為重要的部分之一，你可以放心的跳過下面的解釋了。
print_id()函數顯示，函數內部的占位符同運行時傳入的變量完全一樣（它們的內存地址一致）。
兩個版本的alter_value()意在改變傳入參數的值。正如你所看到的，第一個alter_value() 并沒有像第二個alter_value()一樣成功的改變變量a的值。這是為什么呢？實際上兩者的行為是一樣的，都是嘗試修改傳入的原始變量的值，但是在Python中，有些變量是不可變的(immutable)，整數就在此列。另一方面，列表并不是不可變的，所以函數得以完成它的名字所保證的工作。 在這里，你可以找到關于不可變類型的更加詳細的介紹 。
關于Python中的函數，還有一些要說的，但是這些是關于標準的參數的基本知識。
默認參數值
有時候你需要定義一個函數，讓它接受一個參數，而且在這個參數出現或不出現時，函數有不同的行為。如果一門語言不支持這種情況，你就只有兩個選擇：第一種是定義兩個不同的函數，決定每次調用應該選擇調用哪個，第二種是 兩種方法都是可行的，但是都不是最佳的。
Python和其他語言一樣，支持默認參數值，即函數參數可以是調用時指定的，也可以留空，自動接受一個預定義的值。
一個關于默認值的非常簡單（也很沒用）的例子如下：
|
1
2
3
|
def log(message=None): if message: print("LOG: {0}".format(message)) |
這個函數可以帶一個參數運行（可以是None）
|
1
2
3
4
|
>>> log("File closed")LOG: File closed>>> log(None)>>> |
但是同樣也可以不帶參數運行，這種情況下它會接受一個函數原型中設置的默認值（本例中是None）
|
1
2
|
>>> log()>>> |
你可以在標準庫中找到更多有趣的例子，比如在open()函數中（請查看官方文檔）
|
1
|
open(file, mode='r', buffering=-1, encoding=None, errors=None, newline=None, closefd=True, opener=None) |
函數原型可以證明，例如 f = open('/etc/hosts')這樣的調用，通過傳入默認值隱藏了很多參數 (mode, buffering, encoding, 等),并且使這個函數的典型應用案例變得非常簡單易用。
正如你在內建的open()函數中看到的那樣，我們可以在函數中使用標準或者默認參數，但是兩者在函數中出現的次序是固定的：首先調用標準參數，然后調用默認參數。
|
1
2
|
def a_rich_function(a, b, c, d=None, e=0): pass |
原因是顯而易見的：如果我們可以在標準參數前面放置一個默認參數，語言就無法理解，默認參數是否已經被初始化。例如，考慮下面這個函數定義
|
1
2
|
def a_rich_function(a, b, d=None, c, e=0): pass |
當調用函數a_rich_function(1, 2, 4, 5)時，我們傳入了什么參數？ 是d=4, c=5 還是c=4, e=5？因為d有一個默認的值。因此這種順序的定義是被禁止的，如果你這樣做，Python會拋出一個SyntaxError
|
1
2
3
4
5
6
|
>>> def a_rich_function(a, b, d=None, c, e=0):... pass... File "<stdin>", line 1SyntaxError: non-default argument follows default argument>>> |
默認參數求值
默認參數可以通過普通值或是函數調用結果來提高，但是后者這種技術需要一個特別的警示
一個普通的值是硬編碼的，因此除了編譯時，其他時候是不需要求值的，但是函數調用期望在運行時執行求值。所以我們可以這樣寫
|
1
2
3
4
|
import datetime as dt def log_time(message, time=dt.datetime.now()): print("{0}: {1}".format(time.isoformat(), message)) |
每次我們調用log_time()時都期望它能夠正確提供當前時間。悲劇的是并沒有成功：默認參數在定義時求值（比如說當你首次導入模塊時），調用的結果如下
|
1
2
3
4
5
6
|
>>> log_time("message 1")2015-02-10T21:20:32.998647: message 1>>> log_time("message 2")2015-02-10T21:20:32.998647: message 2>>> log_time("message 3")2015-02-10T21:20:32.998647: message 3 |
如果把默認值賦給一個類的實例，結果會更加奇怪，你可以在Hitchhiker's Guide to Python!中讀到相關內容。根據。。通常的解決方法是把默認參數替換為None，并且在函數內部檢查參數值。
結論
默認參數能夠極大的簡化API，你需要關注它唯一的“失敗點”，即求值的時機。令人驚奇的是，Python最基本的內容之一，函數的參數和引用，是最大的錯誤源之一，有時候對于有經驗的程序員也一樣。我建議抽時間學習一下引用和多態。
相關閱讀：
- OOP concepts in Python 2.x – Part 2
- Python 3 OOP Part 1 – Objects and types
- Digging up Django class-based views – 2
- Python Generators – From Iterators to Cooperative Multitasking – 2
- OOP concepts in Python 2.x – Part 1
