Python có thể in định nghĩa hàm không?

Trong JavaScript, người ta có thể in ra định nghĩa của một hàm. Có cách nào để thực hiện điều này bằng Python không?

(Chỉ chơi xung quanh trong chế độ tương tác, và tôi muốn đọc một mô-đun mà không cần mở (). Tôi chỉ tò mò).

Nếu bạn đang nhập hàm, bạn có thể sử dụng inspect.getsource:

>>> import re
>>> import inspect
>>> print inspect.getsource(re.compile)
def compile(pattern, flags=0):
    "Compile a regular expression pattern, returning a pattern object."
    return _compile(pattern, flags)

Điều này sẽ hoạt động trong dấu nhắc tương tác, nhưng dường như chỉ trên các đối tượng được nhập (không phải các đối tượng được xác định trong dấu nhắc tương tác). Và tất nhiên nó sẽ chỉ hoạt động nếu Python có thể tìm thấy mã nguồn (vì vậy không phải trên các đối tượng tích hợp sẵn, C libs, tệp .pyc, v.v.)

Nếu bạn đang sử dụng iPython , bạn có thể sử dụng function_name?để nhận trợ giúp và function_name??sẽ in ra nguồn, nếu có thể.

Đây là cách tôi tìm ra cách thực hiện:

    import inspect as i
    import sys
    sys.stdout.write(i.getsource(MyFunction))

Thao tác này sẽ xóa các ký tự dòng mới và in hàm ra một cách độc đáo

Mặc dù tôi thường đồng ý rằng đó inspectlà một câu trả lời tốt, nhưng tôi không đồng ý rằng bạn không thể lấy mã nguồn của các đối tượng được xác định trong trình thông dịch. Nếu bạn sử dụng dill.source.getsourcetừ dill, bạn có thể lấy nguồn của các hàm và lambdas, ngay cả khi chúng được định nghĩa tương tác. Nó cũng có thể lấy mã từ các phương thức và chức năng của lớp có ràng buộc hoặc không liên kết được định nghĩa trong curries ... tuy nhiên, bạn có thể không biên dịch được mã đó nếu không có mã của đối tượng đi kèm.

>>> from dill.source import getsource
>>> 
>>> def add(x,y):
...   return x+y
... 
>>> squared = lambda x:x**2
>>> 
>>> print getsource(add)
def add(x,y):
  return x+y

>>> print getsource(squared)
squared = lambda x:x**2

>>> 
>>> class Foo(object):
...   def bar(self, x):
...     return x*x+x
... 
>>> f = Foo()
>>> 
>>> print getsource(f.bar)
def bar(self, x):
    return x*x+x

>>> 

Sử dụng help(function)để lấy mô tả chức năng.

Bạn có thể đọc thêm về help() ở đây .

Bạn có thể sử dụng từ khóa __doc__:

#print the class description
print string.__doc__
#print function description
print open.__doc__

Bạn có thể sử dụng hàm __doc__trong, lấy hog()chức năng làm ví dụ: Bạn có thể xem cách sử dụng hog()như sau:

from skimage.feature import hog

print hog.__doc__

Đầu ra sẽ là:

Extract Histogram of Oriented Gradients (HOG) for a given image.
Compute a Histogram of Oriented Gradients (HOG) by

    1. (optional) global image normalisation
    2. computing the gradient image in x and y
    3. computing gradient histograms
    4. normalising across blocks
    5. flattening into a feature vector

Parameters
----------
image : (M, N) ndarray
    Input image (greyscale).
orientations : int
    Number of orientation bins.
pixels_per_cell : 2 tuple (int, int)
    Size (in pixels) of a cell.
cells_per_block  : 2 tuple (int,int)
    Number of cells in each block.
visualise : bool, optional
    Also return an image of the HOG.
transform_sqrt : bool, optional
    Apply power law compression to normalise the image before
    processing. DO NOT use this if the image contains negative
    values. Also see `notes` section below.
feature_vector : bool, optional
    Return the data as a feature vector by calling .ravel() on the result
    just before returning.
normalise : bool, deprecated
    The parameter is deprecated. Use `transform_sqrt` for power law
    compression. `normalise` has been deprecated.

Returns
-------
newarr : ndarray
    HOG for the image as a 1D (flattened) array.
hog_image : ndarray (if visualise=True)
    A visualisation of the HOG image.

References
----------
* http://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

* Dalal, N and Triggs, B, Histograms of Oriented Gradients for
  Human Detection, IEEE Computer Society Conference on Computer
  Vision and Pattern Recognition 2005 San Diego, CA, USA

Notes
-----
Power law compression, also known as Gamma correction, is used to reduce
the effects of shadowing and illumination variations. The compression makes
the dark regions lighter. When the kwarg `transform_sqrt` is set to
``True``, the function computes the square root of each color channel
and then applies the hog algorithm to the image.