【Python】类与对象、数据验证

**Python 类与对象、数据验证**

在 Python 中，类（Class）是定义一个模板或蓝图的方式，它描述了一个对象应该具有哪些属性和方法。对象（Object）则是根据这个类创建出来的实体，它具备了类所定义的所有特性。

### 类与对象**类**

class Person:
 def __init__(self, name, age):
 self.name = name self.age = age def say_hello(self):
 print(f"Hello, my name is {self.name} and I'm {self.age} years old.")

在这个例子中，我们定义了一个 `Person` 类，它有两个属性：`name` 和 `age`，以及一个方法 `say_hello()`。

**对象**

person1 = Person("John",30)
person2 = Person("Alice",25)

print(person1.name) # Output: Johnprint(person1.age) # Output:30person1.say_hello() # Output: Hello, my name is John and I'm30 years old.

在这个例子中，我们创建了两个 `Person` 对象：`person1` 和 `person2`。我们可以通过访问对象的属性和方法来操作它们。

### 数据验证数据验证是确保数据符合预期格式或范围的过程。在 Python 中，数据验证可以使用多种方式实现。

####1. 使用 `type()` 函数

def validate_type(data, expected_type):
 if not isinstance(data, expected_type):
 raise ValueError(f"Invalid type: {data} is not a {expected_type}")

# Example usage:
validate_type(123, int) # Validvalidate_type("hello", int) # Raises ValueError

####2. 使用 `isinstance()` 函数

def validate_instance(data, expected_class):
 if not isinstance(data, expected_class):
 raise ValueError(f"Invalid instance: {data} is not an instance of {expected_class}")

# Example usage:
validate_instance(123, int) # Validvalidate_instance("hello", int) # Raises ValueError

####3. 使用 `re` 模块

import redef validate_regex(data, pattern):
 if not re.match(pattern, data):
 raise ValueError(f"Invalid regex: {data} does not match {pattern}")

# Example usage:
validate_regex("hello", r"^h.*o$") # Validvalidate_regex("world", r"^h.*o$") # Raises ValueError

####4. 使用 `schema` 库

import schemadef validate_schema(data, schema):
 try:
 schema.validate(data)
 except schema.SchemaError as e:
 raise ValueError(f"Invalid schema: {e}")

# Example usage:
validate_schema({"name": "John", "age":30}, schema.Schema({"type": "object", "properties": {"name": {"type": "string"}, "age": {"type": "integer"}}})) # Validvalidate_schema({"name": "John", "age": "hello"}, schema.Schema({"type": "object", "properties": {"name": {"type": "string"}, "age": {"type": "integer"}}})) # Raises ValueError

### 总结在本文中，我们讨论了 Python 中类与对象的基本概念，以及数据验证的重要性和实现方式。通过使用 `type()`、`isinstance()`、`re` 模块和 `schema` 库等工具，可以有效地确保数据符合预期格式或范围，从而避免潜在错误和安全问题。