有没有适用于Python的AOP支持库？

Question

有没有适用于Python的AOP支持库？

pythonaop

31

我想在Python编程中使用一些AOP，但我没有任何经验来使用现有的各种库。

所以我的问题是：

Python存在哪些AOP支持？它们之间的不同库的优点是什么？

编辑

我找到了一些，但我不知道它们如何比较：

编辑2

我将在哪种情况下使用这些？

我有两个用Python编写的应用程序，通常具有计算税金和其他货币事物的方法。我想能够编写一个功能的“骨架”，并在运行时进行自定义，例如更改应用本地税收的方式（按国家、州或城市等方式），而不必重载整个栈。

- edomaur

链接已失效。 - Adam Hughes

6个回答

7

编辑：我不再维护pytilities，它已经多年未得到维护。您可能需要考虑其他答案之一，或者参考Wikipedia上的列表。

另一个Python AOP库是pytilities (文档; svn仓库)。据我所知，它目前是最强大的。

它的特点包括：

制作可重用的Aspect类
将多个Aspect应用于实例或类
取消实例/类的Aspect应用
使用Aspect向实例添加新属性
对实例/类的所有属性应用建议
...

它还有其他好东西，比如一些特殊的描述符（请参阅文档）

- Tim Diels

这个答案中的链接似乎已经失效了。 - NOhs

修复了链接（修复后的链接将在编辑经过同行评审后出现） - Tim Diels

6

在Python中，面向切面编程通常包括在运行时动态修改类和实例，这通常被称为猴子补丁。在回答另一个有关AOP的问题时，我总结了一些AOP在Python中的用例。

- Eli Courtwright

3

那么BSD许可的python-aspectlib怎么样呢？

实现状态

函数、方法、实例和类的编织已完成。

- astrojuanlu

1

这是唯一一个链接到一个方面库的答案，它似乎仍然可以与当前的Python一起使用。我投了赞成票。 - Nils Lindemann

谢谢@Nils - 即使它有点过时，但我找不到更近期/维护更好的东西。 - astrojuanlu

3

使用注解并不是真正的AOP，因为织入过程有点硬编码。

Python中有几个AOP框架（我数了一下并比较了8个，其中Aspyct是明显的赢家）。

我将在接下来的会议上发表一篇论文，其中包括一个真实的工业用例。

- Arx

6

这不是一个答案，而是一则自我广告。-1 - Nils Lindemann

2

很好，你比较了这些库 - 但是"Aspyct"在哪里？为什么你推荐它？ - cslotty

如果你要写一个宣传即将发表的论文的回答，那么一旦论文发表了，你应该提供链接。你的回答已经有13年了，并且没有足够的信息来找到这篇论文，即使我包括你的个人资料也不行。 - julaine

2

我会建议你从Python装饰器库开始学习，其中有很多AOP相关的内容。

- S.Lott

1

不，不是的。装饰器不是AOP（请参见我上面的评论）。 - khatchad

4

@RaffiKhatchadourian说："Above"？答案可以按多种顺序排序（活跃度，最早发布，投票数）。 "Above"根本没有意义。你在说什么？ - S.Lott

1

从上面可以看出，您对'AOP'有类似的感觉，因为您的示例仅包括AOP的一个方面，即量化。它缺少无意识（请参见http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.83.417&rep=rep1&type=pdf）。 - khatchad

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- orip · Accepted Answer

查看S.Lott有关Python装饰器的链接，其中包含一些很棒的示例，还可以参考定义装饰器的PEP。

从一开始，Python就有了AOP，只是没有一个令人印象深刻的名称。在Python 2.4中，添加了装饰符语法，它使得语法上应用装饰器变得非常方便。

也许如果您想基于规则应用装饰器，则需要使用库，但是如果您愿意在声明函数/方法时标记相关函数/方法，则可能不需要。

这是一个简单缓存装饰器的示例（我为这个问题写的）：

import pickle, functools
def cache(f):
  _cache = {}
  def wrapper(*args, **kwargs):
    key = pickle.dumps((args, kwargs))
    if key not in _cache:
      _cache[key] = f(*args, **kwargs) # call the wrapped function, save in cache
    return _cache[key] # read value from cache
  functools.update_wrapper(wrapper, f) # update wrapper's metadata
  return wrapper

import time
@cache
def foo(n):
  time.sleep(2)
  return n*2

foo(10) # first call with parameter 10, sleeps
foo(10) # returns immediately