元类

Python解释器在遇到类定义的时候，其实是使用type()函数动态创建类类型。

如下面的类定义：

class Hello(object):    def hello(self, name='world'):        print('Hello, %s.' % name)

Python解释器实际上执行如下的代码：

def fn(self, name='world'): # 先定义函数    print('Hello, %s.' % name)Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class

可见，要创建一个class对象，type()函数依次传入3个参数：

class的名称；

继承的父类集合，注意Python支持多重继承，如果只有一个父类，别忘了tuple的单元素写法；

class的方法名称与函数绑定，这里我们把函数fn绑定到方法名hello上。

如果要控制类的创建行为，还可以使用metaclass（元类），元类用于创建类，而类用于创建实例。

看下面一个例子，定义了ListMetaclass，元类的类名总是以"Metaclass"结尾，并继承自 type（而非 "object"）；

# metaclass是创建类，所以必须从`type`类型派生：class ListMetaclass(type):    def __new__(cls, name, bases, attrs):        attrs['add'] = lambda self, value: self.append(value)        return type.__new__(cls, name, bases, attrs)class MyList(list):    __metaclass__ = ListMetaclass # 指示使用ListMetaclass来定制类

在定义普通类MyList时加上 "__metaclass__ = ListMetaclass" 语句，元类就生效了，它指示Python解释器在创建MyList时，要通过ListMetaclass.__new__()来创建，在此，我们可以修改类的定义，比如，加上新的方法，然后，返回修改后的定义。

__new__()方法接收到的参数依次是：

当前准备创建的类的对象；

类的名字；

类继承的父类集合；

类的方法集合。

测试MyList类的add方法：

L = MyList()L.add(1)   # L=[1]L2 = list()L2.add(1)   # error, 普通list没有add方法

可见，通过元类可以修改普通类MyList的定义——元类的作用就是动态修改类的定义。

抽象类

Python中没有提供抽象类与抽象方法，但提供了 ABC模块（Abstract Base Class）用于模拟抽象类。

abc.ABCMeta，用来生成抽象基础类的元类，由它生成的类可以被直接继承；

abc.ABC，辅助类，让你可以不用关心元类概念，直接继承它，就有了ABCMeta元类；使用时注意元类冲突；

@abc.abstractmethod，定义抽象方法，除了这个装饰器，其余装饰器都被deprecated了；

如下面的例子：

from abc import ABCMetaclass MyABC:    __metaclass__ = ABCMetaMyABC.register(tuple)assert issubclass(tuple, MyABC)assert isinstance((), MyABC)

首先生成了一个MyABC的抽象基础类，然后再将tuple变成它的虚拟子类。然后通过issubclass或者isinstance都可以判断出tuple是不是出于MyABC类。

另外，也可以通过复写__subclasshook__(subclass)来改变issubclass或者isinstance的行为，__subclasshook__(subclass)必须定义为classmethod

class Foo:    def __getitem__(self, index):        ...    def __len__(self):        ...    def get_iterator(self):        return iter(self)class MyIterable(metaclass=ABCMeta):    @abstractmethod    def __iter__(self):        while False:            yield None    def get_iterator(self):        return self.__iter__()    @classmethod    def __subclasshook__(cls, C):        if cls is MyIterable:            if any("__iter__" in B.__dict__ for B in C.__mro__):                return True        return NotImplementedMyIterable.register(Foo)

具体化一个抽象类可以有两种方式：

注册（register）

继承

注册方式的缺点：不会出现在类的MRO (Method Resolution Order)，故而也不能通过super()来调用抽象方法。当没有实现抽象方法时，实例化时候不会报错，只有在调用时候才会报错。

下面说下继承方式：直接从抽象基类派生子类有一个好处，除非子类实现抽象基类的抽象方法，否则子类不能实例化。

class PluginBase(metaclass= abc.ABCMeta):    #__metaclass__ = abc.ABCMeta        @abc.abstractmethod    def load(self, input):        """Retrieve data from the input source and return an object."""        return        @abc.abstractmethod    def save(self, output, data):        """Save the data object to the output."""        return        class SubclassImplementation(PluginBase):    def load(self, input):        return input.read()        def save(self, output, data):        return output.write(data) if __name__ == '__main__':    print 'Subclass:', issubclass(SubclassImplementation, PluginBase)    print 'Instance:', isinstance(SubclassImplementation(), PluginBase)

ORM的实现

下面举一个更复杂的例子，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，写代码更简单，不用直接操作SQL语句。要编写一个ORM框架，所有的类都只能动态定义，因为只有使用者才能根据表的结构定义出对应的类来。

编写底层模块的第一步，就是先把调用接口写出来。比如，使用者如果使用这个ORM框架，想定义一个User类来操作对应的数据库表User，我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')# 创建一个实例：u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')# 保存到数据库：u.save()

其中，父类Model和属性类型StringField、IntegerField是由ORM框架提供的，剩下的比如save()全部由metaclass自动完成。虽然metaclass的编写会比较复杂，但ORM的使用者用起来却异常简单。

首先来定义Field类，它负责保存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的基础上，进一步定义各种类型的Field，比如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，就是编写最复杂的ModelMetaclass了：

class ModelMetaclass(type):    def __new__(cls, name, bases, attrs):        if name=='Model':            return type.__new__(cls, name, bases, attrs)        mappings = dict()        for k, v in attrs.iteritems():            if isinstance(v, Field):                print('Found mapping: %s==>%s' % (k, v))                mappings[k] = v        for k in mappings.iterkeys():            attrs.pop(k)        attrs['__table__'] = name # 假设表名和类名一致        attrs['__mappings__'] = mappings # 保存属性和列的映射关系        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__.iteritems():            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))

当用户定义一个class User(Model)时，Python解释器首先在当前类User的定义中查找__metaclass__，如果没有找到，就继续在父类Model中查找__metaclass__，找到了，就使用Model中定义的__metaclass__的ModelMetaclass来创建User类，也就是说，metaclass可以隐式地继承到子类，但子类自己却感觉不到。

在ModelMetaclass中，一共做了几件事情：