关于Python 黑魔法 metaclass 的两种极端观点：
-
这种特性太牛逼了，是无所不能的阿拉丁神灯，必须找机会用上才能显示自己的
Python实力。 - 这个特性太危险，会蛊惑人心去滥用，一旦打开就会释放恶魔，让代码难以维护。
今天我们就来看看，metaclass 到底是阿拉丁神灯，还是潘多拉魔盒。
一、什么是 metaclass
很多书都会翻译成 元类，仅从字面理解， meta 的确是元，本源，翻译没毛病。但理解时，应该把元理解为描述数据的超越数据，事实上，
metaclass的 meta 起源于希腊词汇meta，包含两种意思：
- “
Beyond”，例如技术词汇metadata，意思是描述数据的超越数据。- “
Change”，例如技术词汇metamorphosis，意思是改变的形态。因此可以理解为
metaclass为描述类的超类，同时可以改变子类的形态。你可能会问了，这和元数据的定义差不多么，这种特性在编程中有什么用？用处非常大。在没有
metaclass的情况下，子类继承父类，父类是无法对子类执行操作的，但有了metaclass，就可以对子类进行操作，就像装饰器那样可以动态定制和修改被装饰的类，metaclass可以动态的定制或修改继承它的子类。
二、metaclass 能解决什么问题？
你已经知道了
metaclass可以像装饰器那样定制和修改继承它的子类，这里就说下它能解决什么实际问题。比方说，在一个智能语音助手的大型项目中，我们有 1 万个语音对话场景，每一个场景都是不同团队开发的。作为智能语音助手的核心团队成员，你不可能去了解每个子场景的实现细节。在动态配置实验不同场景时，经常是今天要实验场景 A 和 B 的配置，明天实验 B 和 C 的配置，光配置文件就有几万行量级，工作量不可谓不小。而应用这样的动态配置理念，我就可以让引擎根据我的文本配置文件，动态加载所需要的
Python类。如果你还不是很清楚，那么
YAML你应该知道，它是一个家喻户晓的 Python 工具，可以方便地序列化和反序列化数据，YAMLObject可以让它的任意子类支持序列化和反序列化（serialization & deserialization）。序列化和反序列化：
- 序列化：当程序运行时，所有的变量或者对象都是存储到内存中的，一旦程序调用完成，这些变量或者对象所占有的内存都会被回收。而为了实现变量和对象持久化的存储到磁盘中或在网络上进行传输，我们需要将变量或者对象转化为二进制流的方式。而将其转化为二进制流的过程就是序列化。
- 反序列化：而反序列化就是说程序运行的时候不能从磁盘中进行读取，需要将序列化的对象或者变量从磁盘中转移到内存中，同时也会将二进制流转换为原来的数据格式。我们把这一过程叫做反序列化。
现在你有 1 万个不同格式的 YAML 配置文件，本来你需要写 1 万个类来加载这些配置文件，有了
metaclass，你只需要实现一个metaclass超类，然后再实现一个子类继承这个metaclass，就可以根据不同的配置文件自动拉取不同的类，这极大地提高了效率。
三、通过一个实例来理解 metaclass
请手动在 ipython 中搞代码，看看每一步都输出了什么，这样可以彻底的理解类的创建和实例化步骤。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
|
In[15]: class Mymeta(type): ...: def __init__(self, name, bases, dic): ...: super().__init__(name, bases, dic) ...: print('===>Mymeta.__init__') ...: print(self.__name__) ...: print(dic) ...: print(self.yaml_tag) ...: ...: def __new__(cls, *args, **kwargs): ...: print('===>Mymeta.__new__') ...: print(cls.__name__) ...: return type.__new__(cls, *args, **kwargs) ...: ...: def __call__(cls, *args, **kwargs): ...: print('===>Mymeta.__call__') ...: obj = cls.__new__(cls) ...: cls.__init__(cls, *args, **kwargs) ...: return obj ...: In[16]: In[16]: In[16]: class Foo(metaclass=Mymeta): ...: yaml_tag = '!Foo' ...: ...: def __init__(self, name): ...: print('Foo.__init__') ...: self.name = name ...: ...: def __new__(cls, *args, **kwargs): ...: print('Foo.__new__') ...: return object.__new__(cls) ...: ===>Mymeta.__new__Mymeta===>Mymeta.__init__Foo{'__module__': '__main__', '__qualname__': 'Foo', 'yaml_tag': '!Foo', '__init__': <function Foo.__init__ at 0x0000000007EF3828>, '__new__': <function Foo.__new__ at 0x0000000007EF3558>}!FooIn[17]: foo = Foo('foo')===>Mymeta.__call__Foo.__new__Foo.__init__In[18]: |
从上面的运行结果可以发现在定义 class Foo() 定义时，会依次调用 MyMeta 的 __new__ 和 __init__ 方法构建 Foo 类，然后在调用 foo = Foo() 创建类的实例对象时，才会调用 MyMeta 的 __call__ 方法来调用 Foo 类的 __new__ 和 __init__ 方法。
把上面的例子运行完之后就会明白很多了，正常情况下我们在父类中是不能对子类的属性进行操作，但是元类可以。换种方式理解：元类、装饰器、类装饰器都可以归为元编程。
四、Python 底层语言设计层面是如何实现 metaclass 的？
要理解 metaclass 的底层原理，你需要深入理解 Python 类型模型。下面，将分三点来说明。
1、所有的 Python 的用户定义类，都是 type 这个类的实例。
可能会让你惊讶，事实上，类本身不过是一个名为 type 类的实例。在 Python 的类型世界里，type 这个类就是造物的上帝。这可以在代码中验证：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
In [2]: # Python 3和Python 2类似 ...: class MyClass: ...: pass ...: ...: instance = MyClass() ...:in [3]: type(instance) ...:Out[2]: __main__.MyClassIn [4]: type(MyClass) ...:Out[4]: typeIn [5]: |
你可以看到，instance 是 MyClass 的实例，而 MyClass 不过是“上帝” type 的实例。
2、用户自定义类，只不过是 type 类的 __call__ 运算符重载
当我们定义一个类的语句结束时，真正发生的情况，是 Python 调用 type 的 __call__ 运算符。简单来说，当你定义一个类时，写成下面这样时：
|
1
2
|
class MyClass: data = 1 |
Python 真正执行的是下面这段代码：
|
1
|
class = type(classname, superclasses, attributedict) |
这里等号右边的 type(classname, superclasses, attributedict)，就是 type 的 __call__ 运算符重载，它会进一步调用：
|
1
2
|
type.__new__(typeclass, classname, superclasses, attributedict)type.__init__(class, classname, superclasses, attributedict) |
当然，这一切都可以通过代码验证，比如
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
In [5]: class MyClass: ...: data = 1 ...: ...: instance = MyClass() ...:In [6]: MyClass, instance ...:Out[6]: (__main__.MyClass, <__main__.MyClass at 0x4ef5188>)In [7]: instance.data ...:Out[7]: 1In [8]: MyClass = type('MyClass', (), {'data': 1}) ...: instance = MyClass() ...:In [9]: MyClass, instance ...:Out[9]: (__main__.MyClass, <__main__.MyClass at 0x4f40748>)In [10]: instance.data ...:Out[10]: 1In [11]: |
由此可见，正常的 MyClass 定义，和你手工去调用 type 运算符的结果是完全一样的。
3、，“超越变形”正常的类
metaclass 是 type 的子类，通过替换 type 的 __call__ 运算符重载机制，“超越变形”正常的类
其实，理解了以上几点，我们就会明白，正是 Python 的类创建机制，给了 metaclass 大展身手的机会。
一旦你把一个类型 MyClass 的 metaclass 设置成 MyMeta，MyClass 就不再由原生的 type 创建，而是会调用 MyMeta 的 __call__ 运算符重载。
|
1
2
3
|
class = type(classname, superclasses, attributedict) # 变为了class = MyMeta(classname, superclasses, attributedict) |
四、使用 metaclass 的风险
不过，凡事有利必有弊，尤其是
metaclass这样“逆天”的存在。正如你所看到的那样，metaclass会"扭曲变形"正常的 Python 类型模型。所以，如果使用不慎，对于整个代码库造成的风险是不可估量的。换句话说，
metaclass仅仅是给小部分Python开发者，在开发框架层面的Python库时使用的。而在应用层，metaclass往往不是很好的选择。
总结：
本文从 Python 类创建的过程，帮助你理解 metaclass 的作用。
metaclass 是黑魔法，使用得当就是天堂，反之就是地狱。
到此这篇关于Python黑魔法之metaclass详情的文章就介绍到这了,更多相关Python黑魔法之metaclass内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://mp.weixin.qq.com/s?__biz=MzU0OTg3NzU2NA==&mid=2247484465&idx=1&sn=7c564ead74b9c62a776009cb61e55f44&scene=21#wechat_redirect
