Question

如果合理利用作为一等对象的函数，某些设计模式可以简化，“策略”模式就是其中一个很好的例子。本节接下来的内容中将说明“策略”模式，并使用《设计模式：可复用面向对象软件的基础》一书中所述的“经典”结构实现它。如果你熟悉这个经典模式，可以跳到 6.1.2 节，了解如何使用函数重构代码来有效减少代码行数。

6.1.1　经典的“策略”模式

图 6-1 中的 UML 类图指出了“策略”模式对类的编排。

图 6-1：使用“策略”设计模式处理订单折扣的 UML 类图

《设计模式：可复用面向对象软件的基础》一书是这样概述“策略”模式的：

定义一系列算法，把它们一一封装起来，并且使它们可以相互替换。本模式使得算法可以独立于使用它的客户而变化。

电商领域有个功能明显可以使用“策略”模式，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。

“策略”模式的 UML 类图见图 6-1，其中涉及下列内容。

上下文

把一些计算委托给实现不同算法的可互换组件，它提供服务。在这个电商示例中，上下文是 Order，它会根据不同的算法计算促销折扣。

策略

实现不同算法的组件共同的接口。在这个示例中，名为 Promotion 的抽象类扮演这个角色。

具体策略

“策略”的具体子类。fidelityPromo、BulkPromo 和 LargeOrderPromo 是这里实现的三个具体策略。

示例 6-1 实现了图 6-1 中的方案。按照《设计模式：可复用面向对象软件的基础》一书的说明，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。

示例 6-1　实现 Order 类，支持插入式折扣策略

from abc import ABC, abstractmethod
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:  # 上下文

  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 = '<Order total: {:.2f} due: {:.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() * .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() * .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() * .07
    return 0

注意，在示例 6-1 中，我把 Promotion 定义为抽象基类（Abstract Base Class，ABC），这么做是为了使用 @abstractmethod 装饰器，从而明确表明所用的模式。

　在 Python 3.4 中，声明抽象基类最简单的方式是子类化 abc.ABC。我在示例 6-1 中就是这么做的。从 Python 3.0 到 Python 3.3，必须在 class 语句中使用 metaclass= 关键字（例如，class Promotion(metaclass=ABCMeta):）。

示例 6-2 是一些 doctest，在某个实现了上述规则的模块中演示和验证相关操作。

示例 6-2　使用不同促销折扣的 Order 类示例

  >>> joe = Customer('John Doe', 0) ➊
  >>> ann = Customer('Ann Smith', 1100)
  >>> cart = [LineItem('banana', 4, .5), ➋
  ...     LineItem('apple', 10, 1.5),
  ...     LineItem('watermellon', 5, 5.0)]
  >>> Order(joe, cart, FidelityPromo()) ➌
  <Order total: 42.00 due: 42.00>
  >>> Order(ann, cart, FidelityPromo()) ➍
  <Order total: 42.00 due: 39.90>
  >>> banana_cart = [LineItem('banana', 30, .5), ➎
  ...        LineItem('apple', 10, 1.5)]
  >>> Order(joe, banana_cart, BulkItemPromo()) ➏
  <Order total: 30.00 due: 28.50>
  >>> long_order = [LineItem(str(item_code), 1, 1.0) ➐
  ...         for item_code in range(10)]
  >>> Order(joe, long_order, LargeOrderPromo()) ➑
  <Order total: 10.00 due: 9.30>
  >>> Order(joe, cart, LargeOrderPromo())
  <Order total: 42.00 due: 42.00>

❶ 两个顾客：joe 的积分是 0，ann 的积分是 1100。

❷ 有三个商品的购物车。

❸ fidelityPromo 没给 joe 提供折扣。

❹ ann 得到了 5% 折扣，因为她的积分超过 1000。

❺ banana_cart 中有 30 把香蕉和 10 个苹果。

❻ BulkItemPromo 为 joe 购买的香蕉优惠了 1.50 美元。

❼ long_order 中有 10 个不同的商品，每个商品的价格为 1.00 美元。

❽ LargerOrderPromo 为 joe 的整个订单提供了 7% 折扣。

示例 6-1 完全可用，但是利用 Python 中作为对象的函数，可以使用更少的代码实现相同的功能。详情参见下一节。

6.1.2　使用函数实现“策略”模式

在示例 6-1 中，每个具体策略都是一个类，而且都只定义了一个方法，即 discount。此外，策略实例没有状态（没有实例属性）。你可能会说，它们看起来像是普通的函数——的确如此。示例 6-3 是对示例 6-1 的重构，把具体策略换成了简单的函数，而且去掉了 Promo 抽象类。

示例 6-3　Order 类和使用函数实现的折扣策略

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:  # 上下文

  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)  ➊
    return self.total() - discount

  def __repr__(self):
    fmt = '<Order total: {:.2f} due: {:.2f}>'
    return fmt.format(self.total(), self.due())

➋

def fidelity_promo(order):  ➌
  """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

❶ 计算折扣只需调用 self.promotion() 函数。

❷ 没有抽象类。

❸ 各个策略都是函数。

示例 6-3 中的代码比示例 6-1 少 12 行。不仅如此，新的 Order 类使用起来更简单，如示例 6-4 中的 doctest 所示。

示例 6-4　使用函数实现的促销折扣的 Order 类示例

  >>> joe = Customer('John Doe', 0)  ➊
  >>> ann = Customer('Ann Smith', 1100)
  >>> cart = [LineItem('banana', 4, .5),
  ...     LineItem('apple', 10, 1.5),
  ...     LineItem('watermellon', 5, 5.0)]
  >>> Order(joe, cart, fidelity_promo)  ➋
  <Order total: 42.00 due: 42.00>
  >>> Order(ann, cart, fidelity_promo)
  <Order total: 42.00 due: 39.90>
  >>> banana_cart = [LineItem('banana', 30, .5),
  ...        LineItem('apple', 10, 1.5)]
  >>> Order(joe, banana_cart, bulk_item_promo)  ➌
  <Order total: 30.00 due: 28.50>
  >>> long_order = [LineItem(str(item_code), 1, 1.0)
  ...         for item_code in range(10)]
  >>> Order(joe, long_order, large_order_promo)
  <Order total: 10.00 due: 9.30>
  >>> Order(joe, cart, large_order_promo)
  <Order total: 42.00 due: 42.00>

❶ 与示例 6-1 一样的测试固件。

❷ 为了把折扣策略应用到 Order 实例上，只需把促销函数作为参数传入。

❸ 这个测试和下一个测试使用不同的促销函数。

注意示例 6-4 中的标注：没必要在新建订单时实例化新的促销对象，函数拿来即用。

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（flyweight）。”3 那本书的另一部分对“享元”下了定义：“享元是可共享的对象，可以同时在多个上下文中使用。”4 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”模式的一个缺点（运行时消耗），《设计模式：可复用面向对象软件的基础》的作者建议再使用另一个模式。但此时，代码行数和维护成本会不断攀升。

3《设计模式：可复用面向对象软件的基础》第 214 页。

4《设计模式：可复用面向对象软件的基础》第 129 页。

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”。

至此，我们使用函数实现了“策略”模式，由此也出现了其他可能性。假设我们想创建一个“元策略”，让它为指定的订单选择最佳折扣。接下来的几节会接着重构，利用函数和模块是对象，使用不同的方式实现这个需求。

6.1.3　选择最佳策略：简单的方式

我们继续使用示例 6-4 中的顾客和购物车，在此基础上添加 3 个测试，如示例 6-5 所示。

示例 6-5　best_promo 函数计算所有折扣，并返回额度最大的

  >>> Order(joe, long_order, best_promo)  ➊
  <Order total: 10.00 due: 9.30>
  >>> Order(joe, banana_cart, best_promo)  ➋
  <Order total: 30.00 due: 28.50>
  >>> Order(ann, cart, best_promo)  ➌
  <Order total: 42.00 due: 39.90>

❶ best_promo 为顾客 joe 选择 larger_order_promo。

❷ 订购大量香蕉时，joe 使用 bulk_item_promo 提供的折扣。

❸ 在一个简单的购物车中，best_promo 为忠实顾客 ann 提供 fidelity_promo 优惠的折扣。

best_promo 函数的实现特别简单，如示例 6-6 所示。

示例 6-6　best_promo 迭代一个函数列表，并找出折扣额度最大的

promos = [fidelity_promo, bulk_item_promo, large_order_promo]  ➊

def best_promo(order):  ➋
  """选择可用的最佳折扣
  """
  return max(promo(order) for promo in promos)  ➌

❶ promos 列出以函数实现的各个策略。

❷ 与其他几个 *_promo 函数一样，best_promo 函数的参数是一个 Order 实例。

❸ 使用生成器表达式把 order 传给 promos 列表中的各个函数，返回计算出的最大折扣额度。

示例 6-6 简单明了，promos 是函数列表。习惯函数是一等对象后，自然而然就会构建那种数据结构存储函数。

虽然示例 6-6 可用，而且易于阅读，但是有些重复可能会导致不易察觉的缺陷：若想添加新的促销策略，要定义相应的函数，还要记得把它添加到 promos 列表中；否则，当新促销函数显式地作为参数传给 Order 时，它是可用的，但是 best_promo 不会考虑它。

继续往下读，了解这个问题的几种解决方案。

6.1.4　找出模块中的全部策略

在 Python 中，模块也是一等对象，而且标准库提供了几个处理模块的函数。Python 文档是这样说明内置函数 globals 的。

globals()

返回一个字典，表示当前的全局符号表。这个符号表始终针对当前模块（对函数或方法来说，是指定义它们的模块，而不是调用它们的模块）。

示例 6-7 使用 globals 函数帮助 best_promo 自动找到其他可用的 *_promo 函数，过程有点曲折。

示例 6-7　内省模块的全局命名空间，构建 promos 列表

promos = [globals()[name] for name in globals()  ➊
      if name.endswith('_promo')  ➋
      and name != 'best_promo']   ➌

def best_promo(order):
  """选择可用的最佳折扣
  """
  return max(promo(order) for promo in promos)  ➍

❶ 迭代 globals() 返回字典中的各个 name。

❷ 只选择以 _promo 结尾的名称。

❸ 过滤掉 best_promo 自身，防止无限递归。

❹ best_promo 内部的代码没有变化。

收集所有可用促销的另一种方法是，在一个单独的模块中保存所有策略函数，把 best_promo 排除在外。

在示例 6-8 中，最大的变化是内省名为 promotions 的独立模块，构建策略函数列表。注意，示例 6-8 要导入 promotions 模块，以及提供高阶内省函数的 inspect 模块（简单起见，这里没有给出导入语句，因为导入语句一般放在文件顶部）。

示例 6-8　内省单独的 promotions 模块，构建 promos 列表

promos = [func for name, func in
        inspect.getmembers(promotions, inspect.isfunction)]

def best_promo(order):
  """选择可用的最佳折扣
  """
  return max(promo(order) for promo in promos)

inspect.getmembers 函数用于获取对象（这里是 promotions 模块）的属性，第二个参数是可选的判断条件（一个布尔值函数）。我们使用的是 inspect.isfunction，只获取模块中的函数。

不管怎么命名策略函数，示例 6-8 都可用；唯一重要的是，promotions 模块只能包含计算订单折扣的函数。当然，这是对代码的隐性假设。如果有人在 promotions 模块中使用不同的签名定义函数，那么 best_promo 函数尝试将其应用到订单上时会出错。

我们可以添加更为严格的测试，审查传给实例的参数，进一步过滤函数。示例 6-8 的目的不是提供完善的方案，而是强调模块内省的一种用途。

动态收集促销折扣函数更为显式的一种方案是使用简单的装饰器。第 7 章讨论函数装饰器时会使用其他方式实现这个电商“策略”模式示例。

下一节讨论“命令”模式。这个设计模式也常使用单方法类实现，同样也可以换成普通的函数。