今天我们来聊聊 Python 中的抽象基类（Abstract Base Class，简称 ABC）。虽然这个概念在 Python 中已经存在很久了，但在日常开发中，很多人可能用得并不多，或者用得不够优雅。
让我们从一个实际场景开始：假设你正在开发一个文件处理系统，需要支持不同格式的文件读写，比如 JSON、CSV、XML 等。
初始版本：简单但不够严谨
我们先来看看最简单的实现方式：
class FileHandler:
def read(self, filename):
pass
def write(self, filename, data):
pass
class JsonHandler(FileHandler):
def read(self, filename):
import json
with open(filename, 'r') as f:
return json.load(f)
def write(self, filename, data):
import json
with open(filename, 'w') as f:
json.dump(data, f)
class CsvHandler(FileHandler):
def read(self, filename):
import csv
with open(filename, 'r') as f:
return list(csv.reader(f))这个实现看起来没什么问题，但实际上存在几个隐患：
- 无法强制子类实现所有必要的方法
- 基类方法的签名（参数列表）可能与子类不一致
- 没有明确的接口契约
改进版本：使用抽象基类
让我们引入 abc.ABC 来改进这个设计：
from abc import ABC, abstractmethod
class FileHandler(ABC):
@abstractmethod
def read(self, filename: str):
"""读取文件内容"""
pass
@abstractmethod
def write(self, filename: str, data: any):
"""写入文件内容"""
pass
class JsonHandler(FileHandler):
def read(self, filename: str):
import json
with open(filename, 'r') as f:
return json.load(f)
def write(self, filename: str, data: any):
import json
with open(filename, 'w') as f:
json.dump(data, f)这个版本引入了两个重要的改进：
- 使用
ABC将FileHandler声明为抽象基类 - 使用
@abstractmethod装饰器标记抽象方法
现在，如果我们尝试实例化一个没有实现所有抽象方法的子类，Python 会抛出异常：
# 这个类缺少 write 方法的实现
class BrokenHandler(FileHandler):
def read(self, filename: str):
return "some data"
# 这行代码会抛出 TypeError
handler = BrokenHandler() # TypeError: Can't instantiate abstract class BrokenHandler with abstract method write进一步优化：添加类型提示和接口约束
让我们再进一步，添加类型提示和更严格的接口约束：
from abc import ABC, abstractmethod
from typing import Any, List, Dict, Union
class FileHandler(ABC):
@abstractmethod
def read(self, filename: str) -> Union[Dict, List]:
"""读取文件内容并返回解析后的数据结构"""
pass
@abstractmethod
def write(self, filename: str, data: Union[Dict, List]) -> None:
"""将数据结构写入文件"""
pass
@property
@abstractmethod
def supported_extensions(self) -> List[str]:
"""返回支持的文件扩展名列表"""
pass
class JsonHandler(FileHandler):
def read(self, filename: str) -> Dict:
import json
with open(filename, 'r') as f:
return json.load(f)
def write(self, filename: str, data: Dict) -> None:
import json
with open(filename, 'w') as f:
json.dump(data, f)
@property
def supported_extensions(self) -> List[str]:
return ['.json']
# 使用示例
def process_file(handler: FileHandler, filename: str) -> None:
if any(filename.endswith(ext) for ext in handler.supported_extensions):
data = handler.read(filename)
# 处理数据...
handler.write(f'processed_{filename}', data)
else:
raise ValueError(f"Unsupported file extension for {filename}")这个最终版本的改进包括：
- 添加了类型提示，提高代码的可读性和可维护性
- 引入了抽象属性（
supported_extensions），使接口更完整 - 通过
Union类型提供了更灵活的数据类型支持 - 提供了清晰的文档字符串
使用抽象基类的好处
- 接口契约：抽象基类提供了明确的接口定义，任何违反契约的实现都会在运行前被发现。
- 代码可读性：通过抽象方法清晰地表明了子类需要实现的功能。
- 类型安全：结合类型提示，我们可以在开发时就发现潜在的类型错误。
- 设计模式支持：抽象基类非常适合实现诸如工厂模式、策略模式等设计模式。
NotImplementedError 还是 ABC？
很多 Python 开发者会使用 NotImplementedError 来标记需要子类实现的方法：
class FileHandler:
def read(self, filename: str) -> Dict:
raise NotImplementedError("Subclass must implement read method")
def write(self, filename: str, data: Dict) -> None:
raise NotImplementedError("Subclass must implement write method")这种方式看起来也能达到目的，但与 ABC 相比有几个明显的劣势：
- 延迟检查：使用
NotImplementedError只能在运行时发现问题，而 ABC 在实例化时就会检查。
# 使用 NotImplementedError 的情况
class BadHandler(FileHandler):
pass
handler = BadHandler() # 这行代码可以执行
handler.read("test.txt") # 直到这里才会报错
# 使用 ABC 的情况
class BadHandler(FileHandler): # FileHandler 是 ABC
pass
handler = BadHandler() # 直接在这里就会报错- 缺乏语义：
NotImplementedError本质上是一个异常，而不是一个接口契约。 - IDE 支持：现代 IDE 对 ABC 的支持更好，能提供更准确的代码提示和检查。
不过，NotImplementedError 在某些场景下仍然有其价值：
- 当你想在基类中提供部分实现，但某些方法必须由子类覆盖时：
from abc import ABC, abstractmethod
class FileHandler(ABC):
@abstractmethod
def read(self, filename: str) -> Dict:
pass
def process(self, filename: str) -> Dict:
data = self.read(filename)
if not self._validate(data):
raise ValueError("Invalid data format")
return self._transform(data)
def _validate(self, data: Dict) -> bool:
raise NotImplementedError("Subclass should implement validation")
def _transform(self, data: Dict) -> Dict:
# 默认实现
return data这里，_validate 使用 NotImplementedError 而不是 @abstractmethod，表明它是一个可选的扩展点，而不是必须实现的接口。
代码检查工具的配合
主流的 Python 代码检查工具（pylint、flake8）都对抽象基类提供了良好的支持。
Pylint
Pylint 可以检测到未实现的抽象方法：
# pylint: disable=missing-module-docstring
from abc import ABC, abstractmethod
class Base(ABC):
@abstractmethod
def foo(self):
pass
class Derived(Base): # pylint: error: Abstract method 'foo' not implemented
pass你可以在 .pylintrc 中配置相关规则：
[MESSAGES CONTROL]
# 启用抽象类检查
enable=abstract-methodFlake8
Flake8 本身不直接检查抽象方法实现，但可以通过插件增强这个能力：
pip install flake8-abstract-base-class配置 .flake8：
[flake8]
max-complexity = 10
extend-ignore = ABC001metaclass=ABCMeta vs ABC
在 Python 中，有两种方式定义抽象基类：
# 方式 1：直接继承 ABC
from abc import ABC, abstractmethod
class FileHandler(ABC):
@abstractmethod
def read(self):
pass
# 方式 2：使用 metaclass
from abc import ABCMeta, abstractmethod
class FileHandler(metaclass=ABCMeta):
@abstractmethod
def read(self):
pass这两种方式在功能上是等价的，因为 ABC 类本身就是用 ABCMeta 作为元类定义的：
class ABC(metaclass=ABCMeta):
"""Helper class that provides a standard way to create an ABC using
inheritance.
"""
pass选择建议：
推荐使用 ABC：
- 代码更简洁
- 更符合 Python 的简单直观原则
- 是 Python 3.4+ 后推荐的方式
使用 metaclass=ABCMeta 的场景：
- 当你的类已经有其他元类时
- 需要自定义元类行为时
例如，当你需要组合多个元类的功能时：
class MyMeta(type):
def __new__(cls, name, bases, namespace):
# 自定义的元类行为
return super().__new__(cls, name, bases, namespace)
class CombinedMeta(ABCMeta, MyMeta):
pass
class MyHandler(metaclass=CombinedMeta):
@abstractmethod
def handle(self):
pass实践建议
- 当你需要确保一组类遵循相同的接口时，使用抽象基类。
- 优先使用类型提示，它们能帮助开发者更好地理解代码。
- 适当使用抽象属性（
@property+@abstractmethod），它们也是接口的重要组成部分。 - 在文档字符串中清晰地说明方法的预期行为和返回值。
通过这个实例，我们可以看到抽象基类如何帮助我们写出更加健壮和优雅的 Python 代码。它不仅能够捕获接口违规，还能提供更好的代码提示和文档支持。在下一个项目中，不妨试试用抽象基类来设计你的接口！
python
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。