


Meine Python-Klasse definiert die Methode __del__, sie wird jedoch nicht aufgerufen, wenn ich das Objekt lösche
__del__ ist eine magische Methode in Python. Diese magischen Methoden ermöglichen es uns, einige sehr nette Tricks in der objektorientierten Programmierung umzusetzen. Sie werden auch Dunder-Methoden genannt. Diese Methoden werden durch zwei Unterstriche (__) identifiziert, die als Präfix und Suffix verwendet werden.
In Python erstellen wir ein Objekt mit __new__() und initialisieren es mit __init__(). Um jedoch ein Objekt zu zerstören, haben wir __del__().
Beispiel
Lassen Sie uns ein Objekt erstellen und löschen -
class Demo: def __init__(self): print("We are creating an object."); # destructor def __del__(self): print("We are deleting an object."); # Createing and deleting an object ob = Demo(); del ob;
Ausgabe
We are creating an object. We are deleting an object.
Grund
Wenn jedoch eine Klasse __del__ definiert, diese aber beim Löschen eines Objekts nicht aufgerufen wird, kann das viele Gründe haben -
-
Die
del-Anweisung ruft nicht unbedingt __del__() auf – sie dekrementiert lediglich den Referenzzähler des Objekts und ruft __del__() auf, wenn er Null erreicht.
Die Methode __del__() kann zufällig aufgerufen werden. – Wenn Ihre Datenstruktur zirkuläre Links enthält, wird der Referenzzähler nie wieder auf Null zurückgehen. Python führt einen Algorithmus aus, um solche Zyklen zu erkennen, der Garbage Collector wird jedoch möglicherweise einige Zeit nach dem Verschwinden des letzten Verweises auf die Datenstruktur ausgeführt.
Lösen Sie das Problem
Hier sind die Korrekturen -
Rufen Sie __del__() nicht direkt auf – _del__() sollte close() aufrufen und close() sollte sicherstellen, dass es mehrmals für dasselbe Objekt aufgerufen werden kann.
Zirkelverweise vermeiden – Verwenden Sie das Weakref-Modul, um Zirkelverweise zu vermeiden. Es ermöglicht Ihnen, auf ein Objekt zu verweisen, ohne dessen Referenzanzahl zu erhöhen. Das Weakref-Modul kann auch verwendet werden, um Instanzen von Klassen abzurufen
Das obige ist der detaillierte Inhalt vonMeine Python-Klasse definiert die Methode __del__, sie wird jedoch nicht aufgerufen, wenn ich das Objekt lösche. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

PDF-Dateien sind für ihre plattformübergreifende Kompatibilität beliebt, wobei Inhalte und Layout für Betriebssysteme, Lesegeräte und Software konsistent sind. Im Gegensatz zu Python Processing -Klartextdateien sind PDF -Dateien jedoch binäre Dateien mit komplexeren Strukturen und enthalten Elemente wie Schriftarten, Farben und Bilder. Glücklicherweise ist es nicht schwierig, PDF -Dateien mit Pythons externen Modulen zu verarbeiten. In diesem Artikel wird das PYPDF2 -Modul verwendet, um zu demonstrieren, wie Sie eine PDF -Datei öffnen, eine Seite ausdrucken und Text extrahieren. Die Erstellung und Bearbeitung von PDF -Dateien finden Sie in einem weiteren Tutorial von mir. Vorbereitung Der Kern liegt in der Verwendung von externem Modul PYPDF2. Installieren Sie es zunächst mit PIP: pip ist p

Dieses Tutorial zeigt, wie man Redis Caching nutzt, um die Leistung von Python -Anwendungen zu steigern, insbesondere innerhalb eines Django -Frameworks. Wir werden Redis -Installation, Django -Konfiguration und Leistungsvergleiche abdecken, um den Vorteil hervorzuheben

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden
