python实现策略模式
原文地址
1、策略模式概述
策略模式 ：定义一系列算法，把它们一一封装起来，并且使它们之间可以相互替换。此模式让算法的变化不会影响到使用算法的客户。
电商领域有个使用“策略”模式的经典案例，即根据客户的属性或订单中的商品计算折扣。
假如一个网店制定了下述折扣规则。
-
有 1000 或以上积分的顾客，每个订单享 5% 折扣。
-
同一订单中，单个商品的数量达到 20 个或以上，享 10% 折扣。
-
订单中的不同商品达到 10 个或以上，享 7% 折扣。
简单起见，我们假定一个订单一次只能享用一个折扣。
UML类图如下：
Promotion 抽象类提供了不同算法的公共接口，fidelityPromo、BulkPromo 和 LargeOrderPromo 三个子类实现具体的“策略”，具体策略由上下文类的客户选择。
在这个示例中，实例化订单（Order 类）之前，系统会以某种方式选择一种促销折扣策略，然后把它传给 Order 构造方法。具体怎么选择策略，不在这个模式的职责范围内。（选择策略可以使用工厂模式。）
2、传统方法实现策略模式：
from
abc
import
ABC, abstractmethod
from
collections
import
namedtuple
Customer
= namedtuple(
'
Customer
'
,
'
name fidelity
'
)
class
LineItem:
"""
订单中单个商品的数量和单价
"""
def
__init__
(self, product, quantity, price):
self.product
=
product
self.quantity
=
quantity
self.price
=
price
def
total(self):
return
self.price *
self.quantity
class
Order:
"""
订单
"""
def
__init__
(self, customer, cart, promotion=
None):
self.customer
=
customer
self.cart
=
list(cart)
self.promotion
=
promotion
def
total(self):
if
not
hasattr(self,
'
__total
'
):
self.
__total
= sum(item.total()
for
item
in
self.cart)
return
self.
__total
def
due(self):
if
self.promotion
is
None:
discount
=
0
else
:
discount
=
self.promotion.discount(self)
return
self.total() -
discount
def
__repr__
(self):
fmt
=
'
<订单 总价: {:.2f} 实付: {:.2f}>
'
return
fmt.format(self.total(), self.due())
class
Promotion(ABC):
#
策略：抽象基类
@abstractmethod
def
discount(self, order):
"""
返回折扣金额（正值）
"""
class
FidelityPromo(Promotion):
#
第一个具体策略
"""
为积分为1000或以上的顾客提供5%折扣
"""
def
discount(self, order):
return
order.total() * 0.05
if
order.customer.fidelity >= 1000
else
0
class
BulkItemPromo(Promotion):
#
第二个具体策略
"""
单个商品为20个或以上时提供10%折扣
"""
def
discount(self, order):
discount
=
0
for
item
in
order.cart:
if
item.quantity >= 20
:
discount
+= item.total() * 0.1
return
discount
class
LargeOrderPromo(Promotion):
#
第三个具体策略
"""
订单中的不同商品达到10个或以上时提供7%折扣
"""
def
discount(self, order):
distinct_items
= {item.product
for
item
in
order.cart}
if
len(distinct_items) >= 10
:
return
order.total() * 0.07
return
0
joe
= Customer(
'
John Doe
'
, 0)
ann
= Customer(
'
Ann Smith
'
, 1100
)
cart
= [LineItem(
'
banana
'
, 4, 0.5
),
LineItem(
'
apple
'
, 10, 1.5
),
LineItem(
'
watermellon
'
, 5, 5.0
)]
print
(
'
策略一：为积分为1000或以上的顾客提供5%折扣
'
)
print
(Order(joe, cart, FidelityPromo()))
print
(Order(ann, cart, FidelityPromo()))
banana_cart
= [LineItem(
'
banana
'
, 30, 0.5
),
LineItem(
'
apple
'
, 10, 1.5
)]
print
(
'
策略二：单个商品为20个或以上时提供10%折扣
'
)
print
(Order(joe, banana_cart, BulkItemPromo()))
long_order
= [LineItem(str(item_code), 1, 1.0)
for
item_code
in
range(10
)]
print
(
'
策略三：订单中的不同商品达到10个或以上时提供7%折扣
'
)
print
(Order(joe, long_order, LargeOrderPromo()))
print
(Order(joe, cart, LargeOrderPromo()))
输出：
策略一：为积分为1000或以上的顾客提供5%
折扣
<订单 总价: 42.00 实付: 42.00>
<订单 总价: 42.00 实付: 39.90>
策略二：单个商品为20个或以上时提供10
%
折扣
<订单 总价: 30.00 实付: 28.50>
策略三：订单中的不同商品达到10个或以上时提供7
%
折扣
<订单 总价: 10.00 实付: 9.30>
<订单 总价: 42.00 实付: 42.00>
3、使用函数实现策略模式
在传统策略模式中，每个具体策略都是一个类，而且都只定义了一个方法，除此之外没有其他任何实例属性。它们看起来像是普通的函数一样。的确如此，在 Python 中，我们可以把具体策略换成了简单的函数，并且去掉策略的抽象类。
from
collections
import
namedtuple
Customer
= namedtuple(
'
Customer
'
,
'
name fidelity
'
)
class
LineItem:
def
__init__
(self, product, quantity, price):
self.product
=
product
self.quantity
=
quantity
self.price
=
price
def
total(self):
return
self.price *
self.quantity
class
Order:
def
__init__
(self, customer, cart, promotion=
None):
self.customer
=
customer
self.cart
=
list(cart)
self.promotion
=
promotion
def
total(self):
if
not
hasattr(self,
'
__total
'
):
self.
__total
= sum(item.total()
for
item
in
self.cart)
return
self.
__total
def
due(self):
if
self.promotion
is
None:
discount
=
0
else
:
discount
=
self.promotion(self)
return
self.total() -
discount
def
__repr__
(self):
fmt
=
'
<订单 总价: {:.2f} 实付: {:.2f}>
'
return
fmt.format(self.total(), self.due())
def
fidelity_promo(order):
"""
为积分为1000或以上的顾客提供5%折扣
"""
return
order.total() * .05
if
order.customer.fidelity >= 1000
else
0
def
bulk_item_promo(order):
"""
单个商品为20个或以上时提供10%折扣
"""
discount
=
0
for
item
in
order.cart:
if
item.quantity >= 20
:
discount
+= item.total() * .1
return
discount
def
large_order_promo(order):
"""
订单中的不同商品达到10个或以上时提供7%折扣
"""
distinct_items
= {item.product
for
item
in
order.cart}
if
len(distinct_items) >= 10
:
return
order.total() * .07
return
0
joe
= Customer(
'
John Doe
'
, 0)
ann
= Customer(
'
Ann Smith
'
, 1100
)
cart
= [LineItem(
'
banana
'
, 4, 0.5
),
LineItem(
'
apple
'
, 10, 1.5
),
LineItem(
'
watermellon
'
, 5, 5.0
)]
print
(
'
策略一：为积分为1000或以上的顾客提供5%折扣
'
)
print
(Order(joe, cart, fidelity_promo))
print
(Order(ann, cart, fidelity_promo))
banana_cart
= [LineItem(
'
banana
'
, 30, 0.5
),
LineItem(
'
apple
'
, 10, 1.5
)]
print
(
'
策略二：单个商品为20个或以上时提供10%折扣
'
)
print
(Order(joe, banana_cart, bulk_item_promo))
long_order
= [LineItem(str(item_code), 1, 1.0)
for
item_code
in
range(10
)]
print
(
'
策略三：订单中的不同商品达到10个或以上时提供7%折扣
'
)
print
(Order(joe, long_order, large_order_promo))
print
(Order(joe, cart, large_order_promo))
其实只要是支持高阶函数的语言，就可以如此实现，例如 C
#
中，可以用委托实现。只是如此实现反而使代码变得复杂不易懂。而 Python 中，函数天然就可以当做参数来传递。
值得注意的是，《设计模式：可复用面向对象软件的基础》一书的作者指出：“策略对象通常是很好的享元。” 享元是可共享的对象，可以同时在多个上下文中使用。共享是推荐的做法，这样不必在每个新的上下文（这里是 Order 实例）中使用相同的策略时不断新建具体策略对象，从而减少消耗。因此，为了避免 [策略模式] 的运行时消耗，可以配合 [享元模式] 一起使用，但这样，代码行数和维护成本会不断攀升。
在复杂的情况下，需要具体策略维护内部状态时，可能需要把“策略”和“享元”模式结合起来。但是，具体策略一般没有内部状态，只是处理上下文中的数据。此时，一定要使用普通的函数，别去编写只有一个方法的类，再去实现另一个类声明的单函数接口。函数比用户定义的类的实例轻量，而且无需使用“享元”模式，因为各个策略函数在 Python 编译模块时只会创建一次。普通的函数也是“可共享的对象，可以同时在多个上下文中使用”。
