类也是对象
在理解元类之前，你需要先掌握Python中的类。Python中类的概念借鉴于Smalltalk，这显得有些奇特。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()
>>> print(my_object)
<__main__.ObjectCreator object at 0x8974f2c>
但是，Python中的类还远不止如此。类同样也是一种对象。是的，没错，就是对象。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.
下面这段代码：
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
下面是示例：
>>> print ObjectCreator # 你可以打印一个类，因为它其实也是一个对象
<class '__main__.ObjectCreator'>
>>> def echo(o):
… print o
…
>>> echo(ObjectCreator) # 你可以将类做为参数传给函数
<class '__main__.ObjectCreator'>
>>> print hasattr(ObjectCreator, 'new_attribute')
Fasle
>>> ObjectCreator.new_attribute = 'foo' # 你可以为类增加属性
>>> print hasattr(ObjectCreator, 'new_attribute')
True
>>> print ObjectCreator.new_attribute
foo
>>> ObjectCreatorMirror = ObjectCreator # 你可以将类赋值给一个变量
>>> print ObjectCreatorMirror()
<__main__.ObjectCreator object at 0x8997b4c>
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__'.Foo>
>>> print MyClass() # 你可以通过这个类创建类实例，也就是对象
<__main__.Foo object at 0x89c6d4c>
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。
type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。
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：
>>> MyShinyClass = type('MyShinyClass', (), {}) # 返回一个类对象
>>> print MyShinyClass
<class '__main__.MyShinyClass'>
>>> print MyShinyClass() # 创建一个该类的实例
<__main__.MyShinyClass object at 0x8997cec>
type 接受一个字典来为类定义属性，因此：
>>> class Foo(object):
… bar = True
等同于：
Foo = type('Foo', (), {'bar':True})
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。
元类
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。
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
自定义元类
元类的主要目的就是为了当创建类时能够自动地改变类。
Python 3中创建元类的语法:
class NothingMetaclass(type):
def __new__(mcs, name, bases, namespace):
# 什么都没做，你可以在这里做点什么
return type.__new__(mcs, name, bases, namespace)
class Foo(object, metaclass=NothingMetaclass):
pass
demo1
- new是一个静态方法,而init是一个实例方法.
- new方法会返回一个创建的实例,而init什么都不返回.
- 只有在new返回一个cls的实例时后面的init才能被调用.
- 当创建一个新实例时调用new,初始化一个实例时用init.
看一个例子
# 请记住，'type'实际上是一个类，就像'str'和'int'一样
# 所以，你可以从type继承
class MetaA(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, name, bases, dct):
print('MetaA.__new__')
# 这种方式不会调用__init__方法
# return type(name, bases, dct)
# 这种方式会调用__init__
return type.__new__(cls, name, bases, dct)
def __init__(cls, name, bases, dct):
print('MetaA.__init__')
class A(object, metaclass=MetaA):
pass
print(A())
demo2
class ListMetaclass(type):
# 元类会自动将你通常传给‘type’的参数作为自己的参数传入
# mcs表示元类
# name表示创建类的类名（在这里创建类就是继承Model类的子类User）
# bases表示创建类继承的所有父类
# namespace表示创建类的所有属性和方法（以键值对的字典的形式）
def __new__(mcs, name, bases, namespace):
namespace['add'] = lambda self, value: self.append(value)
return type.__new__(mcs, name, bases, namespace)
# 通过metaclass，给该类动态添加了add方法
class MyList(list, metaclass=ListMetaclass):
pass
l = MyList()
l.add(1)
print(l)
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()
然后可以通过简单点API操作数据库。其背后的魔法就是定义了元类，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。
一个简单的orm demo
class Field:
def __init__(self, name, column_type):
self.name = name
self.column_type = column_type
def __str__(self):
return '<%s:%s>' % (self.__class__.__name__, self.name)
class StringField(Field):
def __init__(self, name):
super(StringField, self).__init__(name, 'varchar(100)')
class IntegerField(Field):
def __init__(self, name):
super(IntegerField, self).__init__(name, 'bigint')
class ModelMetaclass(type):
def __new__(mcs, name, bases, attrs):
if name == 'Model':
return type.__new__(mcs, name, bases, attrs)
print("Found Model: %s" % name)
mapping = dict()
fields = list()
# 将属性保存到mapping中
for k, v in attrs.items():
if isinstance(v, Field):
print('Found mapping : %s ==> %s' % (k, v))
mapping[k] = v
fields.append(k)
# 将Model中的Field删除
for k in mapping.keys():
attrs.pop(k)
attrs['__fields__'] = list(map(lambda f: '`%s`' % f, fields))
attrs['__mapping__'] = mapping
attrs['__table__'] = name
return type.__new__(mcs, name, bases, attrs)
class Model(dict, metaclass=ModelMetaclass):
def __init__(self, **kwargs):
super(Model, self).__init__(kwargs)
def __getattr__(self, key):
try:
return self[key]
except KeyError:
raise AttributeError(r"'Model' object has no attribute '%s'" % key)
def __setattr__(self, key, value):
self[key] = value
def save(self):
fields = []
params = []
args = []
for k, v in self.__mapping__.items():
print("%s------%s" % (k, v))
fields.append(v.name)
params.append('?')
args.append(getattr(self, k, None))
sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(self.__fields__), ','.join(params))
print('SQL: %s' % sql)
print('ARGS: %s' % str(args))
class User(Model):
# 定义类的属性到列的映射：
id = IntegerField('id')
name = StringField('username')
email = StringField('email')
password = StringField('password')
u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')
u.save()
总结
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
- 类装饰器
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