🐍 آموزش جامع Python — پست ۹۹
متدهای Static در کلاس | @staticmethod
تا اینجا با متدهای معمولی کلاس آشنا شدیم؛ متدهایی که self دریافت می‌کنند.
اما گاهی متدی داریم که به هیچ شیء خاصی از کلاس نیاز ندارد.
در این حالت می‌توانیم از @staticmethod استفاده کنیم.
🔹 مثال ساده

class Calculator:

    @staticmethod
    def add(a, b):
        return a + b

می‌توانیم بدون ساختن شیء از آن استفاده کنیم:

print(Calculator.add(10, 5))

خروجی:

15

🔹 تفاوت با متد معمولی
متد معمولی:

class Calculator:

    def add(self, a, b):
        return a + b

برای استفاده:

calc = Calculator()

print(calc.add(10, 5))

اما staticmethod نیازی به self ندارد:

class Calculator:

    @staticmethod
    def add(a, b):
        return a + b

و می‌توانیم مستقیماً بنویسیم:

Calculator.add(10, 5)

🔹 آیا از طریق شیء هم می‌شود؟
بله:

calc = Calculator()

print(calc.add(10, 5))

خروجی:

15

اما نکته مهم این است که add() به اطلاعات داخل calc وابسته نیست.
🔹 مثال کاربردی
فرض کنیم کلاسی برای کار با کاربران داریم:

class User:

    @staticmethod
    def is_valid_age(age):
        return age >= 18

استفاده:

print(User.is_valid_age(20))
print(User.is_valid_age(15))

خروجی:

True
False

این متد به self یا اطلاعات یک کاربر خاص نیاز ندارد؛ فقط یک مقدار دریافت می‌کند و نتیجه می‌دهد.
⚠️ نکته مهم
@staticmethod باعث می‌شود Python هنگام فراخوانی متد، self را به صورت خودکار ارسال نکند.
بنابراین:

@staticmethod
def add(a, b):
    return a + b

با این ساختار:

def add(self, a, b):

متفاوت است.
🧠 خلاصه
اگر یک متد:
به self نیاز ندارد.
به اطلاعات نمونه‌ی کلاس وابسته نیست.
فقط یک عملیات مستقل مرتبط با کلاس انجام می‌دهد.
می‌توانیم از:

@staticmethod

استفاده کنیم.
مثلاً:

class Calculator:

    @staticmethod
    def add(a, b):
        return a + b

فراخوانی:

Calculator.add(10, 5)

🎯 تمرین
کلاسی به نام Math بساز و یک staticmethod به نام square ایجاد کن که مربع یک عدد را برگرداند.
مثلاً:

print(Math.square(6))

خروجی:

36

پست ۹۹ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۰
متدهای Class در Python | @classmethod
در پست قبل با @staticmethod آشنا شدیم.
حالا نوع دیگری از متدها را یاد می‌گیریم: @classmethod.
این متد به جای self، یک پارامتر به نام cls دریافت می‌کند که به خود کلاس اشاره دارد.
🔹 مثال ساده

class Person:

    count = 0

    @classmethod
    def show_count(cls):
        return cls.count

استفاده:

print(Person.show_count())

خروجی:

0

اینجا cls به کلاس Person اشاره می‌کند.
🔹 تغییر مقدار Class Attribute

class Person:

    count = 0

    @classmethod
    def increase_count(cls):
        cls.count += 1

حالا:

Person.increase_count()
Person.increase_count()

print(Person.count)

خروجی:

2

🔹 تفاوت self و cls
در متد معمولی:

def method(self):

self به نمونه‌ی کلاس اشاره می‌کند.
اما در classmethod:

@classmethod
def method(cls):

cls به خود کلاس اشاره می‌کند.
🔹 یک کاربرد مهم: Alternative Constructor
یکی از کاربردهای رایج classmethod ساختن یک شیء با روش دیگری است.

class Person:

    def __init__(self, name, age):
        self.name = name
        self.age = age

    @classmethod
    def from_string(cls, data):
        name, age = data.split(",")
        return cls(name, int(age))

حالا:

person = Person.from_string("Ali,25")

print(person.name)
print(person.age)

خروجی:

Ali
25

اینجا:

return cls(name, int(age))

یک نمونه‌ی جدید از کلاس ایجاد می‌کند.
⚠️ نکته مهم
سه حالت مهم را از هم جدا کن:

def method(self):

→ متد معمولی و مرتبط با نمونه

@classmethod
def method(cls):

→ متد مرتبط با کلاس

@staticmethod
def method():

→ متدی که به self و cls نیاز ندارد.
🧠 خلاصه
نوع متد
پارامتر اصلی
وابستگی
معمولی
self
نمونه
classmethod
cls
کلاس
staticmethod
ندارد
مستقل
🎯 تمرین
کلاس زیر را کامل کن:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    @classmethod
    def from_string(cls, data):
        # کد اینجا

طوری بنویس که:

product = Product.from_string("Laptop,1200")

print(product.name)
print(product.price)

خروجی:

Laptop
1200

✅ پاسخ کامل تمرین

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    @classmethod
    def from_string(cls, data):
        name, price = data.split(",")
        return cls(name, int(price))


product = Product.from_string("Laptop,1200")

print(product.name)
print(product.price)

خروجی:

Laptop
1200

در این مثال:

data.split(",")

رشته را به دو بخش تقسیم می‌کند:

Laptop
1200

سپس:

return cls(name, int(price))

با استفاده از cls یک شیء جدید از Product می‌سازد.
پست ۱۰۰ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۱
کنترل دسترسی به ویژگی‌ها با @property
در کلاس‌ها معمولاً ویژگی‌ها را مستقیماً از طریق شیء می‌خوانیم:

class Person:

    def __init__(self, name):
        self.name = name


person = Person("Ali")

print(person.name)

اما گاهی می‌خواهیم هنگام دسترسی به یک ویژگی، منطق خاصی اجرا شود.
برای این کار می‌توانیم از @property استفاده کنیم.
🔹 مثال ساده

class Person:

    def __init__(self, first_name, last_name):
        self.first_name = first_name
        self.last_name = last_name

    @property
    def full_name(self):
        return f"{self.first_name} {self.last_name}"

حالا:

person = Person("Ali", "Ahmadi")

print(person.full_name)

خروجی:

Ali Ahmadi

دقت کن که full_name را مثل ویژگی استفاده کردیم:

person.full_name

نه مثل تابع:

person.full_name()

🔹 چرا @property مفید است؟
بدون property ممکن بود مجبور شویم یک متد بنویسیم:

def get_full_name(self):
    return f"{self.first_name} {self.last_name}"

و استفاده کنیم:

person.get_full_name()

اما با @property:

person.full_name

خواندن مقدار طبیعی‌تر و شبیه دسترسی به یک ویژگی معمولی است.
🔹 مثال کاربردی

class Rectangle:

    def __init__(self, width, height):
        self.width = width
        self.height = height

    @property
    def area(self):
        return self.width * self.height

استفاده:

rectangle = Rectangle(10, 5)

print(rectangle.area)

خروجی:

50

هر بار که rectangle.area را می‌خوانیم، مقدار مساحت محاسبه می‌شود.
⚠️ نکته مهم
متدی که با @property مشخص شده، هنگام استفاده بدون () فراخوانی می‌شود:

rectangle.area

نه:

rectangle.area()

🧠 خلاصه
@property به ما اجازه می‌دهد یک متد را مانند یک ویژگی استفاده کنیم.

@property
def area(self):
    return self.width * self.height

سپس:

rectangle.area

🎯 تمرین
کلاس زیر را کامل کن:

class Circle:

    def __init__(self, radius):
        self.radius = radius

    @property
    def diameter(self):
        # کد اینجا

طوری بنویس که:

circle = Circle(5)

print(circle.diameter)

خروجی:

10

✅ پاسخ کامل تمرین

class Circle:

    def __init__(self, radius):
        self.radius = radius

    @property
    def diameter(self):
        return self.radius * 2


circle = Circle(5)

print(circle.diameter)

خروجی:

10

در اینجا:

return self.radius * 2

قطر دایره را محاسبه می‌کند.
چون radius برابر 5 است:

5 × 2 = 10

و به دلیل استفاده از @property، برای دسترسی به diameter نیازی به () نداریم:

circle.diameter

پست ۱۰۱ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۲
تغییر مقدار ویژگی با @property و Setter
در پست قبل یاد گرفتیم با @property می‌توانیم یک مقدار را مثل ویژگی بخوانیم.
اما اگر بخواهیم هنگام تغییر مقدار هم کنترل داشته باشیم، می‌توانیم از setter استفاده کنیم.
🔹 مثال ساده

class Person:

    def __init__(self, age):
        self._age = age

    @property
    def age(self):
        return self._age

    @age.setter
    def age(self, value):
        self._age = value

حالا:

person = Person(20)

print(person.age)

person.age = 25

print(person.age)

خروجی:

20
25

🔹 چرا Setter مفید است؟
می‌توانیم قبل از ذخیره مقدار، آن را اعتبارسنجی کنیم.
مثلاً سن نباید منفی باشد:

class Person:

    def __init__(self, age):
        self.age = age

    @property
    def age(self):
        return self._age

    @age.setter
    def age(self, value):
        if value < 0:
            raise ValueError("Age cannot be negative")

        self._age = value

استفاده:

person = Person(20)

person.age = 30

print(person.age)

خروجی:

30

اما:

person.age = -5

باعث خطای:

ValueError: Age cannot be negative

می‌شود.
🔹 چرا از _age استفاده کردیم؟
اگر داخل Setter بنویسیم:

self.age = value

Setter دوباره خودش را صدا می‌زند و وارد یک حلقه‌ی بازگشتی می‌شود.
به همین دلیل مقدار اصلی را در ویژگی دیگری مانند:

self._age

ذخیره می‌کنیم.
🧠 خلاصه
Getter:

@property
def age(self):
    return self._age

برای خواندن مقدار است.
Setter:

@age.setter
def age(self, value):
    self._age = value

برای تغییر مقدار است.
به این ترتیب می‌توانیم هنگام تغییر ویژگی، قوانین و اعتبارسنجی‌های موردنظرمان را اجرا کنیم.
🎯 تمرین
کلاس Product را طوری کامل کن که قیمت محصول نمی‌تواند منفی باشد:

class Product:

    def __init__(self, price):
        self.price = price

    @property
    def price(self):
        # کد اینجا

    @price.setter
    def price(self, value):
        # کد اینجا

باید این کد:

product = Product(100)

product.price = 150

print(product.price)

خروجی:

150

و این کد:

product.price = -20

خطای ValueError ایجاد کند.
✅ پاسخ کامل تمرین

class Product:

    def __init__(self, price):
        self.price = price

    @property
    def price(self):
        return self._price

    @price.setter
    def price(self, value):
        if value < 0:
            raise ValueError("Price cannot be negative")

        self._price = value


product = Product(100)

print(product.price)

product.price = 150

print(product.price)

خروجی:

100
150

اگر مقدار منفی وارد کنیم:

product.price = -20

خروجی خطا خواهد بود:

ValueError: Price cannot be negative

در این مثال:

self.price = price

در __init__ باعث می‌شود Setter نیز برای مقدار اولیه اجرا شود.
سپس Getter مقدار ذخیره‌شده در:

self._price

را برمی‌گرداند.
پست ۱۰۲ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۳
حذف ویژگی با @property و deleter
در پست قبل یاد گرفتیم با setter می‌توانیم تغییر مقدار یک ویژگی را کنترل کنیم.
حالا می‌توانیم عملیات حذف آن ویژگی را هم کنترل کنیم.
برای این کار از @property همراه با deleter استفاده می‌کنیم.
🔹 مثال ساده

class Person:

    def __init__(self, name):
        self._name = name

    @property
    def name(self):
        return self._name

    @name.deleter
    def name(self):
        del self._name

حالا:

person = Person("Ali")

print(person.name)

del person.name

قبل از حذف:

Ali

بعد از:

del person.name

ویژگی _name از شیء حذف می‌شود.
🔹 چرا Deleter مفید است؟
گاهی نمی‌خواهیم یک ویژگی بدون کنترل حذف شود.
مثلاً می‌توانیم هنگام حذف، یک عملیات اضافی انجام دهیم:

class User:

    def __init__(self, username):
        self._username = username

    @property
    def username(self):
        return self._username

    @username.deleter
    def username(self):
        print("Username deleted")
        del self._username

استفاده:

user = User("Ali")

print(user.username)

del user.username

خروجی:

Ali
Username deleted

🔹 سه بخش یک Property
حالا می‌توانیم یک property کامل داشته باشیم:

class Product:

    def __init__(self, price):
        self._price = price

    @property
    def price(self):
        return self._price

    @price.setter
    def price(self, value):
        if value < 0:
            raise ValueError("Price cannot be negative")

        self._price = value

    @price.deleter
    def price(self):
        del self._price

اینجا:

@property        → خواندن
@price.setter    → تغییر
@price.deleter   → حذف

🔹 استفاده

product = Product(100)

print(product.price)

product.price = 200

print(product.price)

del product.price

در اینجا هر سه عملیات توسط property کنترل می‌شوند.
⚠️ نکته مهم
بعد از:

del product.price

دیگر _price وجود ندارد.
بنابراین اگر دوباره بنویسیم:

print(product.price)

با خطای AttributeError مواجه می‌شویم.
🧠 خلاصه
یک property می‌تواند سه رفتار داشته باشد:

@property
def value(self):
    ...

برای خواندن

@value.setter
def value(self, new_value):
    ...

برای تغییر

@value.deleter
def value(self):
    ...

برای حذف
🎯 تمرین
کلاس Account را کامل کن تا ویژگی username قابلیت خواندن، تغییر و حذف داشته باشد:

class Account:

    def __init__(self, username):
        self._username = username

    @property
    def username(self):
        # کد اینجا

    @username.setter
    def username(self, value):
        # کد اینجا

    @username.deleter
    def username(self):
        # کد اینجا

سپس این کد را اجرا کن:

account = Account("Ali")

print(account.username)

account.username = "Reza"
print(account.username)

del account.username

پست ۱۰۳ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۴
نمایش بهتر اشیاء با __str__ و __repr__
حالا که با کلاس‌ها و @property آشنا شدیم، می‌خواهیم نحوه نمایش Objectها را کنترل کنیم.
به طور پیش‌فرض اگر یک شیء را چاپ کنیم، Python اطلاعاتی شبیه آدرس آن شیء نمایش می‌دهد.
برای کنترل این رفتار از دو متد ویژه استفاده می‌کنیم:

__str__
__repr__

🔹 __str__
__str__ مشخص می‌کند وقتی شیء را با print() نمایش می‌دهیم، چه متنی نشان داده شود.

class Person:

    def __init__(self, name, age):
        self.name = name
        self.age = age

    def __str__(self):
        return f"{self.name} - {self.age} years old"

حالا:

person = Person("Ali", 25)

print(person)

خروجی:

Ali - 25 years old

🔹 اگر __str__ نداشته باشیم
مثلاً:

class Person:

    def __init__(self, name):
        self.name = name


person = Person("Ali")

print(person)

خروجی شبیه این خواهد بود:

<__main__.Person object at 0x...>

این خروجی برای کاربر چندان مفید نیست.
با __str__ می‌توانیم نمایش خواناتری داشته باشیم.
🔹 __repr__
__repr__ برای ارائه یک نمایش دقیق‌تر و مناسب برای توسعه‌دهنده از شیء استفاده می‌شود.

class Person:

    def __init__(self, name, age):
        self.name = name
        self.age = age

    def __str__(self):
        return f"{self.name} ({self.age})"

    def __repr__(self):
        return f"Person(name={self.name!r}, age={self.age!r})"

حالا:

person = Person("Ali", 25)

print(person)
print(repr(person))

خروجی:

Ali (25)
Person(name='Ali', age=25)

🔹 تفاوت str() و repr()

print(str(person))
print(repr(person))

به ترتیب:

Ali (25)
Person(name='Ali', age=25)

پس:

str  → نمایش خواناتر برای کاربر
repr → نمایش دقیق‌تر برای توسعه‌دهنده

⚠️ نکته مهم
اگر __str__ را تعریف نکرده باشیم، Python در بسیاری از موارد برای نمایش شیء می‌تواند از __repr__ استفاده کند.
اما __str__ و __repr__ هدف یکسانی ندارند:
__str__ → نمایش دوستانه و قابل‌خواندن
__repr__ → نمایش دقیق‌تر و مناسب توسعه و دیباگ
🧠 خلاصه

def __str__(self):
    return "..."

برای:

print(object)

و:

def __repr__(self):
    return "..."

برای:

repr(object)

🎯 تمرین
کلاس زیر را کامل کن:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __str__(self):
        # کد اینجا

    def __repr__(self):
        # کد اینجا

طوری بنویس که:

product = Product("Laptop", 1200)

print(product)
print(repr(product))

خروجی شبیه این باشد:

Laptop - $1200
Product(name='Laptop', price=1200)

✅ پاسخ کامل تمرین

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __str__(self):
        return f"{self.name} - ${self.price}"

    def __repr__(self):
        return f"Product(name={self.name!r}, price={self.price!r})"


product = Product("Laptop", 1200)

print(product)
print(repr(product))

خروجی:

Laptop - $1200
Product(name='Laptop', price=1200)

در __str__:

return f"{self.name} - ${self.price}"

نمایش خوانا و مناسب برای کاربر ساخته می‌شود.
در __repr__:

return f"Product(name={self.name!r}, price={self.price!r})"

نمایش دقیق‌تری از نوع شیء و مقادیر آن ایجاد می‌کنیم.
پست ۱۰۴ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۵
تعیین طول شیء با __len__
در پست قبل با __str__ و __repr__ آشنا شدیم.
حالا یکی دیگر از متدهای جادویی (Magic Methods) را یاد می‌گیریم:

__len__

این متد مشخص می‌کند وقتی از len() روی یک شیء استفاده می‌کنیم، چه مقداری برگردانده شود.
🔹 استفاده از __len__
مثلاً می‌توانیم برای یک کلاس Playlist تعداد آهنگ‌ها را مشخص کنیم:

class Playlist:

    def __init__(self, songs):
        self.songs = songs

    def __len__(self):
        return len(self.songs)

حالا:

playlist = Playlist(["Song 1", "Song 2", "Song 3"])

print(len(playlist))

خروجی:

3

🔹 چرا __len__؟
Python نمی‌داند طول یک شیء ساخته‌شده از کلاس ما چقدر است.
با تعریف:

def __len__(self):

مشخص می‌کنیم len() چگونه مقدار طول را محاسبه کند.
مثلاً:

class Team:

    def __init__(self, members):
        self.members = members

    def __len__(self):
        return len(self.members)


team = Team(["Ali", "Sara", "Reza", "Mina"])

print(len(team))

خروجی:

4

⚠️ نکته مهم
__len__ باید یک عدد صحیح (int) غیرمنفی برگرداند.
مثلاً این اشتباه است:

def __len__(self):
    return "5"

چون "5" یک رشته است، نه عدد.
🔹 ارتباط با bool
یک نکته جالب:
اگر کلاس __bool__ نداشته باشد، Python می‌تواند از __len__ برای تعیین True یا False بودن شیء استفاده کند.

class Team:

    def __init__(self, members):
        self.members = members

    def __len__(self):
        return len(self.members)


team = Team([])

print(bool(team))

خروجی:

False

چون طول شیء 0 است.
اگر عضو داشته باشیم:

team = Team(["Ali"])

print(bool(team))

خروجی:

True

🎯 تمرین
کلاس Cart را کامل کن تا len() تعداد محصولات سبد خرید را برگرداند:

class Cart:

    def __init__(self, products):
        self.products = products

    def __len__(self):
        # کد اینجا


cart = Cart(["Laptop", "Mouse", "Keyboard"])

print(len(cart))

خروجی مورد انتظار:

3

پست ۱۰۵ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۶
مقایسه اشیاء با __eq__
تا اینجا دیدیم چطور رفتار شیء را با متدهایی مثل __str__ و __len__ کنترل کنیم.
حالا می‌خواهیم مشخص کنیم دو شیء چه زمانی برابر محسوب می‌شوند.
برای این کار از متد جادویی زیر استفاده می‌کنیم:

__eq__

🔹 __eq__ چیست؟
وقتی از == استفاده می‌کنیم، Python می‌تواند از __eq__ برای مقایسه دو شیء استفاده کند.
مثلاً:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __eq__(self, other):
        return self.name == other.name and self.price == other.price

حالا:

product1 = Product("Laptop", 1200)
product2 = Product("Laptop", 1200)

print(product1 == product2)

خروجی:

True

چون name و price هر دو برابر هستند.
🔹 اگر مقدارها متفاوت باشند

product1 = Product("Laptop", 1200)
product2 = Product("Laptop", 1500)

print(product1 == product2)

خروجی:

False

🔹 چرا این متد مهم است؟
بدون پیاده‌سازی __eq__، دو شیء مستقل معمولاً فقط به دلیل اینکه مقادیر مشابهی دارند، برابر در نظر گرفته نمی‌شوند.

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price


product1 = Product("Laptop", 1200)
product2 = Product("Laptop", 1200)

print(product1 == product2)

در این حالت نتیجه معمولاً:

False

است؛ چون product1 و product2 دو شیء جداگانه هستند.
🔹 پارامتر other
در این متد:

def __eq__(self, other):

self به شیء سمت چپ و other به شیء سمت راست مقایسه اشاره می‌کند.
مثلاً:

product1 == product2

تقریباً به این شکل بررسی می‌شود:

product1.__eq__(product2)

⚠️ نکته مهم
باید مراقب نوع other باشیم.
مثلاً این کد:

product == 100

ممکن است باعث خطا شود، چون 100 ویژگی‌های name و price را ندارد.
یک روش امن‌تر:

def __eq__(self, other):

    if not isinstance(other, Product):
        return NotImplemented

    return self.name == other.name and self.price == other.price

NotImplemented به Python می‌گوید این مقایسه را با این نوع شیء نمی‌توانیم انجام دهیم.
🎯 تمرین
کلاس User را طوری کامل کن که دو کاربر وقتی username و age یکسان دارند، برابر محسوب شوند:

class User:

    def __init__(self, username, age):
        self.username = username
        self.age = age

    def __eq__(self, other):
        # کد اینجا


user1 = User("ali", 25)
user2 = User("ali", 25)
user3 = User("sara", 25)

print(user1 == user2)
print(user1 == user3)

خروجی مورد انتظار:

True
False

✅ پاسخ کامل تمرین

class User:

    def __init__(self, username, age):
        self.username = username
        self.age = age

    def __eq__(self, other):

        if not isinstance(other, User):
            return NotImplemented

        return (
            self.username == other.username
            and self.age == other.age
        )


user1 = User("ali", 25)
user2 = User("ali", 25)
user3 = User("sara", 25)

print(user1 == user2)
print(user1 == user3)

خروجی:

True
False

در این قسمت:

self.username == other.username

نام کاربری دو شیء را مقایسه می‌کنیم.
و در این قسمت:

self.age == other.age

سن دو شیء را مقایسه می‌کنیم.
در نهایت با and هر دو شرط باید True باشند تا دو کاربر برابر محسوب شوند.
پست ۱۰۶ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۷
مقایسه اشیاء با __lt__
در پست قبل یاد گرفتیم با __eq__ مشخص کنیم دو شیء چه زمانی برابر هستند.
حالا می‌خواهیم رفتار عملگر < را برای اشیای کلاس خودمان تعریف کنیم.
برای این کار از:

__lt__

استفاده می‌کنیم.
🔹 __lt__ چیست؟
__lt__ مخفف Less Than است.
یعنی:

<

مثلاً می‌توانیم محصولات را بر اساس قیمت مقایسه کنیم:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __lt__(self, other):
        return self.price < other.price

حالا:

product1 = Product("Mouse", 20)
product2 = Product("Keyboard", 50)

print(product1 < product2)

خروجی:

True

چون:

20 < 50

🔹 مقایسه برعکس

print(product2 < product1)

خروجی:

False

چون:

50 < 20

صحیح نیست.
🔹 __lt__ چگونه اجرا می‌شود؟
وقتی می‌نویسیم:

product1 < product2

Python تقریباً این متد را فراخوانی می‌کند:

product1.__lt__(product2)

بنابراین:

self

به product1 و:

other

به product2 اشاره می‌کند.
⚠️ نکته مهم
__lt__ فقط رفتار < را تعریف می‌کند.
یعنی با تعریف آن، لزوماً تمام عملگرهای مقایسه‌ای دیگر (>, <=, >=) را برای کلاس تعریف نکرده‌ایم.
هرکدام از این رفتارها متدهای ویژه مربوط به خودشان را دارند.
🔹 مثال کاربردی
می‌توانیم دانش‌آموزها را بر اساس نمره مقایسه کنیم:

class Student:

    def __init__(self, name, score):
        self.name = name
        self.score = score

    def __lt__(self, other):
        return self.score < other.score


student1 = Student("Ali", 15)
student2 = Student("Sara", 18)

print(student1 < student2)

خروجی:

True

چون نمره Ali کمتر از نمره Sara است.
🎯 تمرین
کلاس Book را کامل کن تا دو کتاب بر اساس قیمت با < مقایسه شوند:

class Book:

    def __init__(self, title, price):
        self.title = title
        self.price = price

    def __lt__(self, other):
        # کد اینجا


book1 = Book("Python", 30)
book2 = Book("Django", 45)

print(book1 < book2)
print(book2 < book1)

خروجی مورد انتظار:

True
False

پست ۱۰۷ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۸
مقایسه اشیاء با __gt__
در پست قبل با __lt__ یاد گرفتیم رفتار عملگر < را برای اشیای کلاس خودمان تعریف کنیم.
حالا نوبت عملگر بزرگ‌تر است:

>

برای تعریف این رفتار از متد جادویی:

__gt__

استفاده می‌کنیم.
🔹 __gt__ چیست؟
__gt__ مخفف Greater Than است.
مثلاً می‌توانیم محصولات را بر اساس قیمت مقایسه کنیم:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __gt__(self, other):
        return self.price > other.price

حالا:

product1 = Product("Laptop", 1200)
product2 = Product("Mouse", 50)

print(product1 > product2)

خروجی:

True

چون:

1200 > 50

🔹 مقایسه برعکس

print(product2 > product1)

خروجی:

False

چون:

50 > 1200

صحیح نیست.
🔹 __gt__ چگونه اجرا می‌شود؟
وقتی می‌نویسیم:

product1 > product2

Python از متد مقایسه‌ای مربوط به این عملگر استفاده می‌کند؛ در حالت معمول:

product1.__gt__(product2)

بنابراین:

self

به شیء سمت چپ و:

other

به شیء سمت راست اشاره می‌کند.
🔹 مثال با دانش‌آموز

class Student:

    def __init__(self, name, score):
        self.name = name
        self.score = score

    def __gt__(self, other):
        return self.score > other.score


student1 = Student("Ali", 18)
student2 = Student("Sara", 15)

print(student1 > student2)

خروجی:

True

چون نمره 18 از 15 بیشتر است.
⚠️ نکته مهم
__gt__ فقط رفتار عملگر:

>

را برای کلاس تعریف می‌کند.
برای عملگرهایی مانند:

<   <=   >=

متدهای مقایسه‌ای دیگری وجود دارند.
در ادامه با آن‌ها آشنا می‌شویم.
🎯 تمرین
کلاس Car را کامل کن تا خودروها بر اساس قیمت با > مقایسه شوند:

class Car:

    def __init__(self, model, price):
        self.model = model
        self.price = price

    def __gt__(self, other):
        # کد اینجا


car1 = Car("BMW", 50000)
car2 = Car("Toyota", 30000)

print(car1 > car2)
print(car2 > car1)

خروجی مورد انتظار:

True
False

پست ۱۰۸ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۰۹
مقایسه اشیاء با __le__ و __ge__
در دو پست قبل با:

__lt__
__gt__

رفتار < و > را برای اشیای کلاس تعریف کردیم.
حالا دو عملگر دیگر را یاد می‌گیریم:

<=
>=

🔹 __le__
__le__ مخفف Less Than or Equal است.
یعنی:

کوچک‌تر یا مساوی

مثلاً:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __le__(self, other):
        return self.price <= other.price

حالا:

product1 = Product("Mouse", 50)
product2 = Product("Keyboard", 50)

print(product1 <= product2)

خروجی:

True

چون:

50 <= 50

صحیح است.
🔹 __ge__
__ge__ مخفف Greater Than or Equal است.
یعنی:

بزرگ‌تر یا مساوی

مثلاً:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __ge__(self, other):
        return self.price >= other.price

حالا:

product1 = Product("Laptop", 1200)
product2 = Product("Mouse", 50)

print(product1 >= product2)

خروجی:

True

چون:

1200 >= 50

صحیح است.
🔹 یک مثال کامل
می‌توانیم هر دو متد را در یک کلاس داشته باشیم:

class Student:

    def __init__(self, name, score):
        self.name = name
        self.score = score

    def __le__(self, other):
        return self.score <= other.score

    def __ge__(self, other):
        return self.score >= other.score


student1 = Student("Ali", 18)
student2 = Student("Sara", 18)

print(student1 <= student2)
print(student1 >= student2)

خروجی:

True
True

چون نمره هر دو دانش‌آموز 18 است.
🧠 متدهای مقایسه‌ای مهم
تا اینجا با این متدها آشنا شدیم:

__eq__  → ==
__lt__  → <
__gt__  → >
__le__  → <=
__ge__  → >=

این متدها به Python می‌گویند عملگرهای مقایسه‌ای با اشیای کلاس ما چگونه رفتار کنند.
🎯 تمرین
کلاس Book را کامل کن تا دو کتاب بر اساس قیمت با <= و >= مقایسه شوند:

class Book:

    def __init__(self, title, price):
        self.title = title
        self.price = price

    def __le__(self, other):
        # کد اینجا

    def __ge__(self, other):
        # کد اینجا


book1 = Book("Python", 30)
book2 = Book("Django", 45)

print(book1 <= book2)
print(book1 >= book2)

خروجی مورد انتظار:

True
False

✅ پاسخ کامل تمرین

class Book:

    def __init__(self, title, price):
        self.title = title
        self.price = price

    def __le__(self, other):
        return self.price <= other.price

    def __ge__(self, other):
        return self.price >= other.price


book1 = Book("Python", 30)
book2 = Book("Django", 45)

print(book1 <= book2)
print(book1 >= book2)

خروجی:

True
False

در این قسمت:

return self.price <= other.price

قیمت کتاب سمت چپ با قیمت کتاب سمت راست مقایسه می‌شود.
و در:

return self.price >= other.price

برعکس، بررسی می‌کنیم که قیمت کتاب سمت چپ بزرگ‌تر یا مساوی قیمت کتاب سمت راست باشد.
پست ۱۰۹ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۰
بررسی نابرابری اشیاء با __ne__
در پست‌های قبل با متدهای مقایسه‌ای مختلف آشنا شدیم.
حالا می‌خواهیم رفتار عملگر:

!=

را برای اشیای کلاس خودمان تعریف کنیم.
برای این کار از متد جادویی:

__ne__

استفاده می‌کنیم.
🔹 __ne__ چیست؟
__ne__ مخفف Not Equal است.
یعنی بررسی می‌کند آیا دو شیء با هم متفاوت هستند یا نه.
مثلاً:

class Product:

    def __init__(self, name, price):
        self.name = name
        self.price = price

    def __ne__(self, other):
        return (
            self.name != other.name
            or self.price != other.price
        )

حالا:

product1 = Product("Laptop", 1200)
product2 = Product("Laptop", 1500)

print(product1 != product2)

خروجی:

True

چون قیمت دو محصول متفاوت است.
🔹 وقتی هر دو مقدار یکسان باشند

product1 = Product("Laptop", 1200)
product2 = Product("Laptop", 1200)

print(product1 != product2)

خروجی:

False

چون دو محصول از نظر name و price یکسان هستند.
🔹 __ne__ چگونه اجرا می‌شود؟
وقتی می‌نویسیم:

product1 != product2

Python می‌تواند متد زیر را فراخوانی کند:

product1.__ne__(product2)

بنابراین:

self  → شیء سمت چپ
other → شیء سمت راست

⚠️ نکته مهم
در مثال بالا از or استفاده کردیم:

self.name != other.name or self.price != other.price

چون اگر حتی یکی از این دو مقدار متفاوت باشد، دو محصول متفاوت محسوب می‌شوند.
مثلاً:

name یکسان + price متفاوت → True
name متفاوت + price یکسان → True
name متفاوت + price متفاوت → True
name یکسان + price یکسان → False

🧠 متدهای مقایسه‌ای تا اینجا

__eq__  → ==
__ne__  → !=
__lt__  → <
__gt__  → >
__le__  → <=
__ge__  → >=

با این متدها می‌توانیم رفتار اصلی عملگرهای مقایسه‌ای را برای کلاس خودمان تعریف کنیم.
🎯 تمرین
کلاس User را کامل کن تا دو کاربر وقتی username یا age متفاوت دارند، متفاوت محسوب شوند:

class User:

    def __init__(self, username, age):
        self.username = username
        self.age = age

    def __ne__(self, other):
        # کد اینجا


user1 = User("ali", 25)
user2 = User("ali", 25)
user3 = User("sara", 25)

print(user1 != user2)
print(user1 != user3)

خروجی مورد انتظار:

False
True

✅ پاسخ کامل تمرین

class User:

    def __init__(self, username, age):
        self.username = username
        self.age = age

    def __ne__(self, other):
        if not isinstance(other, User):
            return NotImplemented

        return (
            self.username != other.username
            or self.age != other.age
        )


user1 = User("ali", 25)
user2 = User("ali", 25)
user3 = User("sara", 25)

print(user1 != user2)
print(user1 != user3)

خروجی:

False
True

در این قسمت:

self.username != other.username

نام کاربری دو شیء مقایسه می‌شود.
و:

self.age != other.age

سن دو شیء مقایسه می‌شود.
از or استفاده می‌کنیم، چون متفاوت بودن حتی یکی از ویژگی‌ها کافی است تا دو کاربر متفاوت محسوب شوند.
پست ۱۱۰ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۱
کنترل عملگر in با __contains__
تا اینجا چندین Magic Method برای کنترل رفتار اشیاء یاد گرفتیم.
حالا می‌خواهیم مشخص کنیم وقتی از عملگر:

in

برای یک شیء استفاده می‌کنیم، Python چگونه بررسی کند که یک مقدار داخل آن شیء وجود دارد یا نه.
برای این کار از:

__contains__

استفاده می‌کنیم.
🔹 __contains__ چیست؟
این متد رفتار عملگر in را برای شیء مشخص می‌کند.
مثلاً یک کلاس Playlist می‌سازیم:

class Playlist:

    def __init__(self, songs):
        self.songs = songs

    def __contains__(self, song):
        return song in self.songs

حالا:

playlist = Playlist([
    "Song A",
    "Song B",
    "Song C"
])

print("Song B" in playlist)
print("Song X" in playlist)

خروجی:

True
False

🔹 not in
وقتی __contains__ را تعریف کنیم، می‌توانیم از not in هم استفاده کنیم:

print("Song X" not in playlist)

خروجی:

True

🔹 __contains__ چگونه اجرا می‌شود؟
وقتی می‌نویسیم:

"Song B" in playlist

Python از رفتار تعریف‌شده در:

playlist.__contains__("Song B")

استفاده می‌کند.
در این متد:

def __contains__(self, song):

پارامتر song همان مقداری است که می‌خواهیم وجود آن را بررسی کنیم.
🔹 مثال با UserGroup
می‌توانیم بررسی کنیم آیا یک نام کاربری در گروه وجود دارد یا نه:

class UserGroup:

    def __init__(self, users):
        self.users = users

    def __contains__(self, username):
        return username in self.users


group = UserGroup(["ali", "sara", "reza"])

print("ali" in group)
print("mina" in group)

خروجی:

True
False

⚠️ نکته مهم
__contains__ باید نتیجه‌ای مناسب برای بررسی وجود داشتن برگرداند؛ معمولاً:

True

یا:

False

در واقع می‌توانیم منطق بررسی را کاملاً مطابق نیاز کلاس خودمان تعریف کنیم.
🧠 چند Magic Method مهم تا اینجا

__str__       → print()
__repr__      → repr()
__len__       → len()
__eq__        → ==
__ne__        → !=
__lt__        → <
__gt__        → >
__le__        → <=
__ge__        → >=
__contains__  → in

این متدها به ما اجازه می‌دهند رفتار طبیعی Python را برای کلاس‌های خودمان شخصی‌سازی کنیم.
🎯 تمرین
کلاس Library را کامل کن تا بتوانیم با in بررسی کنیم آیا یک کتاب در کتابخانه وجود دارد یا نه:

class Library:

    def __init__(self, books):
        self.books = books

    def __contains__(self, title):
        # کد اینجا


library = Library([
    "Python",
    "Django",
    "Flask"
])

print("Python" in library)
print("Java" in library)

خروجی مورد انتظار:

True
False

پست ۱۱۱ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۲
دسترسی به عناصر شیء با __getitem__
تا اینجا یاد گرفتیم با __contains__ رفتار in را برای یک شیء کنترل کنیم.
حالا می‌خواهیم کاری کنیم که بتوانیم با استفاده از [] به عناصر یک شیء دسترسی داشته باشیم.
برای این کار از __getitem__ استفاده می‌کنیم.
🔹 __getitem__
وقتی Python چنین کدی می‌بیند:

object[index]

در واقع می‌تواند متد زیر را صدا بزند:

object.__getitem__(index)

🔹 مثال ساده

class Playlist:
    def __init__(self, songs):
        self.songs = songs

    def __getitem__(self, index):
        return self.songs[index]


playlist = Playlist([
    "Song A",
    "Song B",
    "Song C"
])

print(playlist[0])
print(playlist[1])

خروجی:

Song A
Song B

در اینجا:

playlist[0]

باعث می‌شود Python از __getitem__ استفاده کند.
🔹 پشتیبانی از Index منفی
چون در مثال بالا دسترسی نهایی به یک list انجام می‌شود، Index منفی هم کار می‌کند:

print(playlist[-1])

خروجی:

Song C

🔹 پشتیبانی از Slice
__getitem__ فقط برای یک Index نیست؛ می‌توانیم Slice هم دریافت کنیم:

print(playlist[0:2])

خروجی:

['Song A', 'Song B']

چون مقدار 0:2 به عنوان index به __getitem__ ارسال می‌شود.
⚠️ نکته مهم
__getitem__ خودش الزاماً داده‌ها را نگهداری نمی‌کند.
در مثال ما:

self.songs

داده‌ها را نگهداری می‌کند و __getitem__ فقط نحوه دسترسی به آن‌ها را مشخص می‌کند.
🧠 خلاصه

obj[index]
     ↓
__getitem__(index)

مثلاً:

playlist[1]

تقریباً معادل:

playlist.__getitem__(1)

است.
🎯 تمرین
کلاس Library را کامل کن تا بتوانیم با Index به کتاب‌ها دسترسی داشته باشیم:

class Library:
    def __init__(self, books):
        self.books = books

    def __getitem__(self, index):
        # code


library = Library([
    "Python",
    "Django",
    "Flask"
])

print(library[0])
print(library[2])

خروجی مورد انتظار:

Python
Flask

پست ۱۱۲ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۳
تغییر عناصر شیء با __setitem__
در پست قبل یاد گرفتیم با __getitem__ کاری کنیم که بتوانیم از [] برای خواندن عناصر یک شیء استفاده کنیم.
حالا می‌خواهیم با همان [] بتوانیم مقدار یک عنصر را تغییر دهیم.
برای این کار از __setitem__ استفاده می‌کنیم.
🔹 __setitem__
وقتی Python چنین کدی می‌بیند:

object[index] = value

می‌تواند متد زیر را اجرا کند:

object.__setitem__(index, value)

🔹 مثال ساده

class Playlist:
    def __init__(self, songs):
        self.songs = songs

    def __getitem__(self, index):
        return self.songs[index]

    def __setitem__(self, index, value):
        self.songs[index] = value


playlist = Playlist([
    "Song A",
    "Song B",
    "Song C"
])

playlist[1] = "New Song"

print(playlist[1])

خروجی:

New Song

در اینجا:

playlist[1] = "New Song"

باعث می‌شود Python از __setitem__ استفاده کند.
🔹 چه اتفاقی می‌افتد؟
این کد:

playlist[1] = "New Song"

تقریباً به این شکل عمل می‌کند:

playlist.__setitem__(1, "New Song")

و داخل متد:

self.songs[index] = value

مقدار داخل لیست تغییر می‌کند.
🔹 ترکیب __getitem__ و __setitem__
با داشتن هر دو متد، شیء ما می‌تواند هم خوانده و هم تغییر داده شود:

playlist = Playlist([
    "Song A",
    "Song B",
    "Song C"
])

print(playlist[0])

playlist[0] = "Updated Song"

print(playlist[0])

خروجی:

Song A
Updated Song

⚠️ نکته مهم
__getitem__ برای دریافت مقدار است:

playlist[0]

اما __setitem__ برای قرار دادن یا تغییر مقدار است:

playlist[0] = "New Song"

پس:

__getitem__  → obj[index]
__setitem__  → obj[index] = value

🎯 تمرین
کلاس Inventory را کامل کن:

class Inventory:
    def __init__(self, items):
        self.items = items

    def __getitem__(self, index):
        # code

    def __setitem__(self, index, value):
        # code


inventory = Inventory([
    "Keyboard",
    "Mouse",
    "Monitor"
])

print(inventory[1])

inventory[1] = "Gaming Mouse"

print(inventory[1])

خروجی مورد انتظار:

Mouse
Gaming Mouse

✅ پاسخ کامل تمرین

class Inventory:
    def __init__(self, items):
        self.items = items

    def __getitem__(self, index):
        return self.items[index]

    def __setitem__(self, index, value):
        self.items[index] = value


inventory = Inventory([
    "Keyboard",
    "Mouse",
    "Monitor"
])

print(inventory[1])

inventory[1] = "Gaming Mouse"

print(inventory[1])

خروجی:

Mouse
Gaming Mouse

پست ۱۱۳ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۴
پیمایش روی شیء با __iter__
تا اینجا یاد گرفتیم با __getitem__ به عناصر یک شیء دسترسی داشته باشیم.
حالا می‌خواهیم کاری کنیم که بتوانیم مستقیماً روی شیء با for پیمایش کنیم.
برای این کار از __iter__ استفاده می‌کنیم.
🔹 __iter__
وقتی می‌نویسیم:

for item in object:
    print(item)

Python باید بداند چگونه روی object پیمایش کند.
یکی از روش‌های اصلی این کار استفاده از:

__iter__()

است.
🔹 مثال ساده

class Playlist:
    def __init__(self, songs):
        self.songs = songs

    def __iter__(self):
        return iter(self.songs)


playlist = Playlist([
    "Song A",
    "Song B",
    "Song C"
])

for song in playlist:
    print(song)

خروجی:

Song A
Song B
Song C

🔹 چرا iter()؟
در اینجا:

return iter(self.songs)

تابع iter() از لیست یک iterator می‌سازد.
سپس for از آن برای گرفتن عناصر یکی‌یکی استفاده می‌کند.
🔹 استفاده با list()
یک شیء قابل پیمایش را می‌توان به لیست هم تبدیل کرد:

print(list(playlist))

خروجی:

['Song A', 'Song B', 'Song C']

🔹 یک مثال دیگر

class Team:
    def __init__(self, members):
        self.members = members

    def __iter__(self):
        return iter(self.members)


team = Team([
    "Ali",
    "Sara",
    "Reza"
])

for member in team:
    print(member)

خروجی:

Ali
Sara
Reza

⚠️ نکته مهم
__iter__ باید یک iterator برگرداند.
در مثال ما:

return iter(self.members)

این کار را برای لیست داخلی انجام می‌دهد.
بنابراین:

__iter__ → امکان پیمایش شیء با for

🧠 مقایسه تا اینجا

__contains__ → in
__getitem__  → obj[index]
__setitem__  → obj[index] = value
__iter__     → for item in obj

هرکدام رفتار متفاوتی از شیء را کنترل می‌کنند.
🎯 تمرین
کلاس Library را طوری کامل کن که بتوانیم روی کتاب‌های آن با for پیمایش کنیم:

class Library:
    def __init__(self, books):
        self.books = books

    def __iter__(self):
        # code


library = Library([
    "Python",
    "Django",
    "Flask"
])

for book in library:
    print(book)

خروجی مورد انتظار:

Python
Django
Flask

✅ پاسخ کامل تمرین

class Library:
    def __init__(self, books):
        self.books = books

    def __iter__(self):
        return iter(self.books)


library = Library([
    "Python",
    "Django",
    "Flask"
])

for book in library:
    print(book)

خروجی:

Python
Django
Flask

پست ۱۱۴ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۵
ساخت Iterator با __next__
در پست قبل با __iter__ آشنا شدیم.
حالا می‌خواهیم ببینیم یک Iterator چگونه می‌تواند عناصر را یکی‌یکی در اختیار Python قرار دهد.
برای این کار از __next__ استفاده می‌کنیم.
🔹 __next__
هر بار که next() را روی یک Iterator اجرا کنیم، عنصر بعدی را برمی‌گرداند:

numbers = iter([10, 20, 30])

print(next(numbers))
print(next(numbers))
print(next(numbers))

خروجی:

10
20
30

بعد از تمام شدن عناصر، next() با خطای StopIteration مواجه می‌شود.
🔹 ساخت Iterator خودمان
می‌توانیم کلاسی بسازیم که خودش Iterator باشد:

class Counter:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.end:
            raise StopIteration

        value = self.current
        self.current += 1
        return value

حالا:

counter = Counter(1, 3)

print(next(counter))
print(next(counter))
print(next(counter))

خروجی:

1
2
3

🔹 استفاده با for
چون کلاس ما __iter__ و __next__ دارد، می‌توانیم از آن با for هم استفاده کنیم:

counter = Counter(1, 3)

for number in counter:
    print(number)

خروجی:

1
2
3

🔹 چرا return self؟
در این مثال:

def __iter__(self):
    return self

خود شیء Counter همان Iterator است.
پس Python همان شیء را برای دریافت مقادیر بعدی استفاده می‌کند.
🔹 نقش StopIteration
وقتی دیگر مقداری باقی نمانده باشد:

if self.current > self.end:
    raise StopIteration

به Python می‌گوییم:

دیگر عنصری برای پیمایش وجود ندارد.

for این وضعیت را مدیریت می‌کند و حلقه را متوقف می‌کند.
🧠 تفاوت __iter__ و __next__

__iter__ → Iterator را برمی‌گرداند
__next__ → عنصر بعدی را برمی‌گرداند

برای ساخت یک Iterator معمولاً هر دو متد را داریم:

__iter__()
__next__()

🎯 تمرین
کلاس Countdown را کامل کن تا از عدد 3 تا 1 را یکی‌یکی برگرداند:

class Countdown:
    def __init__(self, start):
        self.current = start

    def __iter__(self):
        # code

    def __next__(self):
        # code


countdown = Countdown(3)

for number in countdown:
    print(number)

خروجی مورد انتظار:

3
2
1

✅ پاسخ کامل تمرین

class Countdown:
    def __init__(self, start):
        self.current = start

    def __iter__(self):
        return self

    def __next__(self):
        if self.current < 1:
            raise StopIteration

        value = self.current
        self.current -= 1
        return value


countdown = Countdown(3)

for number in countdown:
    print(number)

خروجی:

3
2
1

در اینجا:

self.current -= 1

در هر مرحله عدد را یک واحد کاهش می‌دهد.
وقتی مقدار به 0 برسد:

raise StopIteration

اجرا می‌شود و حلقه for متوقف می‌شود.
پست ۱۱۵ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۶
ساخت Generator با yield
در پست‌های قبل با Iterator و __next__ آشنا شدیم.
Python راه ساده‌تری برای ساخت Iteratorها دارد: Generator.
برای ساخت Generator معمولاً از yield استفاده می‌کنیم.
🔹 yield چیست؟
yield شبیه return است، اما یک تفاوت مهم دارد:
return اجرای تابع را تمام می‌کند.
yield مقدار را برمی‌گرداند و وضعیت اجرای تابع را حفظ می‌کند.
مثلاً:

def numbers():
    yield 1
    yield 2
    yield 3

حالا:

for number in numbers():
    print(number)

خروجی:

1
2
3

🔹 Generator Object
تابعی که yield دارد، هنگام فراخوانی معمولی، نتیجه را یک‌جا اجرا نمی‌کند؛ یک Generator Object برمی‌گرداند:

def numbers():
    yield 1
    yield 2
    yield 3


result = numbers()

print(result)

result یک Generator است.
🔹 اجرای مرحله‌ای
Generator مقدارها را یکی‌یکی تولید می‌کند:

def numbers():
    yield 1
    yield 2
    yield 3


numbers_generator = numbers()

print(next(numbers_generator))
print(next(numbers_generator))
print(next(numbers_generator))

خروجی:

1
2
3

بعد از تمام شدن Generator، next() باعث StopIteration می‌شود.
🔹 تفاوت return و yield
با return:

def get_number():
    return 1
    return 2

فقط اولین return قابل اجراست.
اما با yield:

def get_numbers():
    yield 1
    yield 2

مقادیر می‌توانند یکی‌یکی تولید شوند.
🔹 چرا Generator مهم است؟
فرض کن می‌خواهیم اعداد 1 تا 1,000,000 را تولید کنیم.
ساختن یک لیست کامل:

numbers = list(range(1, 1_000_001))

همه مقادیر را در حافظه نگه می‌دارد.
اما Generator می‌تواند مقدارها را در زمان نیاز تولید کند:

def numbers():
    for i in range(1, 1_000_001):
        yield i

در این حالت لازم نیست همه مقادیر از ابتدا در یک لیست ذخیره شوند.
این ویژگی برای کار با داده‌های بزرگ بسیار مهم است.
🧠 خلاصه

yield     → تولید مقدار به‌صورت مرحله‌ای
Generator → تولیدکننده مقدارها
next()    → دریافت مقدار بعدی
StopIteration → پایان Generator

و یک نکته مهم:

هر تابعی که

yield

داشته باشد، یک Generator Function است.

🎯 تمرین
یک Generator به نام count_up بنویس که اعداد 1 تا 5 را یکی‌یکی تولید کند:

def count_up():
    # code


for number in count_up():
    print(number)

خروجی مورد انتظار:

1
2
3
4
5

پست ۱۱۶ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۷
Generator با yield و ورودی پویا
در پست قبل دیدیم که yield می‌تواند مقدارها را یکی‌یکی تولید کند.
حالا یک مرحله جلوتر می‌رویم و یاد می‌گیریم Generator چگونه می‌تواند با حلقه و داده‌های پویا کار کند.
🔹 تولید مقدار با حلقه
به‌جای اینکه چند yield پشت سر هم بنویسیم، می‌توانیم از حلقه استفاده کنیم:

def count_up(limit):
    for number in range(1, limit + 1):
        yield number

حالا:

for number in count_up(5):
    print(number)

خروجی:

1
2
3
4
5

🔹 چرا limit + 1؟
در range() مقدار انتهایی شامل نمی‌شود:

range(1, 5)

این اعداد را تولید می‌کند:

1
2
3
4

پس برای اینکه 5 هم تولید شود، می‌نویسیم:

range(1, limit + 1)

🔹 Generator فقط تا زمانی که لازم است
می‌توانیم فقط چند مقدار اول را دریافت کنیم:

numbers = count_up(100)

print(next(numbers))
print(next(numbers))
print(next(numbers))

خروجی:

1
2
3

در اینجا Generator لازم نیست همه اعداد را از ابتدا تولید کند.
هر بار که next() اجرا می‌شود، Generator تا yield بعدی ادامه پیدا می‌کند.
🔹 یک مثال کاربردی‌تر
فرض کنیم می‌خواهیم فقط اعداد زوج را تولید کنیم:

def even_numbers(limit):
    for number in range(2, limit + 1, 2):
        yield number

حالا:

for number in even_numbers(10):
    print(number)

خروجی:

2
4
6
8
10

⚠️ نکته مهم
Generator با yield مقدارها را یکی‌یکی تولید می‌کند، نه اینکه همه را از ابتدا در یک لیست قرار دهد.
به همین دلیل برای داده‌های زیاد می‌تواند از نظر مصرف حافظه مناسب‌تر باشد.
🧠 خلاصه

yield → تولید مرحله‌ای مقدار
range → تولید دنباله عددی
next() → دریافت مقدار بعدی
Generator → تولید مقدار در زمان نیاز

🎯 تمرین
یک Generator به نام odd_numbers بنویس که اعداد فرد از 1 تا 9 را تولید کند:

def odd_numbers():
    # code


for number in odd_numbers():
    print(number)

خروجی مورد انتظار:

1
3
5
7
9

پست ۱۱۷ از دوره جامع Python 🐍

🐍 آموزش جامع Python — پست ۱۱۸
ارسال مقدار به Generator با send()
در پست‌های قبل یاد گرفتیم Generator با yield مقدار تولید می‌کند.
اما yield فقط برای خروجی گرفتن نیست؛ می‌توانیم با send() یک مقدار را به Generator برگردانیم.
🔹 send()
مثال ساده:

def calculator():
    number = yield
    print(number)

برای شروع Generator ابتدا باید آن را اجرا کنیم:

calc = calculator()

next(calc)

حالا می‌توانیم مقدار ارسال کنیم:

calc.send(10)

خروجی:

10

🔹 yield می‌تواند مقدار دریافت کند
در این کد:

def calculator():
    number = yield
    result = number * 2
    print(result)

حالا:

calc = calculator()

next(calc)
calc.send(5)

خروجی:

10

🔹 yield هم می‌تواند مقدار برگرداند
می‌توانیم هم مقدار دریافت کنیم و هم مقدار تولید کنیم:

def calculator():
    number = yield
    result = number * 2
    yield result

حالا:

calc = calculator()

next(calc)

result = calc.send(5)

print(result)

خروجی:

10

در اینجا:

calc.send(5)

مقدار 5 را به Generator می‌فرستد و Generator به yield result می‌رسد.
⚠️ نکته مهم
قبل از اولین send() معمولاً باید Generator را با:

next(generator)

تا اولین yield جلو ببریم.
این کار Generator را آماده دریافت مقدار می‌کند.
🧠 خلاصه

yield      → تولید مقدار و توقف موقت
next()     → ادامه Generator تا yield بعدی
send(value) → ارسال مقدار به yield

Generator فقط یک تولیدکننده ساده نیست؛ می‌تواند بین کد بیرونی و خودش داده رد و بدل کند.
🎯 تمرین
Generator زیر را کامل کن تا عدد دریافت‌شده را دو برابر کند:

def double():
    # code


generator = double()

next(generator)

result = generator.send(7)

print(result)

خروجی مورد انتظار:

14

✅ پاسخ کامل تمرین

def double():
    number = yield
    result = number * 2
    yield result


generator = double()

next(generator)

result = generator.send(7)

print(result)

خروجی:

14

در اینجا ابتدا:

next(generator)

Generator را تا اولین yield جلو می‌برد.
سپس:

generator.send(7)

عدد 7 را به این قسمت می‌رساند:

number = yield

بنابراین:

number = 7
7 * 2 = 14

و در نهایت:

yield result

مقدار 14 را تولید می‌کند.
پست ۱۱۸ از دوره جامع Python 🐍