当对象间存在一对多关系时，则使用观察者模式（Observer Pattern）。比如，当一个对象被修改时，则会自动通知它的依赖对象。观察者模式属于行为型模式。

有时，我们希望在一个对象的状态改变时更新另外一组对象。

 

class Publisher:    def __init__(self):        self.observers = []    def add(self, observer):        if observer not in self.observers:            self.observers.append(observer)        else:            print('Failed to add: {}'.format(observer))    def remove(self, observer):        try:            self.observers.remove(observer)        except ValueError:            print('Failed to remove: {}'.format(observer))    def notify(self):        [o.notify(self) for o in self.observers]class DefaultFormatter(Publisher):    def __init__(self, name):        Publisher.__init__(self)        self.name = name        self._data = 0    def __str__(self):        return "{}: '{}' has data = {}".format(type(self).__name__, self.name, self._data)    @property    def data(self):        return self._data    @data.setter    def data(self, new_value):        try:            self._data = int(new_value)        except ValueError as e:            print('Error: {}'.format(e))        else:            self.notify()class HexFormatter:    def notify(self, publisher):        print("{}: '{}' has now hex data = {}".format(type(self).__name__,                                                      publisher.name, hex(publisher.data)))class BinaryFormatter:    def notify(self, publisher):        print("{}: '{}' has now bin data = {}".format(type(self).__name__,                                                      publisher.name, bin(publisher.data)))def main():    df = DefaultFormatter('test1')    print(df)    print()    hf = HexFormatter()    df.add(hf)    df.data = 3    print(df)    print()    bf = BinaryFormatter()    df.add(bf)    df.data = 21    print(df)    print()    df.remove(hf)    df.data = 40    print(df)    print()    df.remove(hf)    df.add(bf)    df.data = 'hello'    print(df)    print()    df.data = 15.8    print(df)if __name__ == '__main__':    main()

 

1、发布者中有个方法添加所有观察（订阅）者对象，当发布某个东西（例子中的data变化）时，调用所有已添加的订阅者的某个方法。

 

2、这个模式也是以一个十分重要的模式，java python里面的日志管理都是使用了观察者模式。具体就是logger和handler就是发布者和订阅者的关系，当logger添加了stremhandler，那么日志就可以显示到控制台，添加了filehandler那么就可以记录到文件，添加了smtphandler就可以把日志发送到邮箱。十分的方便解耦，可以选择日志记录到某一个地方或者几个地方或者所有地方。如果日志想要记录到mongo redis什么的，只需要继承handler基类，自己实现emit方法就可以了，如果不理解这个关系，就很难自己写日志扩展，或者是只能照葫芦画瓢，不知道为什么要那么写，为什么添加了handler就可以把日志记录到相关地方。如果使用print并且实现以上这些扩展那要写很多东西，还不如使用日志。如果生产项目全部直接使用裸print，这样写代码真的是很垃圾小学生水平，因为项目跑起来后，文件引用一环套一环根本不知道哪里print的，而且print要想扩展那又是成了自己发明logging模块了。

 

3、再顺便说下logging日志使用logger.debug 和logging.debug有什么区别？我从不使用logging.debug。包括所有三方包绝对都不会直接这么去使用。logging.debug的debug是一个函数，直接这么写那么日志的命名空间是root根日志，如果想禁用这个日志，那么是removerhandler还是直接设置级别为critical来禁用日志？两种都不好，对根日志操作打击面积太大误伤率太高，万一有的地方的日志你就是想记录呢。而且logging定制性不高，你想把某个日志记录到a文件，某个日志记录到b文件，某个日志只发邮件，就必须用更小命名空间的logger了。logging.debug实际是  logging.getLogger(None).debug(),   logger.debug是logging.getLogger(‘yourname’).debug()，一般yourname可以设置成__name__方便快捷,所以可以对单独命名空间的日志进行定制handler或者移除handler或者对某类型日志设置最高级别。例如使用urllib时候，可以单独的操纵connectionpool命名空间的日志，设置显示他或者不显示他，设置他的级别为error级别完全不会影响到别的命名空间下的日志的级别设置。