Python手把手教你实现观察者模式,轻松打造事件驱动设计
**Python实现观察者模式,轻松搞定事件驱动设计** 想要提升Python应用的灵活性和可维护性?观察者模式是一种强大的解决方案。本文深入解析了如何在Python中应用观察者模式,通过定义一对多的依赖关系,实现对象状态改变时的自动通知机制。文章详细讲解了抽象观察者和主题接口的定义,以及具体观察者和主题类的实现步骤,并附带示例代码。此外,还探讨了如何利用pysignals等第三方库实现类似Qt的信号与槽机制,以及观察者模式与发布/订阅模式的区别。最后,通过GUI应用实例,展示了如何将观察者模式应用于界面元素的实时更新。掌握观察者模式,让你的Python代码更优雅、更高效!
观察者模式在Python中通过定义一对多的依赖关系,实现当被观察者状态改变时自动通知所有观察者。具体步骤如下:1. 定义抽象观察者接口,包含update方法;2. 定义抽象主题接口,提供attach、detach和notify方法;3. 实现具体观察者类,在update方法中执行响应逻辑;4. 实现具体主题类,维护观察者列表并在状态变化时调用notify方法通知观察者。示例代码展示了ConcreteSubject维护状态并通知ConcreteObserverA和ConcreteObserverB的过程。此外,可使用第三方库如pysignals实现类似Qt的信号与槽机制,其中信号替代主题,槽函数替代观察者。观察者模式不同于发布/订阅模式,前者观察者直接订阅主题,后者通过消息代理通信,耦合度更低。在GUI应用中,观察者模式可用于同步数据模型变化到界面元素,例如TemperatureSensor作为主题,TemperatureDisplay作为观察者实时更新温度显示。

观察者模式在Python中,简单来说,就是定义一种一对多的依赖关系,当一个对象(被观察者/主题)的状态发生改变时,所有依赖于它的对象(观察者)都会得到通知并自动更新。它是一种行为型设计模式,用于降低对象之间的耦合度。

解决方案

Python实现观察者模式,主要依靠以下几个关键点:

定义抽象的观察者接口: 可以使用抽象基类(
abc模块)或者简单的协议(鸭子类型)。这个接口定义了观察者必须实现的update方法,用于接收主题发来的通知。定义抽象的主题接口: 同样可以使用抽象基类或者协议。主题接口需要提供
attach(添加观察者)、detach(移除观察者)和notify(通知所有观察者)的方法。实现具体的观察者类: 这些类实现了观察者接口,并在
update方法中定义了当主题状态改变时应该执行的具体操作。实现具体的主题类: 这个类维护一个观察者列表,并在状态改变时遍历这个列表,调用每个观察者的
update方法。
下面是一个简单的示例代码:
import abc
class Observer(abc.ABC):
@abc.abstractmethod
def update(self, subject):
pass
class Subject(abc.ABC):
def __init__(self):
self._observers = []
def attach(self, observer):
self._observers.append(observer)
def detach(self, observer):
self._observers.remove(observer)
def notify(self):
for observer in self._observers:
observer.update(self)
class ConcreteSubject(Subject):
def __init__(self):
super().__init__()
self._state = None
@property
def state(self):
return self._state
@state.setter
def state(self, value):
self._state = value
self.notify()
class ConcreteObserverA(Observer):
def update(self, subject):
print(f"ConcreteObserverA: Subject's state is now {subject.state}")
class ConcreteObserverB(Observer):
def update(self, subject):
print(f"ConcreteObserverB: Subject's state is now {subject.state}")
if __name__ == "__main__":
subject = ConcreteSubject()
observer_a = ConcreteObserverA()
observer_b = ConcreteObserverB()
subject.attach(observer_a)
subject.attach(observer_b)
subject.state = "State 1"
subject.state = "State 2"
subject.detach(observer_a)
subject.state = "State 3"这段代码定义了一个主题ConcreteSubject,它维护了一个状态_state。当_state改变时,它会通知所有已注册的观察者。ConcreteObserverA和ConcreteObserverB是具体的观察者,它们在update方法中打印主题的当前状态。
Python中如何使用信号与槽机制实现观察者模式?
Python本身并没有像Qt那样的内置信号与槽机制,但我们可以使用第三方库,比如pysignals或者自己实现一个简单的信号与槽系统。 信号与槽机制本质上也是观察者模式的一种实现,只不过它使用了更明确的“信号”来表示事件,以及“槽”来表示事件处理函数。
使用pysignals:
from pysignals import Signal
class Button:
clicked = Signal() # 定义一个名为clicked的信号
def __init__(self, name):
self.name = name
def press(self):
print(f"Button {self.name} pressed")
self.clicked.emit() # 发射信号
class Handler:
def __init__(self, name):
self.name = name
def on_button_clicked(self):
print(f"Handler {self.name}: Button clicked!")
button = Button("MyButton")
handler = Handler("MyHandler")
button.clicked.connect(handler.on_button_clicked) # 连接信号和槽
button.press()这里,Button类定义了一个clicked信号,当press方法被调用时,信号会被发射。Handler类定义了一个on_button_clicked槽函数,它被连接到clicked信号上。 当信号发射时,所有连接到它的槽函数都会被调用。
观察者模式和发布/订阅模式有什么区别?
虽然观察者模式和发布/订阅模式经常被混淆,但它们之间存在一些关键区别。 主要区别在于观察者模式中,观察者直接订阅主题,而发布/订阅模式中,发布者和订阅者通过一个消息代理(Message Broker)进行通信。 这意味着发布/订阅模式具有更低的耦合度,发布者不需要知道具体的订阅者,订阅者也不需要直接依赖发布者。 消息代理负责消息的路由和分发。
观察者模式更适合于对象之间存在直接依赖关系的情况,而发布/订阅模式更适合于需要解耦的、大规模的事件驱动系统。
如何在GUI应用中使用观察者模式来更新界面元素?
GUI应用中,观察者模式可以用于将数据模型的变化同步到界面元素。 例如,当数据模型中的某个属性发生改变时,可以通知所有依赖于该属性的界面元素,让它们更新显示。
一个简单的例子是,假设有一个TemperatureSensor类,它会定期更新温度值。 我们可以创建一个TemperatureDisplay类作为观察者,当TemperatureSensor的温度值改变时,TemperatureDisplay会更新其显示的温度值。
import time
import random
import threading
class TemperatureSensor(Subject):
def __init__(self):
super().__init__()
self._temperature = 20
@property
def temperature(self):
return self._temperature
@temperature.setter
def temperature(self, value):
self._temperature = value
self.notify()
def run(self):
while True:
self.temperature = random.randint(15, 30)
time.sleep(1) # 模拟温度变化
class TemperatureDisplay(Observer):
def __init__(self, sensor):
self.sensor = sensor
self.update(sensor) # 初始显示
def update(self, subject):
print(f"Temperature: {self.sensor.temperature}°C")
if __name__ == "__main__":
sensor = TemperatureSensor()
display = TemperatureDisplay(sensor)
sensor.attach(display)
# 启动一个线程模拟温度变化
thread = threading.Thread(target=sensor.run)
thread.daemon = True # 设置为守护线程,主线程退出时自动退出
thread.start()
# 主线程保持运行
try:
while True:
time.sleep(0.1)
except KeyboardInterrupt:
print("Exiting...")在这个例子中,TemperatureSensor是主题,TemperatureDisplay是观察者。 当TemperatureSensor的temperature属性改变时,它会通知TemperatureDisplay,然后TemperatureDisplay会更新其显示的温度值。 使用线程是为了模拟温度的持续变化,并且避免阻塞主线程。
文中关于Python,设计模式,事件驱动,观察者模式,信号与槽的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python手把手教你实现观察者模式,轻松打造事件驱动设计》文章吧,也可关注golang学习网公众号了解相关技术文章。
Win11小组件打不开?手把手教你解决资讯面板空白问题
- 上一篇
- Win11小组件打不开?手把手教你解决资讯面板空白问题
- 下一篇
- htmltitle属性教程:手把手教你做出炫酷提示效果
-
- 文章 · python教程 | 59分钟前 |
- pytest Fixture 作用域如何影响测试隔离与速度
- 341浏览 收藏
-
- 文章 · python教程 | 3小时前 | Python教程 · pathlib · 路径安全 Python pathlib Path.resolve 目录穿越 relative_to
- Pathlib 安全拼接用户路径:解析后再验证根目录
- 463浏览 收藏
-
- 文章 · python教程 | 5小时前 | 性能优化 · Python教程 · Python 进程间通信 pickle multiprocessing SharedMemory
- multiprocessing 传输大对象为何变慢,如何减少序列化
- 478浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python import很慢 -X importtime 模块级副作用 延迟导入 Python启动优化
- Python import 很慢怎么分析:模块级副作用与延迟导入
- 292浏览 收藏
-
- 文章 · python教程 | 1天前 | python · 异步编程 · Python asyncio contextvars request_id
- contextvars 在异步请求链中传递追踪信息
- 393浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发 · 异常处理 · python · asyncio · CancelledError 结构化并发 ExceptionGroup Python asyncio TaskGroup asyncio gather
- asyncio TaskGroup 让并发任务在首错时一起收敛
- 246浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 自由线程程序怎样显式保护共享状态
- 337浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python Traversable importlib.resources 包内资源
- Python importlib.resources Traversable 怎么读取包内目录
- 359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。
- 378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。
- 448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。
- 457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。
- 400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。
- 227次使用
-
- 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
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

