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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
539
3.76 K
Ascend Extension for PyTorch
Python
349
414
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++
889
609
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
338
185
openJiuwen 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
TSX
986
252
openGauss kernel ~ openGauss is an open source relational database management system
C++
169
233
暂无简介
Dart
778
193
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
140
🎉 (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
1.35 K
758