理解 Python 中的元类
2018-06-30 18:46
363 查看
本文编程环境:Jupyter NoteBook python3
但是,Python 中的类还远不止如此。类同样也是一种对象。只要你使用关键字
将在内存中创建一个对象,名字就是
你可以将它赋值给一个变量
你可以拷贝它
你可以为它增加属性
你可以将它作为函数参数进行传递
但这还不够动态,因为你仍然需要自己编写整个类的代码。由于类也是对象,所以它们必须是通过什么东西来生成的才对。当你使用
这里,
比如下面的代码:
可以手动像这样创建:
你会发现我们使用
可以翻译为:
并且可以将
当然,你可以向这个类继承,所以,如下的代码:
就可以写成:
最终你会希望为你的类增加方法。只需要定义一个有着恰当签名的函数并将其作为属性赋值就可以了。
你可以看到,在 Python 中,类也是对象,你可以动态的创建类。这就是当你使用关键字
使用
你已经看到了
这是因为函数
现在,对于任何一个
因此,元类就是创建类这种对象的东西。如果你喜欢的话,可以把元类称为「类工厂」。
在 python2 中可以通过定义一个类级别属性
就是这样,除此之外,关于元类真的没有别的可说的了。使用到元类的代码比较复杂,这背后的原因倒并不是因为元类本身,而是因为你通常会使用元类去做一些晦涩的事情,依赖于自省,控制继承等等。确实,用元类来搞些“黑暗魔法”是特别有用的,因而会搞出些复杂的东西来。但就元类本身而言,它们其实是很简单的:
拦截类的创建
修改类
返回修改之后的类
为什么要用
由于
意图会更加清晰。当你读到
你可以使用 OOP 编程。元类可以从元类中继承而来,改写父类的方法。元类甚至还可以使用元类。
你可以把代码组织的更好。当你使用元类的时候肯定不会是像我上面举的这种简单场景,通常都是针对比较复杂的问题。将多个方法归总到一个类中会很有帮助,也会使得代码更容易阅读。
你可以使用
哇哦,这东西的名字是
『元类就是深度的魔法,\(99\%\) 的用户应该根本不必为此操心。如果你想搞清楚究竟是否需要用到元类,那么你就不需要它。那些实际用到元类的人都非常清楚地知道他们需要做什么,而且根本不需要解释为什么要用元类。』 —— Python 界的领袖 Tim Peters
元类的主要用途是创建 API。一个典型的例子是 Django ORM。它允许你像这样定义:
但是如果你像这样做的话:
这并不会返回一个
Python 中的一切都是对象,它们要么是类的实例,要么是元类的实例,除了
Monkey patching
class decorators
当你需要动态修改类时,\(99\%\) 的时间里你最好使用上面这两种技术。当然了,其实在 \(99\%\) 的时间里你根本就不需要动态修改类。
更多内容可参考:9.15 定义有可选参数的元类
实例1:增加一个
类也是对象
在大多数编程语言中,类就是一组用来描述如何生成一个对象的代码段。在 Python 中这一点仍然成立:class ObjectCreator(object): pass my_object = ObjectCreator() my_object
<__main__.ObjectCreator at 0x233e50a8ba8>
但是,Python 中的类还远不止如此。类同样也是一种对象。只要你使用关键字
class,Python 解释器在执行的时候就会创建一个对象。下面的代码段:
class ObjectCreator(object): pass
将在内存中创建一个对象,名字就是
ObjectCreator。这个对象(类)自身拥有创建对象(类实例)的能力,而这就是为什么它是一个类的原因。但是,它的本质仍然是一个对象,于是乎你可以对它做如下的操作:
你可以将它赋值给一个变量
你可以拷贝它
你可以为它增加属性
你可以将它作为函数参数进行传递
你可以打印一个类,因为它其实也是一个对象
print(ObjectCreator)
<class '__main__.ObjectCreator'>
你可以将类做为参数传给函数
def echo(o): print(o) echo(ObjectCreator)
<class '__main__.ObjectCreator'>
你可以为类增加属性
print(hasattr(ObjectCreator, 'new_attribute'))
False
ObjectCreator.new_attribute = 'foo' print(hasattr(ObjectCreator, 'new_attribute'))
True
print(ObjectCreator.new_attribute)
foo
你可以将类赋值给一个变量
ObjectCreatorMirror = ObjectCreator print(ObjectCreatorMirror())
<__main__.ObjectCreator object at 0x00000233E51241D0>
动态地创建类
因为类也是对象,你可以在运行时动态的创建它们,就像其他任何对象一样。首先,你可以在函数中创建类,使用class关键字即可。
def choose_class(name): if name == 'foo': class Foo(object): pass return Foo # 返回的是类,不是类的实例 else: class Bar(object): pass return Bar MyClass = choose_class('foo')
print(MyClass) # 函数返回的是类,不是类的实例
<class '__main__.choose_class.<locals>.Foo'>
print(MyClass()) # 你可以通过这个类创建类实例,也就是对象
<__main__.choose_class.<locals>.Foo object at 0x00000233E51242E8>
但这还不够动态,因为你仍然需要自己编写整个类的代码。由于类也是对象,所以它们必须是通过什么东西来生成的才对。当你使用
class关键字时, Python 解释器自动创建这个对象。但就和 Python 中的大多数事情一样,Python 仍然提供给你手动处理的方法。还记得内建函数
type吗?这个古老但强大的函数能够让你知道一个对象的类型是什么,就像这样:
type(1)
int
type("1")
str
type(ObjectCreator)
type
type(ObjectCreator())
__main__.ObjectCreator
type
动态的创建类
这里,type有一种完全不同的能力,它也能动态的创建类。
type可以接受一个类的描述作为参数,然后返回一个类。(我们知道,根据传入参数的不同,同一个函数拥有两种完全不同的用法是一件很傻的事情,但这在 Python 中是为了保持向后兼容性)。
type可以像这样工作:
type(类名, 父类的元组 (针对继承的情况,可以为空),包含属性的字典(名称和值))
比如下面的代码:
class MyShinyClass(object): pass
可以手动像这样创建:
MyShinyClass = type('MyShinyClass', (), {}) # 返回一个类对象 MyShinyClass
__main__.MyShinyClass
MyShinyClass() # 创建一个该类的实例
<__main__.MyShinyClass at 0x233e51240f0>
你会发现我们使用
"MyShinyClass"作为类名,并且也可以把它当做一个变量来作为类的引用。类和变量是不同的,这里没有任何理由把事情弄的复杂。
type接受一个字典来为类定义属性,因此
class Foo(object): bar = True
可以翻译为:
Foo = type('Foo', (), {'bar':True})
并且可以将
Foo当成一个普通的类一样使用:
Foo
__main__.Foo
Foo.bar
True
f = Foo() f
<__main__.Foo at 0x233e5124be0>
f.bar
True
当然,你可以向这个类继承,所以,如下的代码:
class FooChild(Foo): pass
就可以写成:
FooChild = type('FooChild', (Foo,),{}) print(FooChild) print(FooChild.bar) # bar属性是由 Foo 继承而来
<class '__main__.FooChild'> True
最终你会希望为你的类增加方法。只需要定义一个有着恰当签名的函数并将其作为属性赋值就可以了。
def echo_bar(self): print(self.bar)
FooChild = type('FooChild', (Foo,), {'echo_bar': echo_bar}) hasattr(Foo, 'echo_bar')
False
hasattr(FooChild, 'echo_bar')
True
my_foo = FooChild() my_foo.echo_bar()
True
你可以看到,在 Python 中,类也是对象,你可以动态的创建类。这就是当你使用关键字
class时 Python 在幕后做的事情,而这就是通过元类来实现的。
Test = type('Test',(),{}) print(Test) help(Test)
<class '__main__.Test'> Help on class Test in module __main__: class Test(builtins.object) | Data descriptors defined here: | | __dict__ | dictionary for instance variables (if defined) | | __weakref__ | list of weak references to the object (if defined)
Dog = type('Dog',(),{'name':'二哈','age':1}) print(Dog) help(Dog)
<class '__main__.Dog'> Help on class Dog in module __main__: class Dog(builtins.object) | Data descriptors defined here: | | __dict__ | dictionary for instance variables (if defined) | | __weakref__ | list of weak references to the object (if defined) | | ---------------------------------------------------------------------- | Data and other attributes defined here: | | age = 1 | | name = '二哈'
Dog = type('Dog',(),{'name':'二哈','age':1}) print(Dog) help(Dog)
DogChild = type('DogChild', (Dog,),{})
print(DogChild)
print(DogChild.name)
<class '__main__.Dog'> Help on class Dog in module __main__: class Dog(builtins.object) | Data descriptors defined here: | | __dict__ | dictionary for instance variables (if defined) | | __weakref__ | list of weak references to the object (if defined) | | ---------------------------------------------------------------------- | Data and other attributes defined here: | | age = 1 | | name = '二哈'
<class '__main__.DogChild'>
二哈
help(DogChild)
Help on class DogChild in module __main__: class DogChild(Dog) | Method resolution order: | DogChild | Dog | builtins.object | | Data descriptors inherited from Dog: | | __dict__ | dictionary for instance variables (if defined) | | __weakref__ | list of weak references to the object (if defined) | | ---------------------------------------------------------------------- | Data and other attributes inherited from Dog: | | age = 1 | | name = '二哈'
使用 type
创建带有方法的类
#普通方法 def test(self): print("test") #静态方法 @staticmethod def static_test(): print("static_test") #类方法 @classmethod def class_test(cls): print("class_test") Test = type('Test',(),{'name':'name','test':test,'static_test':static_test,'class_test':class_test}) print(Test) test = Test() test.test() test.static_test() test.class_test()
<class '__main__.Test'> test static_test class_test
元类
元类就是用来创建类的「东西」。你创建类就是为了创建类的实例对象,不是吗?但是我们已经学习到了 Python 中的类也是对象。好吧,元类就是用来创建这些类(对象)的,元类就是类的类,你可以这样理解为:MyClass = MetaClass() MyObject = MyClass()
你已经看到了
type可以让你像这样做:
MyClass = type('MyClass', (), {})
这是因为函数
type实际上是一个元类。
type就是 Python 在背后用来创建所有类的元类。现在你想知道那为什么
type会全部采用小写形式而不是
Type呢?好吧,我猜这是为了和
str保持一致性,
str是用来创建字符串对象的类,而
int是用来创建整数对象的类。
type就是创建类对象的类。你可以通过检查
__class__属性来看到这一点。Python 中所有的东西,注意,我是指所有的东西——都是对象。这包括整数、字符串、函数以及类。它们全部都是对象,而且它们都是从一个类创建而来。
a = b'a2' a.__class__
bytes
age = 35 age.__class__
int
name = 'bob' name.__class__
str
def foo(): pass foo.__class__
function
class Bar(object): pass b = Bar() b.__class__
__main__.Bar
Bar.__class__
type
现在,对于任何一个
__class__的
__class__属性又是什么呢?
a.__class__.__class__
type
age.__class__.__class__
type
foo.__class__.__class__
type
b.__class__.__class__
type
因此,元类就是创建类这种对象的东西。如果你喜欢的话,可以把元类称为「类工厂」。
type就是 Python 的内建元类,当然了,你也可以创建自己的元类。
在 python2 中可以通过定义一个类级别属性
__metaclass__来实创建元类,不过在 python3 中取消了
__metaclass__属性。python3 中可以通过在定义类的时候声明
metaclass参数来创建元类。
class UpperAttrMetaClass(type): # __new__ 是在 __init__ 之前被调用的特殊方法 # __new__ 是用来创建对象并返回之的方法 # 而 __init__ 只是用来将传入的参数初始化给对象 # 你很少用到 __new__,除非你希望能够控制对象的创建 # 这里,创建的对象是类,我们希望能够自定义它,所以我们这里改写 __new__ # 如果你希望的话,你也可以在 __init__ 中做些事情 # 还有一些高级的用法会涉及到改写 __call__ 特殊方法,但是我们这里不用 def __new__(cls, future_class_name, future_class_parents, future_class_attr): #遍历属性字典,把不是 __ 开头的属性名字变为大写 newAttr = {} for name,value in future_class_attr.items(): if not name.startswith("__"): newAttr[name.upper()] = value # 方法1:通过 'type' 来做类对象的创建 # return type(future_class_name, future_class_parents, newAttr) # 方法2:复用 type.__new__ 方法 # 这就是基本的 OOP 编程,没什么魔法 # return type.__new__(cls, future_class_name, future_class_parents, newAttr) # 方法3:使用 super 方法 return super(UpperAttrMetaClass, cls).__new__(cls, future_class_name, future_class_parents, newAttr) #python2的用法 #class Foo(object): # __metaclass__ = UpperAttrMetaClass # bar = 'bip' # python3的用法 class Foo(object, metaclass = UpperAttrMetaClass): bar = 'bip' print(hasattr(Foo, 'bar')) # 输出: False print(hasattr(Foo, 'BAR')) # 输出:True f = Foo() print(f.BAR) # 输出:'bip'
就是这样,除此之外,关于元类真的没有别的可说的了。使用到元类的代码比较复杂,这背后的原因倒并不是因为元类本身,而是因为你通常会使用元类去做一些晦涩的事情,依赖于自省,控制继承等等。确实,用元类来搞些“黑暗魔法”是特别有用的,因而会搞出些复杂的东西来。但就元类本身而言,它们其实是很简单的:
拦截类的创建
修改类
返回修改之后的类
为什么要用 metaclass
类而不是函数?
由于 metaclass可以接受任何可调用的对象,那为何还要使用类呢,因为很显然使用类会更加复杂啊?这里有好几个原因:
意图会更加清晰。当你读到
UpperAttrMetaclass(type)时,你知道接下来要发生什么。
你可以使用 OOP 编程。元类可以从元类中继承而来,改写父类的方法。元类甚至还可以使用元类。
你可以把代码组织的更好。当你使用元类的时候肯定不会是像我上面举的这种简单场景,通常都是针对比较复杂的问题。将多个方法归总到一个类中会很有帮助,也会使得代码更容易阅读。
你可以使用
__new__,
__init__以及
__call__这样的特殊方法。它们能帮你处理不同的任务。就算通常你可以把所有的东西都在
__new__里处理掉,有些人还是觉得用
__init__更舒服些。
哇哦,这东西的名字是
metaclass,肯定非善类,我要小心!
究竟为什么要使用元类?
现在回到我们的大主题上来,究竟是为什么你会去使用这样一种容易出错且晦涩的特性?好吧,一般来说,你根本就用不上它:『元类就是深度的魔法,\(99\%\) 的用户应该根本不必为此操心。如果你想搞清楚究竟是否需要用到元类,那么你就不需要它。那些实际用到元类的人都非常清楚地知道他们需要做什么,而且根本不需要解释为什么要用元类。』 —— Python 界的领袖 Tim Peters
元类的主要用途是创建 API。一个典型的例子是 Django ORM。它允许你像这样定义:
class Person(models.Model): name = models.CharField(max_length=30) age = models.IntegerField()
但是如果你像这样做的话:
guy = Person(name='bob', age='35') print(guy.age)
这并不会返回一个
IntegerField对象,而是会返回一个
int,甚至可以直接从数据库中取出数据。这是有可能的,因为
models.Model定义了
metaclass, 并且使用了一些魔法能够将你刚刚定义的简单的
Person类转变成对数据库的一个复杂
hook。Django 框架将这些看起来很复杂的东西通过暴露出一个简单的使用元类的 API 将其化简,通过这个 API 重新创建代码,在背后完成真正的工作。
结语
首先,你知道了类其实是能够创建出类实例的对象。好吧,事实上,类本身也是实例,当然,它们是元类的实例。class Foo(object): pass id(Foo)
2421904320648
Python 中的一切都是对象,它们要么是类的实例,要么是元类的实例,除了
type。
type实际上是它自己的元类,在纯 Python 环境中这可不是你能够做到的,这是通过在实现层面耍一些小手段做到的。其次,元类是很复杂的。对于非常简单的类,你可能不希望通过使用元类来对类做修改。你可以通过其他两种技术来修改类:
Monkey patching
class decorators
当你需要动态修改类时,\(99\%\) 的时间里你最好使用上面这两种技术。当然了,其实在 \(99\%\) 的时间里你根本就不需要动态修改类。
更多内容可参考:9.15 定义有可选参数的元类
附加实例
实例1:增加一个 __author__
类属性
class Author(type): def __new__(cls, name, bases, attrs): attrs['__author__'] = 'xiemanR' return type.__new__(cls, name, bases, attrs) class MyBlog(metaclass=Author): pass print(MyBlog.__author__) a = MyBlog() print(a.__author__)
xiemanR xiemanR
class Singleton(type): def __new__(cls, name, bases, attrs): print('new') attrs['instance'] = None return super(Singleton, cls).__new__(cls, name, bases, attrs) def __call__(cls, *args, **kwargs): print('call') if cls.instance is None: cls.instance = super(Singleton, cls).__call__(*args, **kwargs) return cls.instance class Foo(metaclass=Singleton): pass x = Foo() y = Foo() print(id(x)) print(id(y))
new call call 2421910133840 2421910133840
class Upper(type): def __new__(cls, name, bases, dct): attrs = ((name, value) for name, value in dct.items() if not name.startswith('__')) uppercase_attr = dict((name.upper(), value) for name, value in attrs) return type.__new__(cls, name, bases, uppercase_attr) class Bar(metaclass=Upper): foo = 'foo' test = 'test' b = Bar() print(b.FOO) print(b.TEST)
foo test
相关文章推荐
- 深刻理解Python中的元类(metaclass)
- [转] 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 22 Python class 深入理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 【Python】[面向对象的高级编程] 元类 ---听说这个很难理解
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- Python - 深刻理解Python中的元类(metaclass)
- [Python]五分钟理解元类(Metaclasses)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)
- 深刻理解Python中的元类(metaclass)(转)
- 深刻理解Python中的元类(metaclass)以及元类实现单例模式