Python基础 - 上下文管理器（django 上下文）
在实际编程中，有时会涉及到资源的申请和释放，如果资源申请后没有得到及时和正确的释放，会造成内存泄漏问题。
按照传统的编程方式，一般是先申请资源，使用完之后释放资源。
Python提供了上下文管理器用于自动释放资源，而且可以简化代码。
上下文管理器的一般用法是：
with <context_manager> as <variable>:
...在Python中，open()函数返回的是一个上下文管理器，threading.Lock()返回的也是一个上下文管理器，这两种上下文管理器是系统内置的。
如果要自定义上下文管理器，有两种实现方式。一种是自定义类，重写__enter__()和__exit__()，该类的实例是上下文管理器，另一种是借助@contextmanager修饰一个函数，该函数的返回值是一个上下文管理器。
接下来介绍以下几个和上下文管理器相关的主题：
- 文件操作
- 线程锁
- 使用类自定义上下文管理器
- 使用@contextmanager定义上下文管理器
文件操作
假设需要对一个文件写入数据。
传统的实现方法示例如下：
file = open('tmp.txt', 'w')
file.write('hello python')
file.close()使用上下文管理器的示例如下：
with open('tmp.txt', 'w') as f:
f.write('hello python')可以采用上述写法，是因为open函数返回的就是一个上下文管理器。
线程锁
假设线程1对共享变量num进行加1操作，线程2对num进行减1操作，为了保证数据的一致性，可以通过加锁实现。
传统的实现方法示例如下：
import threading
import time
num = 2
lock = threading.Lock()
def add_one():
global num
# 对num进行六次+1操作
for _ in range(1, 7):
lock.acquire()
try:
num += 1
print(f"after add_one() num is {num}")
finally:
lock.release()
time.sleep(0.3) # 休眠0.3秒
def sub_one():
global num
# 对num进行六次-1操作
for _ in range(1, 7):
lock.acquire()
try:
num -= 1
print(f"after sub_one() num is {num}")
finally:
lock.release()
time.sleep(0.3) # 休眠0.3秒
# 创建线程
t_add_one = threading.Thread(target=add_one)
t_sub_one = threading.Thread(target=sub_one)
# 启动线程
t_add_one.start()
t_sub_one.start()
# 等待线程完成
t_add_one.join()
t_sub_one.join()
# 输出结果示例
# after add_one() num is 3
# after sub_one() num is 2
# after add_one() num is 3
# after sub_one() num is 2
# after add_one() num is 3
# after sub_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2num的初始值为2，经过不同顺序的六次加1和六次减1后，结果仍然是2。
使用上下文管理器的示例如下：
import threading
import time
num = 2
lock = threading.Lock()
def add_one():
global num
# 对num进行六次+1操作
for _ in range(1, 7):
with lock:
num += 1
print(f"after add_one() num is {num}")
time.sleep(0.3) # 休眠0.3秒
def sub_one():
global num
# 对num进行六次-1操作
for _ in range(1, 7):
with lock:
num -= 1
print(f"after sub_one() num is {num}")
time.sleep(0.3) # 休眠0.3秒
# 创建线程
t_add_one = threading.Thread(target=add_one)
t_sub_one = threading.Thread(target=sub_one)
# 启动线程
t_add_one.start()
t_sub_one.start()
# 等待线程完成
t_add_one.join()
t_sub_one.join()
# 输出结果示例
# after add_one() num is 3
# after sub_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2
# after add_one() num is 3
# after sub_one() num is 2
# after sub_one() num is 1
# after add_one() num is 2
# after add_one() num is 3
# after sub_one() num is 2可以写作with lock，是因为threading.Lock()的返回值也是一个上下文管理器。
使用类自定义上下文管理器
假设有两个或更多的资源，可以通过自定义类作为上下文管理器对资源进行统一管理。
类的__enter__()方法主要实现资源的创建，__exit__()方法主要实现资源的释放。
示例如下：
class MyContextManager:
def __enter__(self):
print("Entering MyContextManager")
print('open resources')
return self # 返回的对象可以通过as赋值
def do_something(self):
print('use resources')
def __exit__(self, exc_type, exc_val, exc_tb):
print("Exiting MyContextManager")
print('close resources')
if exc_type:
print(f"Exception occurred: {exc_val}")
return True # 异常被抑制，不向外传播
return False # 异常正常传播（默认行为）
with MyContextManager() as cm:
cm.do_something()
# 输出结果如下:
# Entering MyContextManager
# open resources
# use resources
# Exiting MyContextManager
# close resources使用@contextmanager定义上下文管理器
也可以使用@contextmanager定义上下文管理器，实现代码更简洁。
示例如下：
from contextlib import contextmanager
class ResourceManager:
def __init__(self):
print('open resources')
def do_something(self):
print('use resources')
def close(self):
print('close resources')
@contextmanager
def my_context_manager() -> ResourceManager:
print("Entering my_context_manager")
resource_manager = ResourceManager()
try:
# yield 之前的代码相当于 __enter__()，yield 之后的代码相当于 __exit__()
yield resource_manager # 这里可以返回值，相当于 `__enter__` 的返回值
print("Exiting my_context_manager")
resource_manager.close()
except Exception as e:
print(f"Exception occurred: {e}")
with my_context_manager() as cm:
cm.do_something()
# 输出结果如下:
# Entering my_context_manager
# open resources
# use resources
# Exiting my_context_manager
# close resources