Python-Dependency-Injector中的默认工厂模式实现
2025-06-14 08:55:10作者:郦嵘贵Just
在Python依赖注入框架Python-Dependency-Injector中,FactoryAggregate和Selector是两种常用的提供器(Provider)类型,它们允许开发者根据不同的条件选择不同的依赖实现。然而,这两种提供器默认情况下不支持设置"默认工厂"选项,当传入未定义的选项时会抛出NoSuchProviderError异常。
问题背景
在实际开发中,我们经常需要处理这样的情况:当用户传入一个未预定义的选项时,系统应该返回一个默认实现而不是直接报错。例如,在一个多语言支持的系统中,当用户请求的语言不支持时,我们希望返回默认语言的内容。
原生解决方案的局限性
Python-Dependency-Injector原生提供了两种处理方式:
- FactoryAggregate:通过字典形式定义多个工厂,但不支持默认选项
- Callable提供器:可以编写自定义逻辑处理所有情况,但代码结构不如FactoryAggregate清晰
自定义DefaultFactoryAggregate提供器
为了弥补这一功能缺失,我们可以通过继承或组合的方式创建自定义提供器。以下是两种实现方式:
组合方式实现
class DefaultFactoryAggregate(providers.Provider):
DEFAULT_OPTION = '_'
__slots__ = ('_agg_factory')
def __init__(self, provider_dict=None, **provider_kwargs):
self._agg_factory = providers.FactoryAggregate(provider_dict, **provider_kwargs)
super().__init__()
@property
def related(self):
"""返回相关提供器生成器"""
yield from [self._agg_factory]
yield from super().related
def __deepcopy__(self, memo):
copied = memo.get(id(self))
if copied is not None:
return copied
copied = self.__class__(
self._agg_factory.providers,
)
self._copy_overridings(copied, memo)
return copied
def _provide(self, args, kwargs):
try:
return self._agg_factory(*args, **kwargs)
except NoSuchProviderError:
kwargs.pop('factory_name', None)
args = (self.DEFAULT_OPTION,) + args[1:]
return self._agg_factory(*args, **kwargs)
继承方式实现
class InheritedDefaultFactoryAggregate(providers.FactoryAggregate):
DEFAULT_OPTION = '_'
def _provide(self, args: tuple, kwargs: dict):
try:
return super()._provide(args, kwargs)
except NoSuchProviderError:
kwargs.pop('factory_name', None)
args = (self.DEFAULT_OPTION,) + args[1:]
return super()._provide(args, kwargs)
实现原理分析
这两种实现方式都遵循了相同的核心逻辑:
- 首先尝试使用用户传入的参数调用原始FactoryAggregate
- 如果抛出NoSuchProviderError异常,则使用默认选项重新尝试
- 在重试前清理可能存在的factory_name参数
- 将第一个参数替换为默认选项标识
组合方式更符合"组合优于继承"的设计原则,但代码量较大;继承方式更为简洁,但可能带来潜在的继承问题。
使用示例
class C(DeclarativeContainer):
agg_factory = DefaultFactoryAggregate(
option1=providers.Factory(Obj, 'option1'),
option2=providers.Factory(Obj, 'option2'),
_=providers.Factory(Obj, "I'm default")
)
container = C()
print(container.agg_factory('option1')) # <Obj name=option1>
print(container.agg_factory('random')) # <Obj name=I'm default>
最佳实践建议
- 命名约定:建议使用"_"作为默认选项的标识符,保持一致性
- 错误处理:考虑添加日志记录,记录默认选项被使用的情况
- 性能考虑:异常处理会有一定性能开销,在性能敏感场景需谨慎使用
- 测试覆盖:确保测试用例覆盖默认选项分支
通过这种自定义提供器,我们可以在保持FactoryAggregate清晰结构的同时,获得更灵活的错误处理能力,使代码更加健壮和用户友好。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137