綁定
細心的讀者可能記得我在 第 1 部分的函數技術中指出的限制。特別在 Python 中不能避免表示函數表達式的名稱的重新綁定。在 FP 中，名稱通常被理解為較長表達式的縮寫，但這一說法暗示著“同一表達式總是求出相同的值”。如果標記的名稱重新被綁定，這一暗示便不成立。例如，讓我們定義一些在函數編程中要用到的快捷表達式，比如：
清單 1. 以下 Python FP 部分的重新綁定要造成故障
>>> car =
lambda
lst: lst[0]
>>> cdr =
lambda
lst: lst[1:]
>>> sum2 =
lambda
lst: car(lst)+car(cdr(lst))
>>> sum2(range(10))
1
>>> car =
lambda
lst: lst[2]
>>> sum2(range(10))
5
不幸的是，完全相同的表達式 sum2(range(10)) 在程序中的兩處求得兩個不同的值，即使該表達式自身并沒有在其參數中使用任何可變變量。
幸運的是， functional 模塊提供了稱為 Bindings 的類（向 Keller 提議）來防止這樣的重新綁定（至少在偶然情況下，Python 不會阻止一心想要解除綁定的程序員）。然而使用 Bindings 需要一些額外的語法，這樣意外就不太容易發生。在 functional 模塊的示例中，Keller 將 Bindings 實例命名為 let （我假定在 ML 家族語言的 let 關鍵詞的后面）。 例如，我們會這樣做：
清單 2. 具有安全重新綁定的 Python FP 部分
>>>
from
functional
import
*
>>> let = Bindings()
>>> let.car =
lambda
lst: lst[0]
>>> let.car =
lambda
lst: lst[2]
Traceback (innermost last):
File "
", line 1,
in
?
File "d:\tools\functional.py", line 976,
in
__setattr__
raise
BindingError, "Binding '%s' cannot be modified." % name
functional.BindingError: Binding 'car' cannot be modified.
>>> car(range(10))
0
很明顯，真正的程序必須做一些設置來捕獲“綁定錯誤”，而且他們被拋出也避免了一類問題的出現。
與 Bindings 一起， functional 提供 namespace 函數從 Bindings 實例中獲取命名空間（實際上是個字典）。如果希望在 Bindings 中定義的（不可變）命名空間中運算一個表達式，這非常容易實現。Python 的 eval() 函數允許在命名空間中進行運算。 讓我們通過一個示例來弄清楚：
清單 3. 使用不可變命名空間的 Python FP 部分
>>> let = Bindings()
# "Real world" function names
>>> let.r10 = range(10)
>>> let.car =
lambda
lst: lst[0]
>>> let.cdr =
lambda
lst: lst[1:]
>>> eval('car(r10)+car(cdr(r10))', namespace(let))
>>> inv = Bindings()
# "Inverted list" function names
>>> inv.r10 = let.r10
>>> inv.car =
lambda
lst: lst[-1]
>>> inv.cdr =
lambda
lst: lst[:-1]
>>> eval('car(r10)+car(cdr(r10))', namespace(inv))
17
閉包
FP 中有個有趣的概念 -- 閉包。實際上，閉包對許多開發人員都非常有趣，即使在如 Perl 和 Ruby 這樣的無函數語言中也都包括閉包這一功能。而且，Python 2.1 目前正想加入詞匯范圍限制功能，這一功能將提供閉包的大部分功能。
什么 是閉包呢？ Steve Majewski 最近在 Python 新聞組提供了對這一概念的很好描述：
??? 對象是附帶過程的數據……閉包是附帶數據的過程。
閉包就象是 FP 的 Jekyll 對于 OOP 的 Hyde （角色或者也可能對調）。閉包類似對象示例，是一種將一大批數據和功能封裝在一起的一種方式。
讓我們回到先前的地方了解對象和閉包解決什么問題，同時了解一下問題如果沒有這兩樣是如何解決的。函數返回的結果往往是由其計算中使用的上下文決定的。最常見的 -- 也可能是最明顯的 -- 指定上下文的方法是向函數傳遞某些參數，通知函數處理什么值。但有時候“背景”和“前景”參數有著本質的區別 -- 在這特定時刻函數正在處理的和函數為多段潛在調用而“配置”之間的區別。
當把重點放在前景的時候，有許多處理背景的方法。其中一種是簡單“咬出子彈”的方法，在每次調用的時候傳遞函數需要的每一個參數。這種方法通常在調用鏈中，只要在某些地方有可能需要值，就會傳遞一些值（或帶有多成員的結構）。以下是一個小示例：
清單 4. 顯示 cargo 變量的 Python 部分
>>>
defa
(n):
... add7 = b(n)
...
return
add7
...
>>>
defb
(n):
... i = 7
... j = c(i,n)
...
return
j
...
>>>
defc
(i,n):
...
return
i+n
...
>>> a(10)
# Pass cargo value for use downstream
17
在 cargo 示例的 b() 中， n 除了起到傳遞到 c() 的作用外并無其他作用。另一種方法將使用全局變量：
清單 5. 顯示全局變量的 Python 部分
>>> N = 10
>>>
defaddN
(i):
...
global
N
...
return
i+N
...
>>> addN(7)
# Add global N to argument
17
>>> N = 20
>>> addN(6)
# Add global N to argument
26
全局變量 N 在任何希望調用 addN() 的時候起作用，但沒有必要明確地傳遞全局背景“上下文”。另一個更 Python 專用的技術是將一個變量在定義時“凍結”入一個使用默認參數的函數：
清單 6. 顯示凍結變量的 Python 部分
>>> N = 10
>>>
defaddN
(i, n=N):
...
return
i+n
...
>>> addN(5)
# Add 10
15
>>> N = 20
>>> addN(6)
# Add 10 (current N doesn't matter)
16
凍結變量本質上就是閉包。某些數據被“隸屬”于 addN() 函數。對于完整的閉包，當定義 addN() 的時候，所有的數據在調用的時候都將可用。然而，在這個示例（或者許多更健壯的示例）中，使用默認的參數就能簡單的夠用了。 addN() 從未使用的變量并不會對其計算造成影響。
接著讓我們來看一個更接近真實問題的 OOP 方法。年份的時間是我想起了那些“會見”風格的收集各種數據的稅收程序 -- 不必有特定的順序 -- 最終使用全部數據來計算。讓我們創建一個簡單的版本：
清單 7. Python 風格的稅收計算類/示例
class
TaxCalc:
deftaxdue
(self):
return
(self.income-self.deduct)*self.rate
taxclass = TaxCalc()
taxclass.income = 50000
taxclass.rate = 0.30
taxclass.deduct = 10000
print
"Pythonic OOP taxes due =", taxclass.taxdue()
在 TaxCalc 類（或其實例）中，能收集一些數據 -- 可以以任意順序 -- 一旦獲得了所需的所有元素，就能調用這一對象的方法來完成這一大批數據的計算。所有一切都在實例中，而且，不同示例攜帶不同的數據。創建多示例和區別它們的數據的可能性不可能存在于"全局變量"或"凍結變量"方法中。"cargo" 方法能處理這個問題，但對于擴展的示例來說，我們看到它可能是開始傳遞各種值的必要條件了。既然我們已講到這，注意傳遞消息的 OPP 風格是如何處理的也非常有趣（Smalltalk 或 Self 與此類似，一些我使用的 OOP xBase 變量也是如此）：
清單 8. Smalltalk 風格 (Python) 的稅收計算
class
TaxCalc:
deftaxdue
(self):
return
(self.income-self.deduct)*self.rate
defsetIncome
(self,income):
self.income = income
return
self
defsetDeduct
(self,deduct):
self.deduct = deduct
return
self
defsetRate
(self,rate):
self.rate = rate
return
self
print
"Smalltalk-style taxes due =", \
TaxCalc().setIncome(50000).setRate(0.30).setDeduct(10000).taxdue()
用每個 "setter" 來返回 self 使我們能把“現有的”東西看作是每個方法應用的結果。這與 FP 閉包方法有許多有趣的相似點。
有了 Xoltar 工具包，我們就能創建具有所期望的合并數據與函數特性的完整的閉包，同時還允許多段閉包（nee 對象）來包含不同的包：
清單 9. Python 函數風格的稅收計算
from
functional
import
*
taxdue =
lambda
: (income-deduct)*rate
incomeClosure =
lambda
income,taxdue: closure(taxdue)
deductClosure =
lambda
deduct,taxdue: closure(taxdue)
rateClosure =
lambda
rate,taxdue: closure(taxdue)
taxFP = taxdue
taxFP = incomeClosure(50000,taxFP)
taxFP = rateClosure(0.30,taxFP)
taxFP = deductClosure(10000,taxFP)
print
"Functional taxes due =",taxFP()
print
"Lisp-style taxes due =", \
incomeClosure(50000,
rateClosure(0.30,
deductClosure(10000, taxdue)))()
我們定義的每一個閉包函數都攜帶了函數范圍內定義的任何值，然后將這些值綁定到函數對象的全局范圍。然而，函數的全局范圍看上去不必與實際模塊的全局范圍相同，同時與不同閉包的“全局”范圍也不相同。閉包只是簡單地“攜帶數據”。
在示例中，我們使用了一些特殊函數在閉包范圍 (income、deduct、rate) 內放入了特定綁定。修改設計以在范圍內放入任何綁定也非常簡單。我們還可以在示例中使用具有細微差別的不同函數風格，當然這只是為了好玩。第一個成功的將附加值綁定入閉包范圍內；使 taxFP 成為可變，這些“加入到閉包”的行可以任意順序出現。然而，如果要使用如 tax_with_Income 這樣的不可變名稱，就必須將綁定行按照一定順序排列，然后將前面的綁定傳遞到下一個。無論如何，一旦必需的一切被綁定入閉包的范圍內，我們就調用 "seeded" 函數。
第二種風格看上去更接近 Lisp，（對我來說更像圓括號）。如果不考慮美觀，第二種風格中發生了二件有趣的事情。第一件是名稱綁定完全被避免了。第二種風格是一個單一表達式而不使用語句（請參閱 第 1 部分，討論為什么這樣會有問題）。
其它有關“Lisp 風格”閉包使用的有趣例子是其與上文提到的“Smalltalk 風格”消息傳遞方法有多少類似。兩者累積了值和調用 taxdue() 函數／方法（如果沒有正確的數據，兩者在這些原始版本中都將報錯）。“Smalltalk 風格”在每一步之間傳遞對象，而“Lisp 風格”傳遞一個連續。但若是更深一層理解，函數和面向對象編程大部分都是這樣。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
