共计 10295 个字符，预计需要花费 26 分钟才能阅读完成。
明天分享的主题是：扭转类定义的神器 -metaclass
看到题目，你可能会想扭转类的定义有什么用呢？什么时候才须要应用 metaclass 呢？
明天我将带大家设计一个简略的 orm 框架，并简略分析一下 YAML 这个序列化工具的原理。
Python 类的上帝 -type
说到 metaclass，咱们首先必须分明一个最根底的概念就是对象是类的实例，而类是 type 的实例，反复一遍：
- 对象是类的实例
- 类是 type 的实例
在面向对象的编程模型中，类就相当于一个房子的设计图纸，而对象则是依据这个设计图纸建进去的房子。
下图中，玩具模型就能够代表一个类，而具体生产进去的玩具就能够代表一个对象：
总之，类就是创建对象的模板。
而 type 又是创立类的模板，那么咱们就能够通过 type 创立本人想要的类。
比方定义一个 Hello 的 class：
class Hello(object):
def hello(self, name='world'):
print('Hello, %s.' % name)当 Python 解释器载入 hello 模块时，就会顺次执行该模块的所有语句，执行后果就是动态创建出一个 Hello 的 class 对象。
type()函数既能够查看一个类型或变量的类型，也能够依据参数创立出新的类型，比方下面那段类的定义实质上就是：
def hello(self, name='world'):
print('Hello, %s.' % name)
Hello = type('Hello', (object,), dict(hello=hello))type()函数创立 class 对象，顺次传入 3 个参数：
- class 类的名称；
- 继承的父类汇合，留神 Python 反对多重继承，如果只有一个父类，别忘了 tuple 的单元素写法；
- class 的办法名称与函数绑定以及字段名称与对应的值，这里咱们把函数 fn 绑定到办法名 hello 上。
通过 type() 函数创立的类和间接写 class 是齐全一样的，因为 Python 解释器遇到 class 定义时，仅仅是扫描一下 class 定义的语法，而后调用 type() 函数创立出 class。
失常状况下，咱们必定都是用 class Xxx… 来定义类，然而 type() 函数容许咱们动态创建出类来，这意味着 Python 这门动静语言反对运行期动态创建类。你可能感触不到这有多弱小，要晓得想在动态语言运行期创立类，必须结构源代码字符串再调用编译器，或者借助一些工具生成字节码实现，实质上都是动静编译，会非常复杂。
metaclass 到底是什么
那 type 和 metaclass 有什么关系呢？metaclass 到底是什么呢？
我认为 metaclass 其实就是 type 或 type 的子类，通过继承 type，重载 __call__ 运算符，便能够在 class 类对象创立时作出一些批改。
对于类 MyClass：
class MyClass():
pass其实相当于：
class MyClass(metaclass = type):
pass一旦咱们把它的 metaclass 设置成 MyMeta：
class MyClass(metaclass = MyMeta):
passMyClass 就不再由原生的 type 创立，而是会调用 MyMeta 的 __call__ 运算符重载。
class = type(classname, superclasses, attributedict)
## 变为了
class = MyMeta(classname, superclasses, attributedict)对于具备继承关系的类：
class Foo(Bar):
passPython 做了如下的操作：
- Foo 中有__metaclass__这个属性吗？如果是，Python 会通过__metaclass__创立一个名字为 Foo 的类(对象)
- 如果 Python 没有找到__metaclass__，它会持续在 Bar（父类）中寻找__metaclass__属性，并尝试做和后面同样的操作。
- 如果 Python 在任何父类中都找不到__metaclass__，它就会在模块档次中去寻找__metaclass__，并尝试做同样的操作。
- 如果还是找不到__metaclass__，Python 就会用内置的 type 来创立这个类对象。
假想一个很傻的例子，你决定在你的模块里所有的类的属性都应该是大写模式。有好几种办法能够办到，但其中一种就是通过在模块级别设定__metaclass__：
class UpperAttrMetaClass(type):
## __new__ 是在__init__之前被调用的非凡办法
## __new__是用来创建对象并返回之的办法
## 而__init__只是用来将传入的参数初始化给对象
## 你很少用到__new__，除非你心愿可能管制对象的创立
## 这里，创立的对象是类，咱们心愿可能自定义它，所以咱们这里改写__new__
## 如果你心愿的话，你也能够在__init__中做些事件
## 还有一些高级的用法会波及到改写__call__非凡办法，然而咱们这里不必
def __new__(cls, future_class_name, future_class_parents, future_class_attr):
## 遍历属性字典，把不是__结尾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
## 办法 1：通过 'type' 来做类对象的创立
## return type(future_class_name, future_class_parents, newAttr)
## 办法 2：复用 type.__new__办法，这就是根本的 OOP 编程
## return type.__new__(cls, future_class_name, future_class_parents, newAttr)
## 办法 3：应用 super 办法
return super(UpperAttrMetaClass, cls).__new__(cls, future_class_name, future_class_parents, newAttr)
class Foo(object, metaclass = UpperAttrMetaClass):
bar = 'bip'
print(hasattr(Foo, 'bar'))
## 输入: False
print(hasattr(Foo, 'BAR'))
## 输入:True
f = Foo()
print(f.BAR)
## 输入:'bip'繁难 ORM 框架的设计
ORM 全称“Object Relational Mapping”，即对象 - 关系映射，就是把关系数据库的一行映射为一个对象，也就是一个类对应一个表，这样，写代码更简略，不必间接操作 SQL 语句。
当初设计一下 ORM 框架的调用接口，比方用户想通过 User 类来操作对应的数据库表User，咱们期待他写出这样的代码：
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')
## 创立一个实例：u = User(id=12345, name='xiaoxiaoming', email='test@orm.org', password='my-pwd')
## 保留到数据库：u.save()下面的接口通过惯例办法很难或简直很难实现，但通过 metaclass 就会绝对比较简单。核心思想就是通过 metaclass 批改类的定义，将类的所有 Field 类型的属性，用一个额定的字典去保留，而后从原定义中删除。对于 User 创建对象时传入的参数（id=12345, name=’xiaoxiaoming’ 等）能够模拟字典的实现或间接继承 dict 类保存起来。
其中，父类 Model 和属性类型 StringField、IntegerField 是由 ORM 框架提供的，剩下的魔术办法比方 save() 全副由 metaclass 主动实现。尽管 metaclass 的编写会比较复杂，但 ORM 的使用者用起来却异样简略。
首先定义 Field 类，它负责保留数据库表的字段名和字段类型：
class Field(object):
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)在 Field 的根底上，进一步定义各种类型的 Field，比方 StringField，IntegerField 等等：
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')下一步，编写 ModelMetaclass：
class ModelMetaclass(type):
def __new__(cls, name, bases, attrs):
if name == 'Model':
return type.__new__(cls, name, bases, attrs)
print('Found model: %s' % name)
mappings = dict()
for k, v in attrs.items():
if isinstance(v, Field):
print('Found mapping: %s ==> %s' % (k, v))
mappings[k] = v
for k in mappings.keys():
attrs.pop(k)
attrs['__mappings__'] = mappings ## 保留属性和列的映射关系
attrs.setdefault('__table__', name) ## 当未定义__table__属性时，表名间接应用类名
return type.__new__(cls, name, bases, attrs)以及基类 Model：
class Model(dict, metaclass=ModelMetaclass):
def __init__(self, **kw):
super(Model, self).__init__(**kw)
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.__mappings__.items():
fields.append(v.name)
params.append('?')
args.append(getattr(self, k, None))
sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params))
print('SQL: %s' % sql)
print('ARGS: %s' % str(args))在 ModelMetaclass 中，一共做了几件事件：
- 在以后类（比方
User）中查找定义的类的所有属性，如果找到一个 Field 属性，就把它保留到一个__mappings__的 dict 中，同时从类属性中删除该 Field 属性（防止实例的属性遮蔽类的同名属性）； - 当类中未定义
__table__字段时，间接将类名保留到__table__字段中作为表名。
在 Model 类中，就能够定义各种操作数据库的办法，比方 save()，delete()，find()，update 等等。
咱们实现了 save() 办法，把一个实例保留到数据库中。因为有表名，属性到字段的映射和属性值的汇合，就能够结构出 INSERT 语句。
测试：
u = User(id=12345, name='xiaoxiaoming', email='test@orm.org', password='my-pwd')
u.save()输入如下：
Found model: User
Found mapping: id ==> <IntegerField:id>
Found mapping: name ==> <StringField:username>
Found mapping: email ==> <StringField:email>
Found mapping: password ==> <StringField:password>
SQL: insert into User (id,username,email,password) values (?,?,?,?)
ARGS: [12345, 'xiaoxiaoming', 'test@orm.org', 'my-pwd']测试 2：
class Blog(Model):
__table__ = 'blogs'
id = IntegerField('id')
user_id = StringField('user_id')
user_name = StringField('user_name')
name = StringField('user_name')
summary = StringField('summary')
content = StringField('content')
b = Blog(id=12345, user_id='user_id1', user_name='xxm', name='orm 框架的根本运行机制', summary="简略讲述一下 orm 框架的根本运行机制",
content="此处省略一万字...")
b.save()输入：
Found model: Blog
Found mapping: id ==> <IntegerField:id>
Found mapping: user_id ==> <StringField:user_id>
Found mapping: user_name ==> <StringField:user_name>
Found mapping: name ==> <StringField:user_name>
Found mapping: summary ==> <StringField:summary>
Found mapping: content ==> <StringField:content>
SQL: insert into blogs (id,user_id,user_name,user_name,summary,content) values (?,?,?,?,?,?)
ARGS: [12345, 'user_id1', 'xxm', 'orm 框架的根本运行机制', '简略讲述一下 orm 框架的根本运行机制', '此处省略一万字...']能够看到，save()办法曾经打印出了可执行的 SQL 语句，以及参数列表，只须要真正连贯到数据库，执行该 SQL 语句，就能够实现真正的性能。
YAML 序列化工具的实现原理浅析
YAML 是一个妇孺皆知的 Python 工具，能够不便地序列化 / 逆序列化构造数据。
装置：
pip install pyyamlYAMLObject 的任意子类反对序列化和反序列化（serialization & deserialization）。比如说上面这段代码：
import yaml
class Monster(yaml.YAMLObject):
yaml_tag = '!Monster'
def __init__(self, name, hp, ac, attacks):
self.name = name
self.hp = hp
self.ac = ac
self.attacks = attacks
def __repr__(self):
return f"{self.__class__.__name__}(name={self.name}, hp={self.hp}, ac={self.ac}, attacks={self.attacks})"
monster1 = yaml.load("""
--- !Monster
name: Cave spider
hp: [2,6]
ac: 16
attacks: [BITE, HURT]
""")
print(monster1, type(monster1))
monster2 = Monster(name='Cave lizard', hp=[3, 6], ac=16, attacks=['BITE', 'HURT'])
print(yaml.dump(monster2))运行后果：
Monster(name=Cave spider, hp=[2, 6], ac=16, attacks=['BITE', 'HURT']) <class '__main__.Monster'>
!Monster
ac: 16
attacks: [BITE, HURT]
hp: [3, 6]
name: Cave lizard这外面调用对立的 yaml.load()，就能把任意一个 yaml 序列载入成一个 Python Object；而调用对立的 yaml.dump()，就能把一个 YAMLObject 子类序列化。
对于 load() 和 dump() 的使用者来说，他们齐全不须要提前晓得任何类型信息，这让超动静配置编程成了可能。比方说，在一个智能语音助手的大型项目中，咱们有 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外围团队成员，我不可能去理解每个子场景的实现细节。
在动静配置试验不同场景时，常常是明天我要试验场景 A 和 B 的配置，今天试验 B 和 C 的配置，光配置文件就有几万行量级，工作量不堪称不小。而利用这样的动静配置理念，就能够让引擎依据配置文件，动静加载所须要的 Python 类。
对于 YAML 的使用者也很不便，只有简略地继承 yaml.YAMLObject，就能让你的 Python Object 具备序列化和逆序列化能力。
据说即便是在大厂 Google 的 Python 开发者，发现能深刻解释 YAML 这种设计模式长处的人，大略只有 10%。而能晓得相似 YAML 的这种动静序列化 / 逆序列化性能正是用 metaclass 实现的人，可能只有 1% 了。而可能将 YAML 怎么用 metaclass 实现动静序列化 / 逆序列化性能讲出一二的可能只有 0.1% 了。
对于 YAMLObject 的 load 和 dump() 性能，简略来说，咱们须要一个全局的注册器，让 YAML 晓得，序列化文本中的 !Monster 须要载入成 Monster 这个 Python 类型，Monster 这个 Python 类型须要被序列化为 !Monster 标签结尾的字符串。
一个很天然的想法就是，那咱们建设一个全局变量叫 registry，把所有须要逆序列化的 YAMLObject，都注册进去。比方上面这样：
registry = {}
def add_constructor(target_class):
registry[target_class.yaml_tag] = target_class而后，在 Monster 类定义前面加上上面这行代码：
add_constructor(Monster)这样的毛病很显著，对于 YAML 的使用者来说，每一个 YAML 的可逆序列化的类 Foo 定义后，都须要加上一句话add_constructor(Foo)。这无疑给开发者减少了麻烦，也更容易出错，毕竟开发者很容易忘了这一点。
更优雅的实现形式天然是通过 metaclass 解决了这个问题，YAML 的源码正是这样实现的：
class YAMLObjectMetaclass(type):
def __init__(cls, name, bases, kwds):
super(YAMLObjectMetaclass, cls).__init__(name, bases, kwds)
if 'yaml_tag' in kwds and kwds['yaml_tag'] is not None:
cls.yaml_loader.add_constructor(cls.yaml_tag, cls.from_yaml)
cls.yaml_dumper.add_representer(cls, cls.to_yaml)
## 省略其余定义
class YAMLObject(metaclass=YAMLObjectMetaclass):
yaml_loader = Loader
yaml_dumper = Dumper
## 省略其余定义能够看到，YAMLObject 把 metaclass 申明成了 YAMLObjectMetaclass，YAMLObjectMetaclass 则会扭转 YAMLObject 类和其子类的定义，就是上面这行代码将 YAMLObject 的子类退出到了 yaml 的两个全局注册表中：
cls.yaml_loader.add_constructor(cls.yaml_tag, cls.from_yaml)
cls.yaml_dumper.add_representer(cls, cls.to_yaml)YAML 利用 metaclass，拦挡了所有 YAMLObject 子类的定义。也就是说，在你定义任何 YAMLObject 子类时，Python 会强行插入运行下面这段代码，把咱们之前想要的 add_constructor(Foo) 和add_representer(Foo)给主动加上。所以 YAML 的使用者，无需本人去手写 add_constructor(Foo) 和add_representer(Foo)。
总结
这次分享次要是简略的浅析了 metaclass 的实现机制。通过实现一个 orm 框架并解读 YAML 的源码，置信你曾经对 metaclass 有了不错的了解。
metaclass 是 Python 黑魔法级别的语言个性，它能够扭转类创立时的行为，这种弱小的性能应用起来务必小心。
看完本文，你感觉装璜器和 metaclass 有什么区别呢？欢送下方留言和我探讨。记得一键三连呦，笔芯！
咱们的文章到此就完结啦，如果你喜爱明天的 Python 实战教程，能够关注公众号Python 编程学习圈，理解更多编程技术干货！
