单分派泛函数
假如你想在交互模式下打印出美观的对象，那么标准库中的 pprint.pprint() 函数或许是一个不错的选择。但是，如果你想 DIY 一个自己看着舒服的打印模式，那么你很可能会写一长串的 if/else 语句，来判断传进来对象的类型。
这样做固然没有错，但是太多的 if 语句使得代码不易扩展，而且代码可读性也要大打折扣。
他山之石
首先让我们先来看看其他语言会怎样处理这样的问题：
Java 支持方法重载，我们可以编写同名方法，但是这些方法的参数要不一样，主要体现在参数个数与参数类型方面。下面我们重载了 fprint() 这个静态方法，调用 fprint() 方法时，如果传进来的参数是字符串，那么就调用第一个方法；如果传进来的参数是整型，那么就调用第二个方法。
输出结果：
我是一个字符串
Hello, Python.
我是一个整型
666
Python 的解决方案
Python 通过单分派泛函数部分支持了方法重载。
官方文档是这样定义泛函数以及单分派函数的：
A generic function is composed of multiple functions implementing the same operation for different types. Which implementation should be used during a call is determined by the dispatch algorithm. When the implementation is chosen based on the type of a single argument, this is known as single dispatch.
也就是说单分派泛函数(single dispatch)可以根据第一个参数的类型，来判断执行哪一个函数体。
那么我们使用 singledispatch 重写上面的例子：
首先我们要从functools 中导入 singledispatch
from functools import singledispatch
singledispatch 是作为装饰器使用的函数。装饰器是 Python 中的语法糖，@singledispatch 实际上相当于 singledispatch(fprint)，这里我们并不关心 singledispatch 的内部实现，我们只需知道 singledispatch 可以实现分派机制就行。NotImplemented 是 Python 中的内置常量，提醒我们没有实现某个功能。注意这与 NotImplementedError 有天壤之别，后者会导致异常出现，终止程序。当调用 fprint() 函数时，如果参数的类型没有被注册，那么默认会执行使用 @singledispatch 装饰的函数。
@singledispatch
def fprint(obj):
return NotImplemented
我们使用 @.register(type) 来装饰专门函数。要注意分派函数可以有任意多个参数，但是调用函数时执行哪一部分功能只由函数第一个参数决定，也就是由 register 中声明的参数类型决定。 而对于专门函数来说，函数名是无关紧要的，使用 _ 更加简洁明了。
@singledispatch
def fprint(obj):
return NotImplemented
@fprint.register(str)
def _(obj):
print('我是一个字符串')
print(obj)
@fprint.register(int)
def _(obj):
print('我是一个整型')
print(obj)
- Python 3.7 中新增了一个功能：即使用 type annotions 来注明第一个参数的类型。打印结果，与使用装饰器参数得到的结果相同。
@fprint.register
def _(obj:str):
print('我是一个字符串')
print(obj)
最后我们对代码进行测试，结果符合我们的预期：
>>> fprint('Nice to meet you, Java')
我是一个字符串
Nice to meet you, Java
>>> fprint(999)
我是一个整型
999
>>> fprint((12, 4))
NotImplemented
更复杂的例子
上面就是 single dispatch 的基本用法，下面让我们看一个稍微复杂点的例子。
想象，你需要一个自定义的打印函数，又不想过多地使用 if/else 分支，那么你可以应用刚学到的 single dispatch 来解决问题。
- 首先要导入我们需要的库，这里我们用到了几个抽象基类，整数 Integral 和 可变序列 MutableSequence。使用抽象基类，可以使得我们的程序可拓展性更强。使用 Integral 注册的函数不仅支持常规的 int 类型，还支持Integral 的子类或者注册为 Integral 的虚拟子类，甚至可以支持实现了 Integral “协议” 的类型。这充分体现了Python “鸭子类型” 的强大之处。可变序列也是如此，不仅支持常规的 list 类型，还支持符合要求的自定义类型。
from functools import singledispatch
from numbers import Integral
from collections.abc import MutableSequence
- 其次，我们定义默认行为。即没有被注册的类型，会执行下面的函数。这里，为了方便起见，我们直接打印对象的类型与内容。
@singledispatch
def pprint(obj):
print(f'({obj.__class__.__name__}) {obj}')
>>> pprint('微信公众号:Python高效编程')
(str) 微信公众号:Python高效编程
- 第一个函数使用了 type annotations，注册为 Integral 类型。第二个函数注册为 float 类型，打印的时候小数点后保留两位。
@pprint.register
def _(obj:Integral):
print(f'({obj.__class__.__name__}) {obj}')
@pprint.register(float)
def _(obj):
print(f'({obj.__class__.__name__}) {obj:.2f}')
>>> pprint(666)
(int) 666
>>> pprint(66.6457)
(float) 66.65
- 我们还可以通过堆积（类型注册）装饰器，来实现对多种类型的支持。下面这个函数就支持三种类型，分别是元组，集合，可变序列。
@pprint.register(tuple)
@pprint.register(set)
@pprint.register(MutableSequence)
def _(obj):
print(f'{"-"*7}{obj.__class__.__name__}{"-"*8}')
print(f'index type value')
for index, value in enumerate(obj):
print(f'{index:^6}->{type(value).__name__:<8}: {value}')
>>> a = [[1, 3, 4], 'name', 5, 6]
>>> pprint(a)
-------list--------
index type value
0 ->list : [1, 3, 4]
1 ->str : name
2 ->int : 5
3 ->int : 6
>>> b = {1, 3, 4}
>>> pprint(b)
-------set--------
index type value
0 ->int : 1
1 ->int : 3
2 ->int : 4
- 最后我们支持了字典类型：
@pprint.register(dict)
def _(obj):
print(f'{"-"*7}{obj.__class__.__name__}{"-"*8}')
print(' key value')
for k, v in sorted(obj.items()):
print(f'({type(k).__name__}){k:<6} -> ({type(v).__name__}){v:<6}')
>>> a = {'part1': "Python高效编程",'part2':'关注转发', 'part3': 666}
>>> pprint(a)
-------dict--------
key value
(str)part1 -> (str)Python高效编程
(str)part2 -> (str)关注转发
(str)part3 -> (int)666
讲完上面的例子，我们再补充一个小用法：
- 假如我们想知道 pprint() 函数支持哪些类型，我们该怎么做呢？
pprint.registry 返回类型与函数地址的键值对，调用 keys() 方法获取 pprint() 函数支持的类型。
>>> pprint.registry.keys()
dict_keys([<class>,
<class>,
<class>,
<class>,
<class>, <class>, <class>])
/<class>/<class>/<class>/<class>/<class>/<class>/<class>
总结
这篇文章，我们从一个简单例子切入，介绍了 singledispatch 的简单用法与使用案例。如果你发现你的代码需要使用分派函数，不妨尝试这种代码风格。如果想深入了解 singledispatch 的用法，不妨去 PEP 443 和functools docs 一探究竟。
Python高效编程
閱讀更多 Python高效編程 的文章
