从函数 def 到类 Class

摘要：初学 Python 过程中，我们可能习惯了使用函数（def），在开始学习类（Class）的用法时，可能会觉得它的写法别扭，类的代码写法也不像函数那么简单直接，也会产生「有了函数为什么还需要类」的疑问。然而面向对象编程是 Python 最重要的思想，类（Class）又是面向对象最重要的概念之一，所以要想精通 Python ，则必须得会使用类（Class）来编写代码，而且 Pyspider 和 Scrapy 两大框架都使用了类的写法，基于此，本文将介绍如何从函数的写法顺利过渡到类的编写习惯。

关于类（Class）的教程，网上主要有两类，一类是廖雪峰大佬的，另一类是不加说明默认你已经会这种写法，而直接使用的。

廖雪峰的教程非常棒，但是更适合入门 Python 有一段时间或者看过一些更基础的教程之后再回过头来看，否则可能会觉得他的教程理论性重于实用性。我第一次看了他的教程中关于类的相关知识后，觉得理解了，但一尝试自己写时就不太会了。

第二类教程，网上有很多案例，这类教程存在的问题就是，你能看懂意思，但还是不太会运用到自己的代码中。

总结一下这两类教程对新手不友好的地方就是 没有同时给出两种写法的实例对比，而「对比学习」是一种学习新知识非常快的途径，简单来说就是学新知识的时候，先从我们已经掌握的知识出发，和新知识进行对比，快速找到共同点和不同点，共同点我们能很快掌握，针对不同点通过对比去感悟领会，从而快速学会新知识。

接下来，就举几个同时使用了函数写法和类的写法的案例，希望能够帮助你快速完成从函数到类的编程思想的过渡转换。

▌爬取豆瓣电影 TOP250

第一个案例是爬取豆瓣电影 TOP250，我们实现的目标就是通过调用豆瓣 API 接口，获取电影名称、评分、演员等信息，然后存储到 CSV 文件中，部分代码如下：

 1def get_content(start_page):
 2    url = 'https://api.douban.com/v2/movie/top250?'
 3    params = {
 4        'start':start_page,
 5        'count':50
 6        }
 7    response = requests.get(url,params=params).json()
 8    movies = response['subjects']
 9    data = [{
10        'rating':item['rating']['average'],
11        'genres':item['genres'],
12        'name':item['title'],
13        'actor':get_actor(item['casts']),
14        'original_title':item['original_title'],
15        'year':item['year'],
16    } for item in movies]
17    write_to_file(data)
18
19def get_actor(actors):
20    actor = [i['name'] for i in actors]
21    return actor
22
23def write_to_file(data):
24    with open('douban_def.csv','a',encoding='utf_8_sig',newline='') as f:
25        w = csv.writer(f)
26        for item in data:
27            w.writerow(item.values())
28
29def get_douban(total_movie):
30    # 每页50条，start_page循环5次
31    for start_page in range(0,total_movie,50):
32        get_content(start_page)
33if __name__ == '__main__':
34    get_douban(250)

打开 CSV 文件查看输出的结果：

以上，我们通过四个函数就完成了数据的爬取和存储，逻辑很清晰，下面我们使用类的写法实现同样的功能，部分代码如下：

 1class Douban(object):
 2    def __init__(self):
 3        self.url = 'https://api.douban.com/v2/movie/top250?'
 4    def get_content(self,start_page):
 5        params = {
 6            'start':start_page,
 7            'count':50
 8            }
 9        response = requests.get(self.url,params=params).json()
10        movies = response['subjects']
11        data = [{
12            'rating':item['rating']['average'],
13            'genres':item['genres'],
14            'name':item['title'],
15            'actor':self.get_actor(item['casts']),
16            'original_title':item['original_title'],
17            'year':item['year'],
18        } for item in movies]
19        self.write_to_file(data)
20
21    def get_actor(self,actors):
22        actor = [i['name'] for i in actors]
23        return actor
24
25    def write_to_file(self,data):
26        with open('douban_class.csv','a',encoding='utf_8_sig',newline='') as f:
27            w = csv.writer(f)
28            for item in data:
29                w.writerow(item.values())
30    def get_douban(self,total_movie):
31        # 每页50条，start_page循环5次
32        for start_page in range(0,total_movie,50):
33            self.get_content(start_page)
34
35if __name__ == '__main__':
36    douban = Douban()
37    douban.get_douban(250)

可以看到，上面的案例中，类的写法和函数的写法大部分都是一样的，仅少数部分存在差异。主要有这么几点差异：

• 增加了一个__init__函数。

  这是一个特殊的函数，它的作用主要是事先把一些重要的属性填写进来，它的特点是第一个参数永远是self，表示创建的实例本身，这里的实例就是最下面的 douban（实例通过类名+() 创建）。

• 类中的函数和普通的函数相比，只有一点不同。

  类中的函数（也称为方法）的第一个参数永远是实例变量self，并且调用时，不用传递该参数。除此之外，类的方法和普通函数没有什么区别。

• 在执行类的时候需要先实例化

  这里我们定义了一个类，类名是 Douban（首字母要大写），在运行类的时候，需要先实例化，这里实例化为douban，然后调用 get_douban（）方法完成数据的爬取和存储。

下面，我们再来看看第二个例子。

▌模拟登陆 IT 桔子

我们的目标是使用 Selenium 模拟登陆 IT 桔子网并输出网页源码，函数写法的部分代码如下：

 1def login():
 2    browser = webdriver.Chrome()
 3    browser.get('https://www.itjuzi.com/user/login')
 4    account = browser.find_element(By.ID, "create_account_email")
 5    password = browser.find_element(By.ID, "create_account_password")
 6    account.send_keys('[e-mail]') # 输入账号和密码
 7    password.send_keys('test2018') # 输入账号密码
 8    submit = browser.find_element(By.ID,"login_btn")
 9    submit.click() # 点击登录按钮
10    get_content()
11
12def get_content():
13    browser.get('http://radar.itjuzi.com/investevent')
14    print(browser.page_source)  # 输出网页源码
15
16if __name__ == '__main__':
17    login()

以上代码实现了自动输入账号密码然后进入 IT 桔子网，下面我们再来看看类的写法：

 1class Spider(object):
 2    def __init__(self,account,password):
 3        self.login_url = 'https://www.itjuzi.com/user/login'
 4        self.get_url = 'http://radar.itjuzi.com/investevent'
 5        self.account = account
 6        self.password = password
 7
 8    def login(self):
 9        browser.get(self.login_url)
10        account = browser.find_element(By.ID, "create_account_email")
11        password = browser.find_element(By.ID, "create_account_password")
12        account.send_keys(self.account) # 输入账号和密码
13        password.send_keys(self.password)
14        submit = browser.find_element(By.ID,"login_btn")
15        submit.click() # 点击登录按钮
16        self.get_content()   # 调用下面的方法
17
18    def get_content(self):
19        browser.get(self.get_url)
20        print(browser.page_source)  # 输出网页源码
21
22if __name__ == '__main__':
23    spider = Spider(account='[e-mail]',password='test2018')
24    # 当有其他账号时，在这里更改即可,很方便
25    # spider = Spider('[e-mail]','test2018')
26    spider.login()

这里，我们将一些固定的参数，比如 URL、Headers 都放在 __init__ 方法中，需要的时候在各个函数中进行调用，这样的写法逻辑更加清晰。

下面，我们再看看第三个例子，从普通类的写法过渡到 pyspider 框架中类的写法，这样有助于快速上手 pyspider 框架。

▌爬取虎嗅文章

我们目标是通过分析 AJAX 请求，遍历爬取虎嗅网的文章信息，先来看看普通类的写法，部分代码如下：

 1client = pymongo.MongoClient('localhost',27017)
 2db = client.Huxiu
 3mongo_collection = db.huxiu_news
 4
 5class Huxiu(object):
 6    def __init__(self):
 7        self.headers = {
 8            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',
 9            'X-Requested-With': 'XMLHttpRequest'
10            }
11        self.url = 'https://www.huxiu.com/v2_action/article_list'
12
13    def get_content(self,page):
14        data = {
15            'page': page,
16            }
17        response = requests.post(self.url,data=data,headers=self.headers)
18        self.parse_content(response)
19
20    def parse_content(self,response):
21        content = response.json()['data']
22        doc = pq(content)
23        lis = doc('.mod-art').items()
24        data =[{
25        'title': item('.msubstr-row2').text(),
26        'url':'https://www.huxiu.com'+ str(item('.msubstr-row2').attr('href')),
27        'name': item('.author-name').text(),
28        'write_time':item('.time').text(),
29        'comment':item('.icon-cmt+ em').text(),
30        'favorites':item('.icon-fvr+ em').text(),
31        'abstract':item('.mob-sub').text()
32        } for item in lis] 
33        self.save_to_file(data)
34    # 存储到 mongodb
35    def save_to_file(self,data):
36        df = pd.DataFrame(data)
37        content = json.loads(df.T.to_json()).values()
38        if mongo_collection.insert_many(content):
39            print('存储到 mongondb 成功')
40        else:
41            print('存储失败')
42
43    def get_huxiu(self,start_page,end_page):
44        for page in range(start_page,end_page) :
45            print('正在爬取第 %s 页' % page)
46            self.get_content(page)
47
48if __name__ == '__main__':
49    huxiu = Huxiu()
50    huxiu.get_huxiu(1,2000)

然后再看看在 Pyspider 中的写法：

 1class Handler(BaseHandler):
 2    crawl_config:{
 3        "headers":{
 4            'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',
 5            'X-Requested-With': 'XMLHttpRequest'
 6            }
 7    }
 8
 9    # 修改taskid，避免只下载一个post请求
10    def get_taskid(self,task):
11        return md5string(task['url']+json.dumps(task['fetch'].get('data','')))
12
13    def on_start(self):
14        for page in range(1,2000):
15            print('正在爬取第 %s 页' % page)
16            self.crawl('https://www.huxiu.com/v2_action/article_list',method='POST',data={'page':page}, callback=self.index_page)
17
18    def index_page(self, response):
19        content = response.json['data']
20        # 注意，在上面的class写法中，json后面需要添加()，pyspider中则不用
21        doc = pq(content)
22        lis = doc('.mod-art').items()
23        data = [{
24            'title': item('.msubstr-row2').text(),
25            'url':'https://www.huxiu.com'+ str(item('.msubstr-row2').attr('href')),
26            'name': item('.author-name').text(),
27            'write_time':item('.time').text(),
28            'comment':item('.icon-cmt+ em').text(),
29            'favorites':item('.icon-fvr+ em').text(),
30            'abstract':item('.mob-sub').text()
31            } for item in lis ] 
32        return data
33
34    def on_result(self,result):
35        if result:
36            self.save_to_mongo(result)
37
38    def save_to_mongo(self,result):
39        df = pd.DataFrame(result)
40        content = json.loads(df.T.to_json()).values()
41        if mongo_collection.insert_many(content):
42            print('存储到 mongondb 成功')

可以看到，pyspider 中主体部分和普通类的写法差不多，不同的地方在于 pyspider 中有一些固定的语法，这可以通过参考 pyspider 教程快速掌握。

通过以上三个例子的对比，我们可以感受到函数（def）、 类（Class）和 pyspider 三种代码写法的异同点，采取这样对比式的学习能够快速掌握新的知识。

如需完整代码，可以加入我的「知识星球：第2脑袋」获取，里面有很多干货，期待你的到来。

本文完。

---

推荐阅读：

（欢迎点赞、评论和分享，利他最终一定利己.）