3. Modèle de données

3.1. Objets, valeurs et types

En Python, les données sont représentées sous forme d’objets. Toutes les données d’un programme Python sont représentées par des objets ou par des relations entre les objets (dans un certain sens, et en conformité avec le modèle de Von Neumann « d’ordinateur à programme enregistré », le code est aussi représenté par des objets).

Chaque objet possède un identifiant, un type et une valeur. L’identifiant d’un objet ne change jamais après sa création ; vous pouvez vous le représenter comme l’adresse de l’objet en mémoire. L’opérateur is compare les identifiants de deux objets ; la fonction id() renvoie un entier représentant cet identifiant.

en CPython, id(x) est l’adresse mémoire où est stocké x.

Le type de l’objet détermine les opérations que l’on peut appliquer à l’objet (par exemple, « a-t-il une longueur ? ») et définit aussi les valeurs possibles pour les objets de ce type. La fonction type() renvoie le type de l’objet (qui est lui-même un objet). Comme l’identifiant, le type d’un objet ne peut pas être modifié [1].

La valeur de certains objets peut changer. Les objets dont la valeur peut changer sont dits muables (mutable en anglais) ; les objets dont la valeur est définitivement fixée à leur création sont dits immuables (immutable en anglais). La valeur d’un objet conteneur immuable qui contient une référence vers un objet muable peut varier lorsque la valeur de l’objet muable change ; cependant, le conteneur est quand même considéré comme immuable parce que l’ensemble des objets qu’il contient ne peut pas être modifié. Ainsi, l’immuabilité n’est pas strictement équivalente au fait d’avoir une valeur non modifiable, c’est plus subtil. La muabilité d’un objet est définie par son type ; par exemple, les nombres, les chaînes de caractères et les tuples sont immuables alors que les dictionnaires et les listes sont muables.

Un objet n’est jamais explicitement détruit ; cependant, lorsqu’il ne peut plus être atteint, il a vocation à être supprimé par le ramasse-miettes (garbage-collector en anglais). L’implémentation peut retarder cette opération ou même ne pas la faire du tout — la façon dont fonctionne le ramasse-miette est particulière à chaque implémentation, l’important étant qu’il ne supprime pas d’objet qui peut encore être atteint.

CPython utilise aujourd’hui un mécanisme de compteur de références avec une détection, en temps différé et optionnelle, des cycles d’objets. Ce mécanisme supprime la plupart des objets dès qu’ils ne sont plus accessibles mais il ne garantit pas la suppression des objets où il existe des références circulaires. Consultez la documentation du module gc pour tout ce qui concerne la suppression des cycles. D’autres implémentations agissent différemment et CPython pourrait évoluer. Ne vous reposez pas sur la finalisation immédiate des objets devenus inaccessibles (ainsi, vous devez toujours fermer les fichiers explicitement).

Notez que si vous utilisez les fonctionnalités de débogage ou de trace de l’implémentation, il est possible que des références qui seraient normalement supprimées soient toujours présentes. Notez aussi que capturer une exception avec l’instruction tryexcept peut conserver des objets en vie.

Certains objets font référence à des ressources « externes » telles que des fichiers ouverts ou des fenêtres. Ces objets libèrent ces ressources au moment où ils sont supprimés, mais comme le ramasse-miettes ne garantit pas qu’il supprime tous les objets, ces objets fournissent également un moyen explicite de libérer la ressource externe, généralement sous la forme d’une méthode close(). Nous incitons fortement les programmeurs à fermer explicitement de tels objets. Les instructions tryfinally et with sont très pratiques pour cela.

Certains objets contiennent des références à d’autres objets ; on les appelle conteneurs. Comme exemples de conteneurs, nous pouvons citer les tuples, les listes et les dictionnaires. Les références sont parties intégrantes de la valeur d’un conteneur. Dans la plupart des cas, lorsque nous parlons de la valeur d’un conteneur, nous parlons des valeurs, pas des identifiants des objets contenus ; cependant, lorsque nous parlons de la muabilité d’un conteneur, seuls les identifiants des objets immédiatement contenus sont concernés. Ainsi, si un conteneur immuable (comme un tuple) contient une référence à un objet muable, sa valeur change si cet objet muable est modifié.

Presque tous les comportements d’un objet dépendent du type de l’objet. Même son identifiant est concerné dans un certain sens : pour les types immuables, les opérations qui calculent de nouvelles valeurs peuvent en fait renvoyer une référence à n’importe quel objet existant avec le même type et la même valeur, alors que pour les objets muables cela n’est pas autorisé. Par exemple, après a = 1 ; b = 1, a et b peuvent ou non se référer au même objet avec la valeur un, en fonction de l’implémentation. Mais après c = [] ; d = [], il est garanti que c et d font référence à deux listes vides distinctes nouvellement créées. Notez que c = d = [] attribue le même objet à c et d.

3.2. Hiérarchie des types standards

Vous trouvez ci-dessous une liste des types natifs de Python. Des modules d’extension (écrits en C, Java ou d’autres langages) peuvent définir des types supplémentaires. Les futures versions de Python pourront ajouter des types à cette hiérarchie (par exemple les nombres rationnels, des tableaux d’entiers stockés efficacement, etc.), bien que de tels ajouts se trouvent souvent plutôt dans la bibliothèque standard.

Quelques descriptions des types ci-dessous contiennent un paragraphe listant des « attributs spéciaux ». Ces attributs donnent accès à l’implémentation et n’ont, en général, pas vocation à être utilisés. Leur définition peut changer dans le futur.

None

Ce type ne possède qu’une seule valeur. Il n’existe qu’un seul objet avec cette valeur. Vous accédez à cet objet avec le nom natif None. Il est utilisé pour signifier l’absence de valeur dans de nombreux cas, par exemple pour des fonctions qui ne retournent rien explicitement. Sa valeur booléenne est fausse.

NotImplemented

Ce type ne possède qu’une seule valeur. Il n’existe qu’un seul objet avec cette valeur. Vous accédez à cet objet avec le nom natif NotImplemented. Les méthodes numériques et les comparaisons riches doivent renvoyer cette valeur si elles n’implémentent pas l’opération pour les opérandes fournis (l’interpréteur essaie alors l’opération en permutant les opérandes ou tout autre stratégie de contournement, en fonction de l’opérateur). Sa valeur booléenne est vraie.

Consultez Implémentation des opérations arithmétiques pour davantage de détails.

Ellipse

Ce type ne possède qu’une seule valeur. Il n’existe qu’un seul objet avec cette valeur. Vous accédez à cet objet avec le littéral ... ou le nom natif Ellipsis. Sa valeur booléenne est vraie.

numbers.Number

Ces objets sont créés par les littéraux numériques et renvoyés en tant que résultats par les opérateurs et les fonctions arithmétiques natives. Les objets numériques sont immuables ; une fois créés, leur valeur ne change pas. Les nombres Python sont bien sûr très fortement corrélés aux nombres mathématiques mais ils sont soumis aux limitations des représentations numériques par les ordinateurs.

Python distingue les entiers, les nombres à virgule flottante et les nombres complexes :

numbers.Integral

Ils représentent des éléments de l’ensemble mathématique des entiers (positifs ou négatifs).

Il existe deux types d’entiers :

Entiers (int)

Ils représentent les nombres, sans limite de taille, sous réserve de pouvoir être stockés en mémoire (virtuelle). Afin de pouvoir effectuer des décalages et appliquer des masques, on considère qu’ils ont une représentation binaire. Les nombres négatifs sont représentés comme une variante du complément à 2, qui donne l’illusion d’une chaîne infinie de bits de signe s’étendant vers la gauche.
Booléens (bool)

Ils représentent les valeurs « faux » et « vrai ». Deux objets, False et True, sont les seuls objets booléens. Le type booléen est un sous-type du type entier et les valeurs booléennes se comportent comme les valeurs 0 (pour False) et 1 (pour True) dans presque tous les contextes. L’exception concerne la conversion en chaîne de caractères où "False" et "True" sont renvoyées.

Les règles pour la représentation des entiers ont pour objet de donner l’interprétation la plus naturelle pour les opérations de décalage et masquage qui impliquent des entiers négatifs.

numbers.Real (float)

Ils représentent les nombres à virgule flottante en double précision, tels que manipulés directement par la machine. Vous dépendez donc de l’architecture machine sous-jacente (et de l’implémentation C ou Java) pour les intervalles gérés et le traitement des débordements. Python ne gère pas les nombres à virgule flottante en précision simple ; les gains en puissance de calcul et mémoire, qui sont généralement la raison de l’utilisation des nombres en simple précision, sont annihilés par le fait que Python encapsule de toute façon ces nombres dans des objets. Il n’y a donc aucune raison de compliquer le langage avec deux types de nombres à virgule flottante.

numbers.Complex (complex)

Ils représentent les nombres complexes, sous la forme d’un couple de nombres à virgule flottante en double précision, tels que manipulés directement par la machine. Les mêmes restrictions s’appliquent que pour les nombres à virgule flottante. La partie réelle et la partie imaginaire d’un nombre complexe z peuvent être demandées par les attributs en lecture seule z.real et z.imag.

Séquences

Ils représentent des ensembles de taille finie indicés par des entiers positifs ou nuls. La fonction native len() renvoie le nombre d’éléments de la séquence. Quand la longueur d’une séquence est n, l’ensemble des indices contient les entiers 0, 1 …, n-1. On accède à l’élément d’indice i de la séquence a par a[i].

Les séquences peuvent aussi être découpées en tranches (slicing en anglais) : a[i:j] sélectionne tous les éléments d’indice k tel que i <= k < j. Quand on l’utilise dans une expression, la tranche est du même type que la séquence. Ceci veut dire que l’ensemble des indices de la tranche est renuméroté de manière à partir de 0.

Quelques séquences gèrent le « découpage étendu » (extended slicing en anglais) avec un troisième paramètre : a[i:j:k] sélectionne tous les éléments de a d’indice xx = i + n*k, avec n >= 0 et i <= x < j.

Les séquences se différencient en fonction de leur muabilité :

Séquences immuables

Un objet de type de séquence immuable ne peut pas être modifié une fois qu’il a été créé. Si l’objet contient des références à d’autres objets, ces autres objets peuvent être muables et peuvent être modifiés ; cependant, les objets directement référencés par un objet immuable ne peuvent pas être modifiés.

Les types suivants sont des séquences immuables :

Chaînes de caractères

Une chaîne de caractères (string en anglais) est une séquence de valeurs qui représentent des caractères Unicode. Tout caractère dont le code est dans l’intervalle U+0000 - U+10FFFF peut être représenté dans une chaîne. Python ne possède pas de type char ; à la place, chaque caractère Unicode dans la chaîne est représenté par un objet chaîne de longueur 1. La fonction native ord() convertit un caractère Unicode de la représentation en chaîne vers un entier dans l’intervalle 0 - 10FFFF ; la fonction chr() convertit un entier de l’intervalle 0 - 10FFFF vers l’objet chaîne de longueur 1 correspondant. str.encode() peut être utilisée pour convertir un objet str vers bytes selon l’encodage spécifié et bytes.decode() effectue l’opération inverse.

Tuples

Les éléments d’un tuple sont n’importe quels objets Python. Les tuples de deux ou plus éléments sont formés par une liste d’expressions dont les éléments sont séparés par des virgules. Un tuple composé d’un seul élément (un « singleton ») est formé en suffixant une expression avec une virgule (une expression en tant que telle ne crée pas un tuple car les parenthèses doivent rester disponibles pour grouper les expressions). Un tuple vide peut être formé à l’aide d’une paire de parenthèses vide.

Bytes

A bytes object is an immutable array. The items are 8-bit bytes, represented by integers in the range 0 <= x < 256. Bytes literals (like b'abc') and the built-in function bytes() can be used to construct bytes objects. Also, bytes objects can be decoded to strings via the decode() method.

Séquences muables

Les séquences muables peuvent être modifiées après leur création. Les notations de tranches et de sous-ensembles peuvent être utilisées en tant que cibles d’une assignation ou de l’instruction del (suppression).

Il existe aujourd’hui deux types intrinsèques de séquences muables :

Listes

N’importe quel objet Python peut être élément d’une liste. Les listes sont créées en plaçant entre crochets une liste d’expressions dont les éléments sont séparés par des virgules (notez que les listes de longueur 0 ou 1 ne sont pas des cas particuliers).

Tableaux d’octets

A bytearray object is a mutable array. They are created by the built-in bytearray() constructor. Aside from being mutable (and hence unhashable), byte arrays otherwise provide the same interface and functionality as immutable bytes objects.

Le module d’extension array fournit un autre exemple de type de séquence muable, de même que le module collections.

Ensembles

Ils représentent les ensembles d’objets, non ordonnés, finis et dont les éléments sont uniques. Tels quels, ils ne peuvent pas être indicés. Cependant, il est possible d’itérer dessus et la fonction native len() renvoie le nombre d’éléments de l’ensemble. Les utilisations classiques des ensembles sont les tests d’appartenance rapides, la suppression de doublons dans une séquence et le calcul d’opérations mathématiques telles que l’intersection, l’union, la différence et le complémentaire.

Pour les éléments des ensembles, les mêmes règles concernant l’immuabilité s’appliquent que pour les clés de dictionnaires. Notez que les types numériques obéissent aux règles normales pour les comparaisons numériques : si deux nombres sont égaux (pour l’opération de comparaison, par exemple 1 et 1.0), un seul élément est conservé dans l’ensemble.

Actuellement, il existe deux types d’ensembles natifs :

Ensembles

Ils représentent les ensembles muables. Un ensemble est créé par la fonction native constructeur set() et peut être modifié par la suite à l’aide de différentes méthodes, par exemple add().

Ensembles gelés

Ils représentent les ensembles immuables. Ils sont créés par la fonction native constructeur frozenset(). Comme un ensemble gelé est immuable et hachable, il peut être utilisé comme élément d’un autre ensemble ou comme clé de dictionnaire.

Tableaux de correspondances

Ils représentent les ensembles finis d’objets indicés par des ensembles index arbitraires. La notation a[k] sélectionne l’élément indicé par k dans le tableau de correspondance a ; elle peut être utilisée dans des expressions, comme cible d’une assignation ou avec l’instruction del. La fonction native len() renvoie le nombre d’éléments du tableau de correspondances.

Il n’existe actuellement qu’un seul type natif pour les tableaux de correspondances :

Dictionnaires

Ils représentent les ensembles finis d’objets indicés par des valeurs presque arbitraires. Les seuls types de valeurs non reconnus comme clés sont les valeurs contenant des listes, des dictionnaires ou les autres types muables qui sont comparés par valeur plutôt que par l’identifiant de l’objet. La raison de cette limitation est qu’une implémentation efficace de dictionnaire requiert que l’empreinte par hachage des clés reste constante dans le temps. Les types numériques obéissent aux règles normales pour les comparaisons numériques : si deux nombres sont égaux pour l’opération de comparaison, par exemple 1 et 1.0, alors ces deux nombres peuvent être utilisés indifféremment pour désigner la même entrée du dictionnaire.

Les dictionnaires sont muables : ils peuvent être créés par la notation {...} (reportez-vous à la section Agencements de dictionnaires).

Les modules d’extensions dbm.ndbm et dbm.gnu apportent d’autres exemples de types tableaux de correspondances, de même que le module collections.

Types appelables

Ce sont les types sur lesquels on peut faire un appel de fonction (lisez la section Appels) :

Fonctions allogènes

Un objet fonction allogène (ou fonction définie par l’utilisateur, mais ce n’est pas forcément l’utilisateur courant qui a défini cette fonction) est créé par la définition d’une fonction (voir la section Définition de fonctions). Il doit être appelé avec une liste d’arguments contenant le même nombre d’éléments que la liste des paramètres formels de la fonction.

Attributs spéciaux :

Attribut Signification  
__doc__ Chaîne de documentation de la fonction ou None s’il n’en existe pas ; n’est pas héritée par les sous-classes Accessible en écriture
__name__ Nom de la fonction Accessible en écriture
__qualname__

qualified name de la fonction

Nouveau dans la version 3.3.

Accessible en écriture
__module__ Nom du module où la fonction est définie ou None si ce nom n’est pas disponible. Accessible en écriture
__defaults__ Tuple contenant les valeurs des arguments par défaut pour ceux qui en sont dotés ou None si aucun argument n’a de valeur par défaut. Accessible en écriture
__code__ Objet code représentant le corps de la fonction compilée. Accessible en écriture
__globals__ Référence pointant vers le dictionnaire contenant les variables globales de la fonction – l’espace de noms global du module dans lequel la fonction est définie. Accessible en lecture seule
__dict__ Espace de noms accueillant les attributs de la fonction. Accessible en écriture
__closure__ None ou tuple de cellules qui contient un lien pour chaque variable libre de la fonction. Accessible en lecture seule
__annotations__ Dictionnaire contenant les annotations des paramètres. Les clés du dictionnaire sont les noms des paramètres et la clé "return" est utilisée pour les annotations de la valeur renvoyée. Les entrées du dictionnaire ne sont présentes que si les paramètres sont effectivement annotés. Accessible en écriture
__kwdefaults__ Dictionnaire contenant les valeurs par défaut pour les paramètres passés par mot-clé. Accessible en écriture

La plupart des attributs étiquetés « Accessible en écriture » vérifient le type de la valeur qu’on leur assigne.

Les objets fonctions acceptent également l’assignation et la lecture d’attributs arbitraires. Vous pouvez utiliser cette fonctionnalité pour, par exemple, associer des métadonnées aux fonctions. La notation classique par point est utilisée pour définir et lire de tels attributs. Notez que l’implémentation actuelle accepte seulement les attributs de fonction sur les fonctions définies par l’utilisateur. Les attributs de fonction pour les fonctions natives seront peut-être acceptés dans le futur.

Vous trouvez davantage d’informations sur la définition de fonctions dans le code de cet objet ; la description des types internes est donnée plus bas.

Méthodes d’instances

Un objet méthode d’instance combine une classe, une instance de classe et tout objet appelable (normalement une fonction définie par l’utilisateur).

Attributs spéciaux en lecture seule : __self__ est l’objet instance de classe, __func__ est l’objet fonction ; __doc__ est la documentation de la méthode (comme __func__.__doc__) ; __name__ est le nom de la méthode (comme __func__.__name__) ; __module__ est le nom du module où la méthode est définie ou None s’il n’est pas disponible.

Les méthodes savent aussi accéder (mais pas modifier) les attributs de la fonction de l’objet fonction sous-jacent.

Les objets méthodes définies par l’utilisateur peuvent être créés quand vous récupérez un attribut de classe (par exemple via une instance de cette classe) si cet attribut est un objet fonction définie par l’utilisateur ou un objet méthode de classe.

Quand un objet méthode d’instance est créé à partir d’un objet fonction définie par l’utilisateur via une des instances, son attribut __self__ est l’instance et l’objet méthode est réputé lié. Le nouvel attribut de la méthode __func__ est l’objet fonction original.

Quand un objet méthode définie par l’utilisateur est créé à partir d’un autre objet méthode de la classe ou de l’instance, son comportement est identique à l’objet fonction sauf pour l’attribut __func__ de la nouvelle instance qui n’est pas l’objet méthode original mais son attribut __func__.

Quand un objet méthode d’instance est créé à partir d’un autre objet méthode de la classe ou de l’instance, son attribut __self__ est la classe elle-même et son attribut __func__ est l’objet fonction sous-jacent la méthode de classe.

Quand un objet méthode d’instance est appelé, la fonction sous-jacente (__func__) est appelée et l’objet instance de la classe (__self__) est inséré en tête de liste des arguments. Par exemple, si C est une classe qui contient la définition d’une fonction f() et que x est une instance de C, alors appeler x.f(1) est équivalent à appeler C.f(x, 1).

Quand un objet méthode d’instance est dérivé à partir d’un objet méthode de classe, l’instance de classe stockée dans __self__ est en fait la classe elle-même. Ainsi, appeler x.f(1) ou C.f(1) est équivalent à appeler f(C, 1)f est la fonction sous-jacente.

Notez que la transformation d’objet fonction en objet méthode d’instance se produit à chaque fois que l’attribut est récupéré à partir de l’instance. Dans certains cas, assigner l’attribut à une variable locale et appeler cette variable locale constitue une bonne optimisation. Notez aussi que cette transformation n’a lieu que pour les fonctions définies par l’utilisateur : les autres objets appelables (et les objets non appelables) sont récupérés sans transformation. Il est aussi important de noter que les fonctions définies par l’utilisateur qui sont attributs d’une instance de classe ne sont pas converties en méthodes liées ; ceci n’a lieu que pour les fonctions qui sont attributs de la classe.

Fonctions générateurs

Une fonction ou une méthode qui utilise l’instruction yield (voir la section L’instruction yield) est appelée fonction générateur. Une telle fonction, lorsqu’elle est appelée, retourne toujours un objet itérateur qui peut être utilisé pour exécuter le corps de la fonction : appeler la méthode iterator.__next__() de l’itérateur exécute la fonction jusqu’à ce qu’elle renvoie une valeur à l’aide de l’instruction yield. Quand la fonction exécute l’instruction return ou se termine, une exception StopIteration est levée et l’itérateur a atteint la fin de l’ensemble de valeurs qu’il peut renvoyer.

Fonctions coroutines

Une fonction ou méthode définie en utilisant async def est appelée fonction coroutine. Une telle fonction, quand elle est appelée, renvoie un objet coroutine. Elle peut contenir des expressions await ou async with ou des instructions async for. Voir également la section Objets coroutines.

Fonctions natives

Un objet fonction native est une enveloppe autour d’une fonction C. Nous pouvons citer len() et math.sin() (math est un module standard natif) comme fonctions natives. Le nombre et le type des arguments sont déterminés par la fonction C. Des attributs spéciaux en lecture seule existent : __doc__ contient la chaîne de documentation de la fonction (ou None s’il n’y en a pas) ; __name__ est le nom de la fonction ; __self__ est défini à None ; __module__ est le nom du module où la fonction est définie ou None s’il n’est pas disponible.

Méthodes natives

Ce sont des fonctions natives déguisées, contenant un objet passé à une fonction C en tant qu’argument supplémentaire implicite. Un exemple de méthode native est une_liste.append() (une_liste étant un objet liste). Dans ce cas, l’attribut spécial en lecture seule __self__ est défini à l’objet une_liste.

Classes
Les classes sont des appelables. Ces objets sont normalement utilisés pour créer des instances d’elles-mêmes mais des variations sont possibles pour les types de classes qui surchargent __new__(). Les arguments de l’appel sont passés à __new__() et, dans le cas classique, __new__() initialise une nouvelle instance.
Instances de classe
Les instances d’une classe peuvent devenir des appelables si vous définissez la méthode __call__() de leur classe.
Modules

Les modules constituent l’organisation de base du code Python et sont créés par le mécanisme d’import soit avec l’instruction import (voir import), soit en appelant des fonctions telles que importlib.import_module() ou la fonction native __import__(). Un objet module possède un espace de noms implémenté par un objet dictionnaire (c’est le dictionnaire référencé par l’attribut __globals__ des fonctions définies dans le module). Les références à un attribut sont traduites en recherches dans ce dictionnaire, par exemple m.x est équivalent à m.__dict__["x"]. Un objet module ne contient pas l’objet code utilisé pour initialiser le module (puisque celui-ci n’est plus nécessaire une fois l’initialisation terminée).

L’assignation d’un attribut met à jour le dictionnaire d’espace de noms du module, par exemple m.x = 1 est équivalent à m.__dict__["x"] = 1.

Attribut spécial en lecture seule : __dict__ est l’objet dictionnaire répertoriant l’espace de noms du module.

en raison de la manière dont CPython nettoie les dictionnaires de modules, le dictionnaire du module est effacé quand le module n’est plus visible, même si le dictionnaire possède encore des références actives. Pour éviter ceci, copiez le dictionnaire ou gardez le module dans votre champ de visibilité tant que vous souhaitez utiliser le dictionnaire directement.

Predefined (writable) attributes: __name__ is the module’s name; __doc__ is the module’s documentation string, or None if unavailable; __file__ is the pathname of the file from which the module was loaded, if it was loaded from a file. The __file__ attribute may be missing for certain types of modules, such as C modules that are statically linked into the interpreter; for extension modules loaded dynamically from a shared library, it is the pathname of the shared library file.

Classes déclarées par le développeur

Le type d’une classe déclarée par le développeur est créé au moment de la définition de la classe (voir la section Définition de classes). Une classe possède un espace de noms implémenté sous la forme d’un objet dictionnaire. Les références vers les attributs de la classe sont traduits en recherches dans ce dictionnaire, par exemple C.x est traduit en C.__dict__["x"] (bien qu’il existe un certain nombre de fonctions automatiques qui permettent de trouver des attributs par d’autres moyens). Si le nom d’attribut n’est pas trouvé dans ce dictionnaire, la recherche continue dans les classes de base. Les classes de base sont trouvées en utilisant l’ordre de résolution des méthodes (method resolution order en anglais, ou MRO) C3 qui a un comportement cohérent même en présence d’héritages en « diamant », où différentes branches d’héritages conduisent vers un ancêtre commun. Vous trouverez plus de détails sur l’ordre de résolution des méthodes MRO C3 utilisé par Python dans la documentation de la version 2.3 disponible sur https://www.python.org/download/releases/2.3/mro/.

When a class attribute reference (for class C, say) would yield a class method object, it is transformed into an instance method object whose __self__ attributes is C. When it would yield a static method object, it is transformed into the object wrapped by the static method object. See section Implémentation de descripteurs for another way in which attributes retrieved from a class may differ from those actually contained in its __dict__.

Les assignations d’un attribut de classe mettent à jour le dictionnaire de la classe, jamais le dictionnaire d’une classe de base.

Un objet classe peut être appelé (voir ci-dessus) pour produire une instance de classe (voir ci-dessous).

Special attributes: __name__ is the class name; __module__ is the module name in which the class was defined; __dict__ is the dictionary containing the class’s namespace; __bases__ is a tuple containing the base classes, in the order of their occurrence in the base class list; __doc__ is the class’s documentation string, or None if undefined.

Instances de classes

Une instance de classe est créée en appelant un objet classe (voir ci-dessus). Une instance de classe possède un espace de noms implémenté sous la forme d’un dictionnaire qui est le premier endroit où sont recherchées les références aux attributs. Quand un attribut n’est pas trouvé dans ce dictionnaire et que la classe de l’instance contient un attribut avec ce nom, la recherche continue avec les attributs de la classe. Si un attribut de classe est trouvé et que c’est un objet fonction définie par l’utilisateur, il est transformé en objet méthode d’instance dont l’attribut __self__ est l’instance. Les objets méthodes statiques et méthodes de classe sont aussi transformés ; reportez-vous ci-dessous à « Classes ». Lisez la section Implémentation de descripteurs pour une autre façon de récupérer les attributs d’une classe, où la récupération via ses instances peut différer des objets réellement stockés dans le __dict__ de la classe. Si aucun attribut de classe n’est trouvé et que la classe de l’objet possède une méthode __getattr__(), cette méthode est appelée pour rechercher une correspondance.

Les assignations et suppressions d’attributs mettent à jour le dictionnaire de l’instance, jamais le dictionnaire de la classe. Si la classe possède une méthode __setattr__() ou __delattr__(), elle est appelée au lieu de mettre à jour le dictionnaire de l’instance directement.

Les instances de classes peuvent prétendre être des nombres, des séquences ou des tableaux de correspondance si elles ont des méthodes avec des noms spéciaux. Voir la section Méthodes spéciales.

Attributs spéciaux : __dict__ est le dictionnaire des attributs ; __class__ est la classe de l’instance.

Objets Entrées-Sorties (ou objets fichiers)

Un objet fichier représente un fichier ouvert. Différents raccourcis existent pour créer des objets fichiers : la fonction native open() et aussi os.popen(), os.fdopen() ou la méthode makefile() des objets sockets (et sûrement d’autres fonctions ou méthodes fournies par les modules d’extensions).

Les objets sys.stdin, sys.stdout et sys.stderr sont initialisés à des objets fichiers correspondant à l’entrée standard, la sortie standard et le flux d’erreurs de l’interpréteur ; ils sont tous ouverts en mode texte et se conforment donc à l’interface définie par la classe abstraite io.TextIOBase.

Types internes

Quelques types utilisés en interne par l’interpréteur sont accessibles à l’utilisateur. Leur définition peut changer dans les futures versions de l’interpréteur mais ils sont donnés ci-dessous à fin d’exhaustivité.

Objets Code

Un objet code représente le code Python sous sa forme compilée en bytecode. La différence entre un objet code et un objet fonction est que l’objet fonction contient une référence explicite vers les globales de la fonction (le module dans lequel elle est définie) alors qu’un objet code ne contient aucun contexte ; par ailleurs, les valeurs par défaut des arguments sont stockées dans l’objet fonction, pas dans l’objet code (parce que ce sont des valeurs calculées au moment de l’exécution). Contrairement aux objets fonctions, les objets codes sont immuables et ne contiennent aucune référence (directe ou indirecte) à des objets muables.

Attributs spéciaux en lecture seule : co_name donne le nom de la fonction ; co_argcount est le nombre d’arguments positionnels (y compris les arguments avec des valeurs par défaut) ; co_nlocals est le nombre de variables locales utilisées par la fonction (y compris les arguments) ; co_varnames est un tuple contenant le nom des variables locales (en commençant par les noms des arguments) ; co_cellvars est un tuple contenant les noms des variables locales qui sont référencées par des fonctions imbriquées ; co_freevars est un tuple contenant les noms des variables libres ; co_code est une chaîne représentant la séquence des instructions de bytecode ; co_consts est un tuple contenant les littéraux utilisés par le bytecode ; co_names est un tuple contenant les noms utilisés par le bytecode ; co_filename est le nom de fichier à partir duquel le code a été compilé ; co_firstlineno est numéro de la première ligne de la fonction ; co_lnotab est une chaîne qui code la correspondance entre les différents endroits du bytecode et les numéros de lignes (pour les détails, regardez le code source de l’interpréteur) ; co_stacksize est la taille de pile nécessaire (y compris pour les variables locales) ; co_flags est un entier qui code différents drapeaux pour l’interpréteur.

Les drapeaux suivants sont codés par des bits dans co_flags : le bit 0x04 est positionné à 1 si la fonction utilise la syntaxe *arguments pour accepter un nombre arbitraire d’arguments positionnels ; le bit 0x08 est positionné à 1 si la fonction utilise la syntaxe **keywords pour accepter un nombre arbitraire d’arguments nommés ; le bit 0x20 est positionné à 1 si la fonction est un générateur.

Les déclarations de fonctionnalité future from __future__ import division utilisent aussi des bits dans co_flags pour indiquer si l’objet code a été compilé avec une fonctionnalité future : le bit 0x2000 est positionné à 1 si la fonction a été compilée avec la division future activée ; les bits 0x10 et 0x1000 étaient utilisés dans les versions antérieures de Python.

Les autres bits de co_flags sont réservés à un usage interne.

Si l’objet code représente une fonction, le premier élément dans co_consts est la chaîne de documentation de la fonction (ou None s’il n’y en a pas).

Objets cadres

Un objet cadre représente le cadre d’exécution. Ils apparaissent dans des objets traces (voir plus loin).

Attributs spéciaux en lecture seule : f_back pointe vers le cadre précédent (l’appelant) ou None si c’est le pied de la pile d’appel ; f_code est l’objet code en cours d’exécution dans ce cadre ; f_locals est le dictionnaire dans lequel sont cherchées les variables locales ; f_globals est utilisé pour les variables globales ; f_builtins est utilisé pour les noms natifs ; f_lasti donne l’instruction précise (c’est un indice dans la chaîne de bytecode de l’objet code).

Attributs spéciaux en lecture-écriture : f_trace, s’il ne vaut pas None, est une fonction appelée au début de chaque ligne de code source (c’est utilisé par le débogueur) ; f_lineno est le numéro de la ligne courante du cadre — écrire dedans depuis une fonction trace fait sauter à la ligne demandée (seulement pour le cadre le plus bas). Un débogueur peut implémenter une commande « sauter vers » en écrivant dans f_lineno.

Les objets cadres comprennent une méthode :

frame.clear()

Cette méthode efface toutes les références aux variables locales conservées dans le cadre. Par ailleurs, si le cadre est celui d’un générateur, le générateur se termine. Ceci permet de casser des références cycliques qui incluent des objets cadres (par exemple, lors de la capture d’une exception et du stockage de la pile d’appels pour une utilisation future).

RuntimeError est levée si le cadre est en cours d’exécution.

Nouveau dans la version 3.4.

Objets traces

Un objet trace représente la pile d’appels d’une exception. Il est créé au moment où l’exception est levée. Quand l’interpréteur recherche un gestionnaire d’exception en remontant la pile d’exécution, un objet trace est inséré devant l’objet trace courant à chaque nouveau niveau. Quand il entre dans le gestionnaire d’exception, la pile d’appels est rendue accessible au programme (voir la section L’instruction try). Elle est accessible par le troisième élément du tuple renvoyé par sys.exc_info(). Quand le programme ne dispose pas d’un gestionnaire adéquat, la pile d’appels est écrite (joliment formatée) sur le flux d’erreurs standard ; si l’interpréteur est interactif, la pile d’appels est rendue accessible à l’utilisateur en tant que sys.last_traceback.

Attributs spéciaux en lecture seule : tb_next est le prochain niveau dans la pile d’appels (vers le cadre où l’exception a été levée) ou None s’il n’y a pas de prochain niveau ; tb_frame pointe vers le cadre d’exécution du niveau courant ; tb_lineno donne le numéro de ligne où l’exception a été levée ; tb_lasti indique l’instruction précise. Le numéro de ligne et la dernière instruction dans la trace peuvent différer du numéro de ligne de l’objet cadre si l’exception a eu lieu dans une instruction try sans qu’il n’y ait de clause except adéquate ou sans clause finally.

Objets tranches

Un objet tranche est utilisé pour représenter des découpes des méthodes __getitem__(). Ils sont aussi créés par la fonction native slice().

Attributs spéciaux en lecture seule : start est la borne inférieure ; stop est la borne supérieure ; step est la valeur du pas ; chaque attribut vaut None s’il est omis. Ces attributs peuvent être de n’importe quel type.

Les objets tranches comprennent une méthode :

slice.indices(self, length)

Cette méthode prend un argument entier length et calcule les informations de la tranche que l’objet découpe décrit s’il est appliqué à une séquence de length éléments. Elle renvoie un tuple de trois entiers ; respectivement, ce sont les indices de début et fin ainsi que le pas de découpe. Les indices manquants ou en dehors sont gérés de manière cohérente avec les tranches normales.

Objets méthodes statiques
Les objets méthodes statiques permettent la transformation des objets fonctions en objets méthodes décrits au-dessus. Un objet méthode statique encapsule tout autre objet, souvent un objet méthode définie par l’utilisateur. Quand un objet méthode statique est récupéré depuis une classe ou une instance de classe, l’objet réellement renvoyé est un objet encapsulé, qui n’a pas vocation à être transformé encore une fois. Les objets méthodes statiques ne sont pas appelables en tant que tels, bien que les objets qu’ils encapsulent le soient souvent. Les objets méthodes statiques sont créés par le constructeur natif staticmethod().
Objets méthodes de classes
Un objet méthode de classe, comme un objet méthode statique, encapsule un autre objet afin de modifier la façon dont cet objet est récupéré depuis les classes et instances de classes. Le comportement des objets méthodes de classes dans le cas d’une telle récupération est décrit plus haut, dans « méthodes définies par l’utilisateur ». Les objets méthodes de classes sont créés par le constructeur natif classmethod().

3.3. Méthodes spéciales

Une classe peut implémenter certaines opérations que l’on invoque par une syntaxe spéciale (telles que les opérations arithmétiques ou la découpe en tranches) en définissant des méthodes aux noms particuliers. C’est l’approche utilisée par Python pour la surcharge d’opérateur, permettant à une classe de définir son propre comportement vis-à-vis des opérateurs du langage. Par exemple, si une classe définit une méthode __getitem__() et que x est une instance de cette classe, alors x[i] est globalement équivalent à type(x).__getitem__(x, i). Sauf lorsque c’est mentionné, toute tentative d’appliquer une opération alors que la méthode appropriée n’est pas définie lève une exception (typiquement AttributeError ou TypeError).

Lorsque vous implémentez une classe qui émule un type natif, il est important que cette émulation n’implémente que ce qui fait sens pour l’objet qui est modélisé. Par exemple, la recherche d’éléments individuels d’une séquence peut faire sens, mais pas l’extraction d’une tranche (un exemple est l’interface de NodeList dans le modèle objet des documents W3C).

3.3.1. Personnalisation de base

object.__new__(cls[, ...])

Appelée pour créer une nouvelle instance de la classe cls. La méthode __new__() est statique (c’est un cas particulier, vous n’avez pas besoin de la déclarer comme telle) qui prend comme premier argument la classe pour laquelle on veut créer une instance. Les autres arguments sont ceux passés à l’expression de l’objet constructeur (l’appel à la classe). La valeur de retour de __new__() doit être l’instance du nouvel objet (classiquement une instance de cls).

Typical implementations create a new instance of the class by invoking the superclass’s __new__() method using super().__new__(cls[, ...]) with appropriate arguments and then modifying the newly-created instance as necessary before returning it.

Si __new__() renvoie une instance de cls, alors la méthode __init__() de la nouvelle instance est invoquée avec __init__(self[, ...])self est la nouvelle instance et les autres arguments sont les mêmes que ceux passés à __new__().

Si __new__() ne renvoie pas une instance de cls, alors la méthode __init__() de la nouvelle instance n’est pas invoquée.

L’objectif de __new__() est principalement, pour les sous-classes de types immuables (comme int, str ou tuple), d’autoriser la création sur mesure des instances. Elle est aussi souvent surchargée dans les méta-classes pour particulariser la création des classes.

object.__init__(self[, ...])

Called after the instance has been created (by __new__()), but before it is returned to the caller. The arguments are those passed to the class constructor expression. If a base class has an __init__() method, the derived class’s __init__() method, if any, must explicitly call it to ensure proper initialization of the base class part of the instance; for example: super().__init__([args...]).

Comme __new__() et __init__() travaillent ensemble pour créer des objets (__new__() pour le créer, __init__() pour le particulariser), __init__() ne doit pas renvoyer de valeur None ; sinon une exception TypeError est levée à l’exécution.

object.__del__(self)

Called when the instance is about to be destroyed. This is also called a destructor. If a base class has a __del__() method, the derived class’s __del__() method, if any, must explicitly call it to ensure proper deletion of the base class part of the instance. Note that it is possible (though not recommended!) for the __del__() method to postpone destruction of the instance by creating a new reference to it. It may then be called at a later time when this new reference is deleted. It is not guaranteed that __del__() methods are called for objects that still exist when the interpreter exits.

Note

del x doesn’t directly call x.__del__() — the former decrements the reference count for x by one, and the latter is only called when x’s reference count reaches zero. Some common situations that may prevent the reference count of an object from going to zero include: circular references between objects (e.g., a doubly-linked list or a tree data structure with parent and child pointers); a reference to the object on the stack frame of a function that caught an exception (the traceback stored in sys.exc_info()[2] keeps the stack frame alive); or a reference to the object on the stack frame that raised an unhandled exception in interactive mode (the traceback stored in sys.last_traceback keeps the stack frame alive). The first situation can only be remedied by explicitly breaking the cycles; the second can be resolved by freeing the reference to the traceback object when it is no longer useful, and the third can be resolved by storing None in sys.last_traceback. Circular references which are garbage are detected and cleaned up when the cyclic garbage collector is enabled (it’s on by default). Refer to the documentation for the gc module for more information about this topic.

Avertissement

Due to the precarious circumstances under which __del__() methods are invoked, exceptions that occur during their execution are ignored, and a warning is printed to sys.stderr instead. Also, when __del__() is invoked in response to a module being deleted (e.g., when execution of the program is done), other globals referenced by the __del__() method may already have been deleted or in the process of being torn down (e.g. the import machinery shutting down). For this reason, __del__() methods should do the absolute minimum needed to maintain external invariants. Starting with version 1.5, Python guarantees that globals whose name begins with a single underscore are deleted from their module before other globals are deleted; if no other references to such globals exist, this may help in assuring that imported modules are still available at the time when the __del__() method is called.

object.__repr__(self)

Appelée par la fonction native repr() pour calculer la représentation « officielle » en chaîne de caractères d’un objet. Tout est fait pour que celle-ci ressemble à une expression Python valide pouvant être utilisée pour recréer un objet avec la même valeur (dans un environnement donné). Si ce n’est pas possible, une chaîne de la forme <...une description utile...> est renvoyée. La valeur renvoyée doit être un objet chaîne de caractères. Si une classe définit __repr__() mais pas __str__(), alors __repr__() est aussi utilisée quand une représentation « informelle » en chaîne de caractères est demandée pour une instance de cette classe.

Cette fonction est principalement utilisée à fins de débogage, il est donc important que la représentation donne beaucoup d’informations et ne soit pas ambigüe.

object.__str__(self)

Appelée par str(objet) ainsi que les fonctions natives format() et print() pour calculer une chaîne de caractères « informelle » ou joliment mise en forme de représentation de l’objet. La valeur renvoyée doit être un objet string.

Cette méthode diffère de object.__repr__() car il n’est pas attendu que __str__() renvoie une expression Python valide : une représentation plus agréable à lire ou plus concise peut être utilisée.

C’est l’implémentation par défaut des appels à object.__repr__() du type natif object.

object.__bytes__(self)

Called by bytes() to compute a byte-string representation of an object. This should return a bytes object.

object.__format__(self, format_spec)

Called by the format() built-in function (and by extension, the str.format() method of class str) to produce a « formatted » string representation of an object. The format_spec argument is a string that contains a description of the formatting options desired. The interpretation of the format_spec argument is up to the type implementing __format__(), however most classes will either delegate formatting to one of the built-in types, or use a similar formatting option syntax.

Lisez Mini-langage de spécification de format pour une description de la syntaxe standard du formatage.

La valeur renvoyée doit être un objet chaîne de caractères.

Modifié dans la version 3.4: La méthode __format__ de object lui-même lève une TypeError si vous lui passez une chaîne non vide.

object.__lt__(self, other)
object.__le__(self, other)
object.__eq__(self, other)
object.__ne__(self, other)
object.__gt__(self, other)
object.__ge__(self, other)

Ce sont les méthodes dites de « comparaisons riches ». La correspondance entre les symboles opérateurs et les noms de méthodes est la suivante : x<y appelle x.__lt__(y), x<=y appelle x.__le__(y), x==y appelle x.__eq__(y), x!=y appelle x.__ne__(y), x>y appelle x.__gt__(y) et x>=y appelle x.__ge__(y).

Une méthode de comparaison riche peut renvoyer le singleton NotImplemented si elle n’implémente pas l’opération pour une paire donnée d’arguments. Par convention, False et True sont renvoyées pour une comparaison qui a réussi. Cependant, ces méthodes peuvent renvoyer n’importe quelle valeur donc, si l’opérateur de comparaison est utilisé dans un contexte booléen (par exemple dans une condition d’une instruction if), Python appelle bool() sur la valeur pour déterminer si le résultat est faux ou vrai.

Par défaut, __ne__() délègue à __eq__() et renvoie le résultat inverse, sauf si c’est NotImplemented. Il n’y a pas d’autres relations implicites pour les opérateurs de comparaison. Par exemple, (x<y or x==y) n’implique pas x<=y. Pour obtenir une relation d’ordre total automatique à partir d’une seule opération, reportez-vous à functools.total_ordering().

Lisez le paragraphe __hash__() pour connaitre certaines notions importantes relatives à la création d’objets hashable qui acceptent les opérations de comparaison personnalisées et qui sont utilisables en tant que clés de dictionnaires.

Il n’y a pas de versions avec les arguments interchangés de ces méthodes (qui seraient utilisées quand l’argument de gauche ne connaît pas l’opération alors que l’argument de droite la connaît) ; en lieu et place, __lt__() et __gt__() sont la réflexion l’une de l’autre, __le__() et __ge__() sont la réflexion l’une de l’autre et __eq__() ainsi que __ne__() sont réflexives. Si les opérandes sont de types différents et que l’opérande de droite est d’un type qui une sous-classe directe ou indirecte du type de l’opérande de gauche, alors la méthode symétrique de l’opérande de droite est prioritaire, sinon c’est la méthode de l’opérande de gauche qui est prioritaire. Les sous-classes virtuelles ne sont pas prises en compte.

object.__hash__(self)

Called by built-in function hash() and for operations on members of hashed collections including set, frozenset, and dict. __hash__() should return an integer. The only required property is that objects which compare equal have the same hash value; it is advised to mix together the hash values of the components of the object that also play a part in comparison of objects by packing them into a tuple and hashing the tuple. Example:

def __hash__(self):
    return hash((self.name, self.nick, self.color))

Note

hash() limite la valeur renvoyée d’un objet ayant une méthode __hash__() personnalisée à la taille d’un Py_ssize_t. C’est classiquement 8 octets pour une implémentation 64 bits et 4 octets sur une implémentation 32 bits. Si la méthode __hash__() d’un objet doit être interopérable sur des plateformes ayant des implémentations différentes, assurez-vous de vérifier la taille du hachage sur toutes les plateformes. Une manière facile de le faire est la suivante : python -c "import sys; print(sys.hash_info.width)".

Si une classe ne définit pas de méthode __eq__(), elle ne doit pas définir l’opération __hash__() non plus ; si elle définit __eq__() mais pas __hash__(), les instances ne peuvent pas être utilisées en tant qu’élément dans une collection de hachables. Si une classe définit des objets mutables et implémente la méthode __eq__(), elle ne doit pas implémenter __hash__() puisque l’implémentation des collections hachables requiert que les clés soient des empreintes immuables (si l’empreinte d’un objet change, il ne sera plus trouvé correctement dans le stockage du dictionnaire).

Les classes définies par l’utilisateur possèdent des méthodes __eq__() et __hash__() par défaut ; ces méthodes répondent que tous les objets sont différents (sauf avec eux-mêmes) et x.__hash__() renvoie une valeur telle que x == y implique à la fois x is y et hash(x) == hash(y).

Une classe qui surcharge __eq__() et qui ne définit pas __hash__() a sa méthode __hash__() implicitement assignée à None. Quand la méthode __hash__() d’une classe est None, une instance de cette classe lève TypeError quand un programme essaie de demander son empreinte et elle est correctement identifiée comme non hachable quand on vérifie isinstance(obj, collections.Hashable).

Si une classe qui surcharge __eq__() a besoin de conserver l’implémentation de __hash__() de la classe parente, vous devez l’indiquer explicitement à l’interpréteur en définissant __hash__ = <ClasseParente>.__hash__.

Si une classe ne surcharge pas __eq__() et veut supprimer le calcul des empreintes, elle doit inclure __hash__ = None dans la définition de la classe. Une classe qui définit sa propre méthode __hash__() qui lève explicitement TypeError serait incorrectement identifiée comme hachable par un appel à isinstance(obj, collections.Hashable).

Note

Par défaut, les valeurs renvoyées par __hash__() pour les chaînes, bytes et objets datetime sont salées avec une valeur aléatoire non prévisible. Bien qu’une empreinte reste constante tout au long d’un processus Python, sa valeur n’est pas prévisible entre deux invocations de Python.

C’est un comportement voulu pour se protéger contre un déni de service qui utiliserait des entrées malicieusement choisies pour effectuer des insertions dans le dictionnaire dans le pire cas, avec une complexité en O(n^2). Lisez http://www.ocert.org/advisories/ocert-2011-003.html pour en obtenir les détails (article en anglais).

Modifier les empreintes obtenues par hachage modifie l’ordre d’itération sur les dictionnaires, les ensembles et les autres tableaux de correspondances. Python n’a jamais donné de garantie sur cet ordre (d’ailleurs, l’ordre n’est pas le même entre les implémentations 32 et 64 bits).

Voir aussi PYTHONHASHSEED.

Modifié dans la version 3.3: la randomisation des empreintes est activée par défaut.

object.__bool__(self)

Appelée pour implémenter les tests booléens et l’opération native bool() ; elle doit renvoyer False ou True. Quand cette méthode n’est pas définie, __len__() est appelée, si elle est définie, et l’objet est considéré vrai si le résultat est non nul. Si une classe ne définit ni __len__() ni __bool__(), toutes ses instances sont considérées comme vraies.

3.3.2. Personnalisation de l’accès aux attributs

Les méthodes suivantes peuvent être définies pour personnaliser l’accès aux attributs (utilisation, assignation, suppression de x.name) pour les instances de classes.

object.__getattr__(self, name)

Called when an attribute lookup has not found the attribute in the usual places (i.e. it is not an instance attribute nor is it found in the class tree for self). name is the attribute name. This method should return the (computed) attribute value or raise an AttributeError exception.

Notez que si l’attribut est trouvé par le mécanisme normal, __getattr__() n’est pas appelée (c’est une asymétrie voulue entre __getattr__() et __setattr__()). Ce comportement est adopté à la fois pour des raisons de performance et parce que, sinon, __getattr__() n’aurait aucun moyen d’accéder aux autres attributs de l’instance. Notez que, au moins pour ce qui concerne les variables d’instance, vous pouvez simuler un contrôle total en n’insérant aucune valeur dans le dictionnaire des attributs de l’instance (mais en les insérant dans un autre objet à la place). Lisez la partie relative à la méthode __getattribute__() ci-dessous pour obtenir un contrôle total effectif sur l’accès aux attributs.

object.__getattribute__(self, name)

Appelée de manière inconditionnelle pour implémenter l’accès aux attributs des instances de la classe. Si la classe définit également __getattr__(), cette dernière n’est pas appelée à moins que __getattribute__() ne l’appelle explicitement ou ne lève une exception AttributeError. Cette méthode doit renvoyer la valeur (calculée) de l’attribut ou lever une exception AttributeError. Afin d’éviter une récursion infinie sur cette méthode, son implémentation doit toujours appeler la méthode de la classe de base avec le même paramètre name pour accéder à n’importe quel attribut dont elle a besoin. Par exemple, object.__getattribute__(self, name).

Note

Cette méthode peut être shuntée lorsque la recherche porte sur les méthodes spéciales en tant que résultat d’une invocation implicite via la syntaxe du langage ou les fonctions natives. Lisez Recherche des méthodes spéciales.

object.__setattr__(self, name, value)

Appelée lors d’une assignation d’attribut. Elle est appelée à la place du mécanisme normal (c’est-à-dire stocker la valeur dans le dictionnaire de l’instance). name est le nom de l’attribut, value est la valeur à assigner à cet attribut.

Si __setattr__() veut assigner un attribut d’instance, elle doit appeler la méthode de la classe de base avec le même nom, par exemple object.__setattr__(self, name, value).

object.__delattr__(self, name)

Comme __setattr__() mais pour supprimer un attribut au lieu de l’assigner. Elle ne doit être implémentée que si del obj.name a du sens pour cet objet.

object.__dir__(self)

Appelée quand dir() est appelée sur l’objet. Elle doit renvoyer une séquence. dir() convertit la séquence renvoyée en liste et effectue le classement.

3.3.2.1. Implémentation de descripteurs

Les méthodes qui suivent s’appliquent seulement quand une instance de la classe (dite classe descripteur) contenant la méthode apparaît dans une classe propriétaire (owner en anglais) ; la classe descripteur doit figurer dans le dictionnaire de la classe propriétaire ou dans le dictionnaire de la classe d’un des parents. Dans les exemples ci-dessous, « l’attribut » fait référence à l’attribut dont le nom est une clé du __dict__ de la classe propriétaire.

object.__get__(self, instance, owner)

Appelée pour obtenir l’attribut de la classe propriétaire (accès à un attribut de classe) ou d’une instance de cette classe (accès à un attribut d’instance). owner est toujours la classe propriétaire alors que instance est l’instance par laquelle on accède à l’attribut ou None lorsque l’on accède par la classe owner. Cette méthode doit renvoyer la valeur (calculée) de l’attribut ou lever une exception AttributeError.

object.__set__(self, instance, value)

Appelée pour définir l’attribut d’une instance instance de la classe propriétaire à la nouvelle valeur value.

object.__delete__(self, instance)

Appelée pour supprimer l’attribut de l’instance instance de la classe propriétaire.

L’attribut __objclass__ est interprété par le module inspect comme spécifiant la classe où cet objet a été défini (le définir correctement peut vous aider dans l’introspection des classes dynamiques à l’exécution). Pour les appelables, cela peut indiquer qu’une instance d’un certain type (ou d’une certaine sous-classe) est attendue ou requise comme premier argument positionnel (par exemple, CPython définit cet attribut pour les méthodes non liées qui sont implémentées en C).

3.3.2.2. Invocation des descripteurs

En général, un descripteur est un attribut d’objet dont le comportement est « lié » (binding dehavior en anglais), c’est-à-dire que les accès aux attributs ont été surchargés par des méthodes conformes au protocole des descripteurs : __get__(), __set__() et __delete__(). Si l’une de ces méthodes est définie pour un objet, il est réputé être un descripteur.

Le comportement par défaut pour la gestion d’un attribut est de définir, obtenir et supprimer cet attribut du dictionnaire de l’objet. Par exemple, pour a.x Python commence d’abord par rechercher a.__dict__['x'], puis type(a).__dict__['x'] ; ensuite Python continue en remontant les classes de base de type(a), en excluant les méta-classes.

Cependant, si la valeur cherchée est un objet qui définit une des méthodes de descripteur, alors Python modifie son comportement et invoque la méthode du descripteur à la place. Le moment où cela intervient dans la recherche citée ci-dessus dépend de l’endroit où a été définie la méthode de descripteur et comment elle a été appelée.

Le point de départ pour une invocation de descripteur est la liaison a.x. La façon dont les arguments sont assemblés dépend de a :

Appel direct
Le plus simple et le plus rare des appels est quand l’utilisateur code directement l’appel à la méthode du descripteur : x.__get__(a).
Liaison avec une instance
Si elle est liée à un objet instance, a.x est transformé en l’appel suivant : type(a).__dict__['x'].__get__(a, type(a)).
Liaison avec une classe
Si elle est liée à une classe, A.x est transformé en l’appel suivant : A.__dict__['x'].__get__(None, A).
Liaison super
Si a est une instance de super, alors super(B, obj).m() recherche obj.__class__.__mro__ pour la classe de base A immédiatement avant B puis invoque le descripteur avec l’appel suivant : A.__dict__['m'].__get__(obj, obj.__class__).

Pour des liaisons avec des instances, la priorité à l’invocation du descripteur dépend des méthodes que le descripteur a définies. Un descripteur peut définir n’importe quelle combinaison de __get__(), __set__() et __delete__(). S’il ne définit pas __get__(), alors accéder à l’attribut retourne l’objet descripteur lui-même sauf s’il existe une valeur dans le dictionnaire de l’objet instance. Si le descripteur définit __set__() ou __delete__(), c’est un descripteur de données ; s’il ne définit aucune méthode, c’est un descripteur hors-donnée. Normalement, les descripteurs de données définissent à la fois __get__() et __set__(), alors que les descripteurs hors-données définissent seulement la méthode __get__(). Les descripteurs de données qui définissent __set__() et __get__() sont toujours prioritaires face à une redéfinition du dictionnaire de l’instance. En revanche, les descripteurs hors-données peuvent être shuntés par les instances.

Les méthodes Python (y compris staticmethod() et classmethod()) sont implémentées comme des descripteurs hors-donnée. De la même manière, les instances peuvent redéfinir et surcharger les méthodes. Ceci permet à chaque instance d’avoir un comportement qui diffère des autres instances de la même classe.

La fonction property() est implémentée en tant que descripteur de données. Ainsi, les instances ne peuvent pas surcharger le comportement d’une propriété.

3.3.2.3. __slots__

By default, instances of classes have a dictionary for attribute storage. This wastes space for objects having very few instance variables. The space consumption can become acute when creating large numbers of instances.

The default can be overridden by defining __slots__ in a class definition. The __slots__ declaration takes a sequence of instance variables and reserves just enough space in each instance to hold a value for each variable. Space is saved because __dict__ is not created for each instance.

object.__slots__

Cette variable de classe peut être assignée avec une chaîne, un itérable ou une séquence de chaînes avec les noms de variables utilisés par les instances. __slots__ réserve de la place pour ces variables déclarées et interdit la création automatique de __dict__ et __weakref__ pour chaque instance.

3.3.2.3.1. Note sur l’utilisation de __slots__
  • When inheriting from a class without __slots__, the __dict__ attribute of that class will always be accessible, so a __slots__ definition in the subclass is meaningless.
  • Sans variable __dict__, les instances ne peuvent pas assigner de nouvelles variables (non listées dans la définition de __slots__). Les tentatives d’assignation sur un nom de variable non listé lève AttributeError. Si l’assignation dynamique de nouvelles variables est nécessaire, ajoutez '__dict__' à la séquence de chaînes dans la déclaration __slots__.
  • Sans variable __weakref__ pour chaque instance, les classes qui définissent __slots__ ne gèrent pas les références faibles vers leurs instances. Si vous avez besoin de gérer des références faibles, ajoutez '__weakref__' à la séquence de chaînes dans la déclaration de __slots__.
  • Les __slots__ sont implémentés au niveau de la classe en créant des descripteurs (Implémentation de descripteurs) pour chaque nom de variable. Ainsi, les attributs de classe ne peuvent pas être utilisés pour des valeurs par défaut aux variables d’instances définies par __slots__ ; sinon, l’attribut de classe surchargerait l’assignation par descripteur.
  • The action of a __slots__ declaration is limited to the class where it is defined. As a result, subclasses will have a __dict__ unless they also define __slots__ (which must only contain names of any additional slots).
  • Si une classe définit un slot déjà défini dans une classe de base, la variable d’instance définie par la classe de base est inaccessible (sauf à utiliser le descripteur de la classe de base directement). Cela rend la signification du programme indéfinie. Dans le futur, une vérification sera ajoutée pour empêcher cela.
  • Un __slot__ non vide ne fonctionne pas pour les classes dérivées des types natifs à longueur variable tels que int, bytes et tuple.
  • Tout itérable qui n’est pas une chaîne peut être assigné à un __slots__. Les tableaux de correspondance peuvent aussi être utilisés ; cependant, dans le futur, des significations spéciales pourraient être associées à chacune des clés.
  • Les assignations de __class__ ne fonctionnent que si les deux classes ont le même __slots__.

3.3.3. Personnalisation de la création de classes

Par défaut, les classes sont construites en utilisant type(). Le corps de la classe est exécuté dans un nouvel espace de noms et le nom de la classe est lié localement au résultat de type(name, bases, namespace)`.

Le déroulement de création de la classe peut être personnalisé en passant l’argument nommé metaclass dans la ligne de définition de la classe ou en héritant d’une classe existante qui comporte déjà un tel argument. Dans l’exemple qui suit, MyClass et MySubclass sont des instances de Meta :

class Meta(type):
    pass

class MyClass(metaclass=Meta):
    pass

class MySubclass(MyClass):
    pass

Tout autre argument nommé spécifié dans la définition de la classe est passé aux opérations de méta-classes décrites auparavant.

Quand la définition d’une classe est exécutée, les différentes étapes suivies sont :

  • la méta-classe appropriée est déterminée ;
  • l’espace de noms de la classe est préparé ;
  • le corps de la classe est exécuté ;
  • l’objet classe est crée.

3.3.3.1. Détermination de la méta-classe appropriée

La méta-classe appropriée pour une définition de classe est déterminée de la manière suivante :

  • si aucune classe et aucune méta-classe n’est donnée, alors type() est utilisée ;
  • si une méta-classe explicite est donnée et que ce n’est pas une instance de type(), alors elle est utilisée directement en tant que méta-classe ;
  • Si une instance de type() est donnée comme méta-classe explicite ou si bases est définie, alors la méta-classe la plus dérivée est utilisée.

La méta-classe la plus dérivée est choisie à partir des méta-classes explicitement spécifiées (s’il y en a) et les méta-classes (c’est-à-dire les type(cls)) de toutes les classes de base spécifiées. La méta-classe la plus dérivée est celle qui est un sous-type de toutes ces méta-classes candidates. Si aucune des méta-classes candidates ne remplit ce critère, alors la définition de la classe échoue en levant TypeError.

3.3.3.2. Préparation de l’espace de noms de la classe

Une fois que la méta-classe appropriée est identifiée, l’espace de noms de la classe est préparé. Si la méta-classe possède un attribut __prepare__, il est appelé avec namespace = metaclass.__prepare__(name, bases, **kwds) (où les arguments nommés supplémentaires, s’il y en a, viennent de la définition de la classe).

If the metaclass has no __prepare__ attribute, then the class namespace is initialised as an empty dict() instance.

Voir aussi

PEP 3115 – Méta-classes dans Python 3000
introduction de la fonction automatique __prepare__ de l’espace de noms

3.3.3.3. Exécution du corps de la classe

Le corps de la classe est exécuté (approximativement) avec exec(body, globals(), namespace). La principale différence avec un appel normal à exec() est que la portée lexicale autorise le corps de la classe (y compris les méthodes) à faire référence aux noms de la portée courante et des portées externes lorsque la définition de classe a lieu dans une fonction.

However, even when the class definition occurs inside the function, methods defined inside the class still cannot see names defined at the class scope. Class variables must be accessed through the first parameter of instance or class methods, and cannot be accessed at all from static methods.

3.3.3.4. Création de l’objet classe

Quand l’espace de noms a été rempli en exécutant le corps de la classe, l’objet classe est créé en appelant metaclass(name, bases, namespace, **kwds) (les arguments nommés supplémentaires passés ici sont les mêmes que ceux passés à __prepare__).

Cet objet classe est celui qui est référencé par la forme sans argument de super(). __class__ est une référence implicite créée par le compilateur si une méthode du corps de la classe fait référence soit à __class__, soit à super. Ceci permet que la forme sans argument de super() identifie la classe en cours de définition en fonction de la portée lexicale, tandis que la classe ou l’instance utilisée pour effectuer l’appel en cours est identifiée en fonction du premier argument transmis à la méthode.

Après la création de l’objet classe, il est passé aux décorateurs de la classe, y compris ceux inclus dans la définition de la classe (s’il y en a) et l’objet résultant est lié à l’espace de noms local en tant que classe définie.

When a new class is created by type.__new__, the object provided as the namespace parameter is copied to a standard Python dictionary and the original object is discarded. The new copy becomes the __dict__ attribute of the class object.

Voir aussi

PEP 3135 – Nouvelle méthode super
Décrit la référence à la fermeture (closure en anglais) de la __class__ implicite

3.3.3.5. Exemple de méta-classe

The potential uses for metaclasses are boundless. Some ideas that have been explored include logging, interface checking, automatic delegation, automatic property creation, proxies, frameworks, and automatic resource locking/synchronization.

Voici un exemple de méta-classe qui utilise une collections.OrderedDict pour mémoriser l’ordre dans lequel les variables de classe sont définies

class OrderedClass(type):

    @classmethod
    def __prepare__(metacls, name, bases, **kwds):
        return collections.OrderedDict()

    def __new__(cls, name, bases, namespace, **kwds):
        result = type.__new__(cls, name, bases, dict(namespace))
        result.members = tuple(namespace)
        return result

class A(metaclass=OrderedClass):
    def one(self): pass
    def two(self): pass
    def three(self): pass
    def four(self): pass

>>> A.members
('__module__', 'one', 'two', 'three', 'four')

Quand la définition de la classe A s’exécute, le processus commence par appeler la méthode __prepare__() de la méta-classe qui renvoie un collections.OrderedDict vide. Ce tableau de correspondances enregistre les méthodes et attributs de A au fur et à mesure de leurs définitions dans les instructions du corps de la classe. Une fois que ces définitions ont été exécutées, le dictionnaire ordonné est complètement peuplé et la méthode __new__() de la méta-classe est appelée. Cette méthode construit un nouveau type et sauve les clés du dictionnaire ordonné dans un attribut appelé members.

3.3.4. Personnalisation des instances et vérification des sous-classes

Les méthodes suivantes sont utilisées pour surcharger le comportement par défaut des fonctions natives isinstance() et issubclass().

En particulier, la méta-classe abc.ABCMeta implémente ces méthodes pour autoriser l’ajout de classes de base abstraites (ABC pour Abstract Base Classes en anglais) en tant que « classes de base virtuelles » pour toute classe ou type (y compris les types natifs).

class.__instancecheck__(self, instance)

Renvoie True si instance doit être considérée comme une instance (directe ou indirecte) de class. Si elle est définie, est elle appelée pour implémenter isinstance(instance, class).

class.__subclasscheck__(self, subclass)

Renvoie True si subclass doit être considérée comme une sous-classe (directe ou indirecte) de class. Si elle est définie, appelée pour implémenter issubclass(subclass, class).

Notez que ces méthodes sont recherchées dans le type (la méta-classe) d’une classe. Elles ne peuvent pas être définies en tant que méthodes de classe dans la classe réelle. C’est cohérent avec la recherche des méthodes spéciales qui sont appelées pour les instances, sauf qu’ici l’instance est elle-même une classe.

Voir aussi

PEP 3119 – Introduction aux classes de bases abstraites
Inclut la spécification pour la personnalisation du comportement de isinstance() et issubclass() à travers __instancecheck__() et __subclasscheck__(), avec comme motivation pour cette fonctionnalité l’ajout les classes de base abstraites (voir le module abc) au langage.

3.3.5. Émulation d’objets appelables

object.__call__(self[, args...])

Appelée quand l’instance est « appelée » en tant que fonction ; si la méthode est définie, x(arg1, arg2, ...) est un raccourci pour x.__call__(arg1, arg2, ...).

3.3.6. Émulation de types conteneurs

Les fonctions suivantes peuvent être définies pour implémenter des objets conteneurs. Les conteneurs sont habituellement des séquences (telles que les tuples ou les listes) ou des tableaux de correspondances (comme les dictionnaires), mais ils peuvent aussi représenter d’autres conteneurs. Le premier ensemble de méthodes est utilisé soit pour émuler une séquence, soit pour émuler un tableau de correspondances ; la différence est que, pour une séquence, les clés doivent être soit des entiers k tels que 0 <= k < NN est la longueur de la séquence, soit des objets tranches qui définissent un intervalle d’éléments. Il est aussi recommandé que les tableaux de correspondances fournissent les méthodes keys(), values(), items(), get(), clear(), setdefault(), pop(), popitem(), copy() et update() avec un comportement similaire aux objets dictionnaires standards de Python. Le module collections fournit une classe de base abstraite MutableMapping pour aider à la création de ces méthodes à partir d’un ensemble de base composé de __getitem__(), __setitem__(), __delitem__() et keys(). Les séquences muables doivent fournir les méthodes append(), count(), index(), extend(), insert(), pop(), remove(), reverse() et sort(), comme les objets listes standards de Python. Enfin, les types séquences doivent implémenter l’addition (dans le sens de la concaténation) et la multiplication (dans le sens de la répétition) en définissant les méthodes __add__(), __radd__(), __iadd__(), __mul__(), __rmul__() et __imul__() décrites ci-dessous ; ils ne doivent pas définir d’autres opérateurs numériques. Il est recommandé que les tableaux de correspondances et les séquences implémentent la méthode __contains__() pour permettre l’utilisation efficace de l’opérateur in ; concernant les tableaux de correspondances, in doit rechercher dans les clés du tableau ; pour les séquences, il doit chercher dans les valeurs. Il est de plus recommandé que les tableaux de correspondances et les séquences implémentent la méthode __iter__() pour permettre une itération efficace dans le conteneur ; pour les tableaux de correspondances, __iter__() doit être la même que keys() ; pour les séquences, elle doit itérer sur les valeurs.

object.__len__(self)

Appelée pour implémenter la fonction native len(). Elle doit renvoyer la longueur de l’objet, un entier >= 0. Par ailleurs, un objet qui ne définit pas de méthode __bool__() et dont la méthode __len__() renvoie zéro est considéré comme valant False dans un contexte booléen.

CPython implementation detail: In CPython, the length is required to be at most sys.maxsize. If the length is larger than sys.maxsize some features (such as len()) may raise OverflowError. To prevent raising OverflowError by truth value testing, an object must define a __bool__() method.

object.__length_hint__(self)

Appelée pour implémenter operator.length_hint(). Elle doit renvoyer une longueur estimée de l’objet (qui peut être plus grande ou plus petite que la longueur réelle). La longueur doit être un entier >= 0. Cette méthode est utilisée uniquement pour optimiser les traitements et n’est jamais tenue de renvoyer un résultat exact.

Nouveau dans la version 3.4.

Note

Le découpage est effectué uniquement à l’aide des trois méthodes suivantes. Un appel comme :

a[1:2] = b

est traduit en :

a[slice(1, 2, None)] = b

et ainsi de suite. Les éléments manquants sont remplacés par None.

object.__getitem__(self, key)

Appelée pour implémenter l’évaluation de self[key]. Pour les types séquences, les clés autorisées sont les entiers et les objets tranches (slice). Notez que l’interprétation spéciale des indices négatifs (si la classe souhaite émuler un type séquence) est du ressort de la méthode __getitem__(). Si key n’est pas du bon type, une TypeError peut être levée ; si la valeur est en dehors de l’ensemble des indices de la séquence (après interprétation éventuelle des valeurs négatives), une IndexError doit être levée. Pour les tableaux de correspondances, si key n’existe pas dans le conteneur, une KeyError doit être levée.

Note

for s’attend à ce qu’une IndexError soit levée en cas d’indice illégal afin de détecter correctement la fin de la séquence.

object.__missing__(self, key)

Appelée par dict.__getitem__() pour implémenter self[key] dans les sous-classes de dictionnaires lorsque la clé n’est pas dans le dictionnaire.

object.__setitem__(self, key, value)

Appelée pour implémenter l’assignation à self[key]. La même note que pour __getitem__() s’applique. Elle ne doit être implémentée que pour les tableaux de correspondances qui autorisent les modifications de valeurs des clés, ceux pour lesquels on peut ajouter de nouvelles clés ou, pour les séquences, celles dont les éléments peuvent être remplacés. Les mêmes exceptions que pour la méthode __getitem__() doivent être levées en cas de mauvaises valeurs de clés.

object.__delitem__(self, key)

Appelée pour implémenter la suppression de self[key]. La même note que pour __getitem__() s’applique. Elle ne doit être implémentée que pour les tableaux de correspondances qui autorisent les suppressions de clés ou pour les séquences dont les éléments peuvent être supprimés de la séquence. Les mêmes exceptions que pour la méthode __getitem__() doivent être levées en cas de mauvaises valeurs de clés.

object.__iter__(self)

Cette méthode est appelée quand un itérateur est requis pour un conteneur. Cette méthode doit renvoyer un nouvel objet itérateur qui peut itérer sur tous les objets du conteneur. Pour les tableaux de correspondances, elle doit itérer sur les clés du conteneur.

Les objets itérateurs doivent aussi implémenter cette méthode ; ils doivent alors se renvoyer eux-mêmes. Pour plus d’information sur les objets itérateurs, lisez Les types itérateurs.

object.__reversed__(self)

Appelée (si elle existe) par la fonction native reversed() pour implémenter l’itération en sens inverse. Elle doit renvoyer un nouvel objet itérateur qui itère sur tous les objets du conteneur en sens inverse.

Si la méthode __reversed__() n’est pas fournie, la fonction native reversed() se replie sur le protocole de séquence (__len__() et __getitem__()). Les objets qui connaissent le protocole de séquence ne doivent fournir __reversed__() que si l’implémentation qu’ils proposent est plus efficace que celle de reversed().

Les opérateurs de tests d’appartenance (in et not in) sont normalement implémentés comme des itérations sur la séquence. Cependant, les objets conteneurs peuvent fournir les méthodes spéciales suivantes avec une implémentation plus efficace, qui ne requièrent d’ailleurs pas que l’objet soit une séquence.

object.__contains__(self, item)

Appelée pour implémenter les opérateurs de test d’appartenance. Elle doit renvoyer True si item est dans self et False sinon. Pour les tableaux de correspondances, seules les clés sont considérées (pas les valeurs des paires clés-valeurs).

Pour les objets qui ne définissent pas __contains__(), les tests d’appartenance essaient d’abord d’itérer avec __iter__() puis avec le vieux protocole d’itération sur les séquences via __getitem__(), reportez-vous à cette section dans la référence du langage.

3.3.7. Émulation de types numériques

Les méthodes suivantes peuvent être définies pour émuler des objets numériques. Les méthodes correspondant à des opérations qui ne sont pas autorisées pour la catégorie de nombres considérée (par exemple, les opérations bit à bit pour les nombres qui ne sont pas entiers) doivent être laissées indéfinies.

object.__add__(self, other)
object.__sub__(self, other)
object.__mul__(self, other)
object.__matmul__(self, other)
object.__truediv__(self, other)
object.__floordiv__(self, other)
object.__mod__(self, other)
object.__divmod__(self, other)
object.__pow__(self, other[, modulo])
object.__lshift__(self, other)
object.__rshift__(self, other)
object.__and__(self, other)
object.__xor__(self, other)
object.__or__(self, other)

Ces méthodes sont appelées pour implémenter les opérations arithmétiques binaires (+, -, *, @, /, //, %, divmod(), pow(), **, <<, >>, &, ^, |). Par exemple, pour évaluer l’expression x + y, où x est une instance d’une classe qui possède une méthode __add__(), x.__add__(y) est appelée. La méthode __divmod__() doit être l’équivalent d’appeler __floordiv__() et __mod__(); elle ne doit pas être reliée à __truediv__(). Notez que __pow__() doit être définie de manière à accepter un troisième argument optionnel si la version ternaire de la fonction native pow() est autorisée.

Si l’une de ces méthodes n’autorise pas l’opération avec les arguments donnés, elle doit renvoyer NotImplemented.

object.__radd__(self, other)
object.__rsub__(self, other)
object.__rmul__(self, other)
object.__rmatmul__(self, other)
object.__rtruediv__(self, other)
object.__rfloordiv__(self, other)
object.__rmod__(self, other)
object.__rdivmod__(self, other)
object.__rpow__(self, other)
object.__rlshift__(self, other)
object.__rrshift__(self, other)
object.__rand__(self, other)
object.__rxor__(self, other)
object.__ror__(self, other)

These methods are called to implement the binary arithmetic operations (+, -, *, @, /, //, %, divmod(), pow(), **, <<, >>, &, ^, |) with reflected (swapped) operands. These functions are only called if the left operand does not support the corresponding operation and the operands are of different types. [2] For instance, to evaluate the expression x - y, where y is an instance of a class that has an __rsub__() method, y.__rsub__(x) is called if x.__sub__(y) returns NotImplemented.

Notez que la fonction ternaire pow() n’essaie pas d’appeler __rpow__() (les règles de coercition seraient trop compliquées).

Note

Si le type de l’opérande de droite est une sous-classe du type de l’opérande de gauche et que cette sous-classe fournit la méthode symétrique pour l’opération, cette méthode sera appelée avant la méthode originelle de l’opérande gauche. Ce comportement permet à des sous-classes de surcharger les opérations de leurs ancêtres.

object.__iadd__(self, other)
object.__isub__(self, other)
object.__imul__(self, other)
object.__imatmul__(self, other)
object.__itruediv__(self, other)
object.__ifloordiv__(self, other)
object.__imod__(self, other)
object.__ipow__(self, other[, modulo])
object.__ilshift__(self, other)
object.__irshift__(self, other)
object.__iand__(self, other)
object.__ixor__(self, other)
object.__ior__(self, other)

Ces méthodes sont appelées pour implémenter les assignations arithmétiques augmentées (+=, -=, *=, @=, /=, //=, %=, **=, <<=, >>=, &=, ^=, |=). Ces méthodes doivent essayer d’effectuer l’opération « sur place » (c’est-à-dire de modifier self) et de renvoyer le résultat (qui peut être, mais pas nécessairement, self). Si une méthode spécifique n’est pas définie, l’assignation augmentée se replie vers la méthode normale correspondante. Par exemple, si x est une instance d’une classe qui possède une méthode __iadd__(), x += y est équivalent à x = x.__iadd__(y) . Sinon, x.__add__(y) et y.__radd__(x) sont essayées, comme pour l’évaluation de x + y. Dans certaines situations, les assignations augmentées peuvent causer des erreurs inattendues (voir Pourquoi a_tuple[i] += [“item”] lève-t’il une exception alors que l’addition fonctionne ?), mais ce comportement est en fait partie intégrante du modèle de données.

object.__neg__(self)
object.__pos__(self)
object.__abs__(self)
object.__invert__(self)

Appelée pour implémenter les opérations arithmétiques unaires (-, +, abs() et ~).

object.__complex__(self)
object.__int__(self)
object.__float__(self)
object.__round__(self[, n])

Called to implement the built-in functions complex(), int(), float() and round(). Should return a value of the appropriate type.

object.__index__(self)

Appelée pour implémenter operator.index() et lorsque Python a besoin de convertir sans perte un objet numérique en objet entier (pour un découpage ou dans les fonctions natives bin(), hex() et oct()). La présence de cette méthode indique que l’objet numérique est un type entier. Elle doit renvoyer un entier.

Note

Afin d’avoir un type de classe entier cohérent, lorsque __index__() est définie alors __int__() doit aussi être définie et les deux doivent renvoyer la même valeur.

3.3.8. Gestionnaire de contexte With

Un gestionnaire de contexte est un objet qui met en place un contexte prédéfini au moment de l’exécution de l’instruction with. Le gestionnaire de contexte gère l’entrée et la sortie de ce contexte d’exécution pour tout un bloc de code. Les gestionnaires de contextes sont normalement invoqués en utilisant une instruction with (décrite dans la section L’instruction with), mais ils peuvent aussi être directement invoqués par leurs méthodes.

Les utilisations classiques des gestionnaires de contexte sont la sauvegarde et la restauration d’états divers, le verrouillage et le déverrouillage de ressources, la fermeture de fichiers ouverts, etc.

Pour plus d’informations sur les gestionnaires de contexte, lisez Le type gestionnaire de contexte.

object.__enter__(self)

Entre dans le contexte d’exécution relatif à cet objet. L’instruction with lie la valeur de retour de cette méthode à une (ou plusieurs) cible spécifiée par la clause as de l’instruction, si elle est spécifiée.

object.__exit__(self, exc_type, exc_value, traceback)

Sort du contexte d’exécution relatif à cet objet. Les paramètres décrivent l’exception qui a causé la sortie du contexte. Si l’on sort du contexte sans exception, les trois arguments sont à None.

Si une exception est indiquée et que la méthode souhaite supprimer l’exception (c’est-à-dire qu’elle ne veut pas que l’exception soit propagée), elle doit renvoyer True. Sinon, l’exception est traitée normalement à la sortie de cette méthode.

Notez qu’une méthode __exit__() ne doit pas lever à nouveau l’exception qu’elle reçoit ; c’est du ressort de l’appelant.

Voir aussi

PEP 343 - The « with » statement
La spécification, les motivations et des exemples de l’instruction with en Python.

3.3.9. Recherche des méthodes spéciales

Pour les classes définies par le développeur, l’invocation implicite de méthodes spéciales n’est garantie que si ces méthodes sont définies par le type d’objet, pas dans le dictionnaire de l’objet instance. Ce comportement explique pourquoi le code suivant lève une exception :

>>> class C:
...     pass
...
>>> c = C()
>>> c.__len__ = lambda: 5
>>> len(c)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: object of type 'C' has no len()

La raison de ce comportement vient de certaines méthodes spéciales telles que __hash__() et __repr__() qui sont implémentées par tous les objets, y compris les objets types. Si la recherche effectuée par ces méthodes utilisait le processus normal de recherche, elles ne fonctionneraient pas si on les appelait sur l’objet type lui-même :

>>> 1 .__hash__() == hash(1)
True
>>> int.__hash__() == hash(int)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: descriptor '__hash__' of 'int' object needs an argument

Essayer d’invoquer une méthode non liée d’une classe de cette manière est parfois appelé « confusion de méta-classe » et se contourne en shuntant l’instance lors de la recherche des méthodes spéciales :

>>> type(1).__hash__(1) == hash(1)
True
>>> type(int).__hash__(int) == hash(int)
True

En plus de shunter les attributs des instances pour fonctionner correctement, la recherche des méthodes spéciales implicites shunte aussi la méthode __getattribute__() même dans la méta-classe de l’objet :

>>> class Meta(type):
...     def __getattribute__(*args):
...         print("Metaclass getattribute invoked")
...         return type.__getattribute__(*args)
...
>>> class C(object, metaclass=Meta):
...     def __len__(self):
...         return 10
...     def __getattribute__(*args):
...         print("Class getattribute invoked")
...         return object.__getattribute__(*args)
...
>>> c = C()
>>> c.__len__()                 # Explicit lookup via instance
Class getattribute invoked
10
>>> type(c).__len__(c)          # Explicit lookup via type
Metaclass getattribute invoked
10
>>> len(c)                      # Implicit lookup
10

En shuntant le mécanisme de __getattribute__() de cette façon, cela permet d’optimiser la vitesse de l’interpréteur moyennant une certaine manœuvre dans la gestion des méthodes spéciales (la méthode spéciale doit être définie sur l’objet classe lui-même afin d’être invoquée de manière cohérente par l’interpréteur).

3.4. Coroutines

3.4.1. Objets awaitables

Un objet awaitable implémente généralement une méthode __await__(). Les objets Coroutine renvoyés par les fonctions async def sont des awaitables.

Note

Les objets itérateur de générateur renvoyés par les générateurs décorés par types.coroutine() ou asyncio.coroutine() sont aussi des awaitables, mais ils n’implémentent pas __await__().

object.__await__(self)

Doit renvoyer un itérateur. Doit être utilisé pour implémenter les objets awaitable. Par exemple, asyncio.Future implémente cette méthode pour être compatible avec les expressions await.

Nouveau dans la version 3.5.

Voir aussi

PEP 492 pour les informations relatives aux objets awaitables.

3.4.2. Objets coroutines

Les objets Coroutine sont des objets awaitable. L’exécution d’une coroutine peut être contrôlée en appelant __await__() et en itérant sur le résultat. Quand la coroutine a fini de s’exécuter et termine, l’itérateur lève StopIteration et l’attribut value de l’exception contient la valeur de retour. Si la coroutine lève une exception, elle est propagée par l’itérateur. Les coroutines ne doivent pas lever directement des exceptions StopIteration non gérées.

Les coroutines disposent aussi des méthodes listées ci-dessous, analogues à celles des générateurs (voir Méthodes des générateurs-itérateurs). Cependant, au contraire des générateurs, vous ne pouvez pas itérer directement sur des coroutines.

Modifié dans la version 3.5.2: Utiliser await plus d’une fois sur une coroutine lève une RuntimeError.

coroutine.send(value)

Démarre ou reprend l’exécution d’une coroutine. Si value est None, c’est équivalent à avancer l’itérateur renvoyé par __await__(). Si value ne vaut pas None, cette méthode appelle la méthode send() de l’itérateur qui a causé la suspension de la coroutine. Le résultat (valeur de retour, StopIteration ou une autre exception) est le même que lorsque vous itérez sur la valeur de retour de __await__(), décrite ci-dessus.

coroutine.throw(type[, value[, traceback]])

Lève l’exception spécifiée dans la coroutine. Cette méthode délègue à la méthode throw() de l’itérateur qui a causé la suspension de la coroutine, s’il possède une telle méthode. Sinon, l’exception est levée au point de suspension. Le résultat (valeur de retour, StopIteration ou une autre exception) est le même que lorsque vous itérez sur la valeur de retour de __await__(), décrite ci-dessus. Si l’exception n’est pas gérée par la coroutine, elle est propagée à l’appelant.

coroutine.close()

Demande à la coroutine de faire le ménage et de se terminer. Si la coroutine est suspendue, cette méthode délègue d’abord à la méthode close() de l’itérateur qui a causé la suspension de la coroutine, s’il possède une telle méthode. Ensuite, elle lève GeneratorExit au point de suspension, ce qui fait le ménage dans la coroutine immédiatement. Enfin, la coroutine est marquée comme ayant terminé son exécution, même si elle n’a jamais démarré.

Les objets coroutines sont automatiquement fermés en utilisant le processus décrit au-dessus au moment où ils sont détruits.

3.4.3. Itérateurs asynchrones

Un itérateur asynchrone est capable d’appeler du code asynchrone dans l’implémentation de son __aiter__ et peut appeler du code asynchrone dans sa méthode __anext__.

Les itérateurs asynchrones peuvent être utilisés dans des instructions async for.

object.__aiter__(self)

Doit renvoyer un objet itérateur asynchrone.

object.__anext__(self)

Doit renvoyer un awaitable qui se traduit par la valeur suivante de l’itérateur. Doit lever une StopAsyncIteration quand l’itération est terminée.

Un exemple d’objet itérateur asynchrone :

class Reader:
    async def readline(self):
        ...

    def __aiter__(self):
        return self

    async def __anext__(self):
        val = await self.readline()
        if val == b'':
            raise StopAsyncIteration
        return val

Nouveau dans la version 3.5.

Note

Modifié dans la version 3.5.2: À partir de CPython 3.5.2, __aiter__ peut directement renvoyer des itérateurs asynchrones. Renvoyer un objet awaitable entraine un avertissement PendingDeprecationWarning.

La façon conseillée d’écrire du code compatible descendant en CPython 3.5.x est de continuer à renvoyer des awaitables avec __aiter__. Si vous voulez éviter l’avertissement PendingDeprecationWarning et conserver un code compatible descendant, le décorateur suivant peut être utilisé :

import functools
import sys

if sys.version_info < (3, 5, 2):
    def aiter_compat(func):
        @functools.wraps(func)
        async def wrapper(self):
            return func(self)
        return wrapper
else:
    def aiter_compat(func):
        return func

Exemple :

class AsyncIterator:

    @aiter_compat
    def __aiter__(self):
        return self

    async def __anext__(self):
        ...

À partir de CPython 3.6, le PendingDeprecationWarning est remplacé par un DeprecationWarning. Dans CPython 3.7, renvoyer un awaitable avec __aiter__ entraine une RuntimeError.

3.4.4. Gestionnaires de contexte asynchrones

Un gestionnaire de contexte asynchrone est un gestionnaire de contexte qui est capable de suspendre son exécution dans ses méthodes __aenter__ et __aexit__.

Les gestionnaires de contexte asynchrones peuvent être utilisés dans des instructions async with.

object.__aenter__(self)

Cette méthode est sémantiquement équivalente à __enter__(), à la seule différence près qu’elle doit renvoyer un awaitable.

object.__aexit__(self, exc_type, exc_value, traceback)

Cette méthode est sémantiquement équivalente à __exit__(), à la seule différence près qu’elle doit renvoyer un awaitable.

Un exemple de classe de gestionnaire de contexte asynchrone :

class AsyncContextManager:
    async def __aenter__(self):
        await log('entering context')

    async def __aexit__(self, exc_type, exc, tb):
        await log('exiting context')

Nouveau dans la version 3.5.

Notes

[1]Il est possible, dans certains cas, de changer le type d’un objet, sous certaines conditions. Cependant, ce n’est généralement pas une bonne idée car cela peut conduire à un comportement très étrange si ce n’est pas géré correctement.
[2]Pour des opérandes de même type, on considère que si la méthode originelle (telle que __add__()) échoue, l’opération n’est pas autorisée et donc la méthode symétrique n’est pas appelée.