Python观察者模式实现及代码示例详解
在Python中,观察者模式通过创建Subject类和Observer类及其子类来实现。Subject类管理观察者列表,提供附加、移除和通知方法,而Observer类及其子类ConcreteObserver则实现update方法。观察者订阅主题后,主题状态变化时会通知所有注册的观察者。这种设计促进松耦合,但需注意内存泄漏和性能问题。观察者模式在事件驱动系统和需要松耦合设计的场景中尤为重要。
观察者模式在Python中通过定义主题和观察者类来实现。1) 创建Subject类管理观察者列表,提供附加、移除和通知方法。2) 定义Observer类及其子类ConcreteObserver,实现update方法。3) 使用时,观察者订阅主题,主题状态变化时通知所有观察者。这种模式促进松耦合设计,但需注意内存泄漏和性能问题。

观察者模式在Python中如何实现?这是一个非常有趣的问题,尤其是在需要构建事件驱动系统或需要松耦合设计时,观察者模式显得尤为重要。让我从一个简单的实现开始,然后深入探讨这个模式的细节和应用场景。
在Python中实现观察者模式的核心思想是定义一种一对多的依赖关系,让多个观察者对象同时监听某一个主题对象。这个主题对象在状态发生变化时,会通知所有注册的观察者。让我们从一个基本的实现开始:
class Subject:
def __init__(self):
self._observers = []
def attach(self, observer):
if observer not in self._observers:
self._observers.append(observer)
def detach(self, observer):
try:
self._observers.remove(observer)
except ValueError:
pass
def notify(self):
for observer in self._observers:
observer.update(self)
class Observer:
def update(self, subject):
pass
class ConcreteObserver(Observer):
def update(self, subject):
print(f"Observer {id(self)} got notified by {subject.__class__.__name__}")这个实现虽然简单,但它捕捉了观察者模式的本质。主题类Subject维护了一个观察者列表,并提供了附加和移除观察者的方法。notify方法则遍历所有观察者,调用它们的update方法。
但为什么要用观察者模式呢?观察者模式的最大优势在于它促进了松耦合。主题和观察者之间没有直接引用,主题只需要知道它需要通知某个对象,而不需要知道这个对象是谁或它做了什么。这在设计大型系统时非常有用,因为它允许我们独立地改变或替换主题和观察者,而不影响对方。
然而,观察者模式也有一些潜在的缺点和需要注意的地方。首先,可能会导致内存泄漏。如果观察者没有正确地从主题中移除,那么即使观察者不再需要,它仍然会被主题引用,从而无法被垃圾回收。其次,如果有大量的观察者,每次状态变化时都需要通知所有观察者,这可能会影响性能。
在实际应用中,我们可以对这个基本实现进行一些优化和扩展。例如,可以引入事件过滤器,让主题只通知感兴趣的事件;或者使用弱引用(weakref)来防止内存泄漏。
让我们看一个更实际的例子,假设我们正在构建一个天气预报系统,用户可以订阅不同的天气事件:
import weakref
class WeatherStation:
def __init__(self):
self._observers = weakref.WeakSet()
self._temperature = None
def attach(self, observer):
self._observers.add(observer)
def detach(self, observer):
self._observers.discard(observer)
def set_temperature(self, temperature):
self._temperature = temperature
self.notify()
def notify(self):
for observer in self._observers:
observer.update(self)
class TemperatureObserver:
def update(self, subject):
if isinstance(subject, WeatherStation):
print(f"Temperature updated to {subject._temperature}°C")
class AlertObserver:
def __init__(self, threshold):
self.threshold = threshold
def update(self, subject):
if isinstance(subject, WeatherStation) and subject._temperature > self.threshold:
print(f"Alert: Temperature exceeded {self.threshold}°C!")
# 使用示例
weather_station = WeatherStation()
temp_observer = TemperatureObserver()
alert_observer = AlertObserver(threshold=30)
weather_station.attach(temp_observer)
weather_station.attach(alert_observer)
weather_station.set_temperature(25) # 输出: Temperature updated to 25°C
weather_station.set_temperature(35) # 输出: Temperature updated to 35°C 和 Alert: Temperature exceeded 30°C!在这个例子中,我们使用了weakref.WeakSet来存储观察者,这样可以防止内存泄漏。同时,我们引入了不同的观察者类型,一个用于普通温度更新,一个用于温度超过阈值的警报。
在实现观察者模式时,还有一些最佳实践值得注意。首先,应该确保通知方法是线程安全的,特别是在多线程环境下。其次,应该考虑观察者的顺序,有时通知顺序可能会影响结果。最后,应该提供一种方式让观察者可以选择性地接收通知,而不是每次都通知所有观察者。
总之,观察者模式在Python中非常容易实现,并且在需要事件驱动设计时非常有用。但在使用时,需要注意潜在的性能问题和内存管理,确保你的实现是高效且健壮的。
本篇关于《Python观察者模式实现及代码示例详解》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
Python递归函数的实现与示例
- 上一篇
- Python递归函数的实现与示例
- 下一篇
- JavaScript柱状图终极制作指南
-
- 文章 · python教程 | 19小时前 | python · Python decimal compare_total 全序比较
- Python Decimal.compare_total 怎样区分数值相等的不同表示
- 331浏览 收藏
-
- 文章 · python教程 | 19小时前 |
- Python AST 怎样提取节点对应的原始源码片段
- 261浏览 收藏
-
- 文章 · python教程 | 19小时前 | python · 类型系统 · Python types.resolve_bases __mro_entries__
- Python types.resolve_bases 怎样展开动态基类占位对象
- 108浏览 收藏
-
- 文章 · python教程 | 19小时前 | Python SQLite sqlite3 getlimit Connection.setlimit
- Python sqlite3.Connection.setlimit 怎样限制单个连接的资源上限
- 247浏览 收藏
-
- 文章 · python教程 | 20小时前 | SQLite · Python教程 · Python SQLite sqlite3 complete_statement 多语句脚本 CREATE TRIGGER
- Python sqlite3.complete_statement 判断多语句输入完整性的处理方案
- 140浏览 收藏
-
- 文章 · python教程 | 20小时前 | python · pathlib · Python pathlib walk_up relative_to
- Python pathlib.relative_to 怎样避免无关路径抛错
- 256浏览 收藏
-
- 文章 · python教程 | 20小时前 | python · Python Property 描述符 inspect.getattr_static 静态属性读取
- Python 怎样读取属性定义而不触发 property
- 299浏览 收藏
-
- 文章 · python教程 | 20小时前 | 依赖管理 · 故障排查 · Python教程 · Python importlib.metadata packages_distributions 发行包 导入名
- Python 怎样根据导入名查询对应的发行包
- 138浏览 收藏
-
- 文章 · python教程 | 20小时前 | 数据校验 · Python教程 · Python Pydantic JSON校验 model_validate_json strict mode
- Pydantic model_validate_json 怎样在严格模式下解析请求体
- 417浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1078次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1079次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1240次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1183次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1029次使用
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览

