### Python 中乘法和除法的用法及触发机制 #### 1. **乘法运算符 (`*`)** 在 Python 中，乘法运算符 `*` 可以用于多种场景，包括数值计算、字符串重复以及某些容器类型的扩展。当应用于自定义类时，可以通过重载特殊方法 `__mul__` 来定义其行为。 - 对于数值类型（如整型 `int` 和浮点型 `float`），乘法按常规数学规则执行。 - 字符串与正整数相乘时，会将字符串重复指定次数[^2]。 ```python result = "abc" * 3 print(result) # 输出: abcabcabc ``` - 列表或其他可迭代对象也可以通过类似的机制进行复制。 ```python list_result = [1, 2] * 3 print(list_result) # 输出: [1, 2, 1, 2, 1, 2] ``` 对于用户定义的类，可以实现 `__mul__` 方法来自定义乘法的行为： ```python class MyClass: def __init__(self, value): self.value = value def __mul__(self, other): if isinstance(other, int): return MyClass(self.value * other) raise TypeError("Unsupported operand type") obj = MyClass(5) new_obj = obj * 3 print(new_obj.value) # 输出: 15 ``` --- #### 2. **除法运算符** Python 提供两种主要的除法运算符： - **真除法 (`/`)**：无论操作数为何种类型，均返回精确的结果作为浮点数。 ```python division_result = 7 / 2 print(division_result) # 输出: 3.5 ``` 如果希望对自定义类支持 `/` 运算符，则需实现 `__truediv__` 特殊方法[^2]。 - **地板除法 (`//`)**：向下取整至最近的整数。 ```python floor_division_result = 7 // 2 print(floor_division_result) # 输出: 3 ``` 同样地，在自定义类中可通过定义 `__floordiv__` 方法来覆盖默认行为。 需要注意的是，无论是哪种形式的除法，只要第二个操作数为零都会引发 `ZeroDivisionError` 异常[^3]。 --- #### 3. **触发机制分析** 每当程序运行到包含二元运算表达式的部分时，解释器会依据左侧的操作数决定调用哪个特殊方法。例如，针对表达式 `x * y` 或者 `x / y`: - 如果 `x` 是内置类型的一个实例，则直接采用预设算法完成相应操作； - 若 `x` 属于某用户创建的新类别，则查找是否存在适配当前情境的方法名称（像前面提到过的 `__mul__`, `__truediv__` 等）。一旦找到就利用这个定制版逻辑继续下去；反之则抛出异常通知开发者缺少必要组件[^1]。 --- #### 示例代码片段 以下展示了如何在一个假设性的矩阵类里加入基本四则运算的支持能力： ```python class Matrix: def __init__(self, data): self.data = data def __mul__(self, scalar): """ 支持矩阵与标量相乘 """ new_data = [[element * scalar for element in row] for row in self.data] return Matrix(new_data) def __truediv__(self, divisor): """ 实现矩阵元素逐个做真实意义上的除法 """ try: reciprocal = 1 / divisor except ZeroDivisionError as e: raise ValueError('Cannot divide by zero') from e new_data = [[element * reciprocal for element in row] for row in self.data] return Matrix(new_data) matrix = Matrix([[1, 2], [3, 4]]) scaled_matrix = matrix * 2 divided_matrix = scaled_matrix / 2 print(scaled_matrix.data) # 输出: [[2, 4], [6, 8]] print(divided_matrix.data) # 输出恢复原状即[[1, 2], [3, 4]] ``` ---