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
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C051
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0126
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
445
3.35 K
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++
823
398
Ascend Extension for PyTorch
Python
251
285
React Native鸿蒙化仓库
JavaScript
278
329
暂无简介
Dart
702
166
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
10
1
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
142
51
🎉 (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
1.24 K
679
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
557
111