使用元类

type()

动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创建的。

比方说我们要定义一个Hello的class，就写一个hello.py模块：

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

当Python解释器载入hello模块时，就会依次执行该模块的所有语句，执行结果就是动态创建出一个Hello的class对象，测试如下：

  1. >>> from hello import Hello
  2. >>> h = Hello()
  3. >>> h.hello()
  4. Hello, world.
  5. >>> print(type(Hello))
  6. <type 'type'>
  7. >>> print(type(h))
  8. <class 'hello.Hello'>

type()函数可以查看一个类型或变量的类型，Hello是一个class，它的类型就是type，而h是一个实例，它的类型就是class Hello。

我们说class的定义是运行时动态创建的，而创建class的方法就是使用type()函数。

type()函数既可以返回一个对象的类型，又可以创建出新的类型，比如，我们可以通过type()函数创建出Hello类，而无需通过class Hello(object)…的定义：

  1. >>> def fn(self, name='world'): # 先定义函数
  2. ...     print('Hello, %s.' % name)
  3. ...
  4. >>> Hello = type('Hello', (object,), dict(hello=fn)) # 创建Hello class
  5. >>> h = Hello()
  6. >>> h.hello()
  7. Hello, world.
  8. >>> print(type(Hello))
  9. <type 'type'>
  10. >>> print(type(h))
  11. <class '__main__.Hello'>

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。
    通过type()函数创建的类和直接写class是完全一样的，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，然后调用type()函数创建出class。

正常情况下，我们都用class Xxx…来定义类，但是，type()函数也允许我们动态创建出类来，也就是说，动态语言本身支持运行期动态创建类，这和静态语言有非常大的不同，要在静态语言运行期创建类，必须构造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，本质上都是动态编译，会非常复杂。

metaclass

除了使用type()动态创建类以外，要控制类的创建行为，还可以使用metaclass。

metaclass，直译为元类，简单的解释就是：

当我们定义了类以后，就可以根据这个类创建出实例，所以：先定义类，然后创建实例。

但是如果我们想创建出类呢？那就必须根据metaclass创建出类，所以：先定义metaclass，然后创建类。

连接起来就是：先定义metaclass，就可以创建类，最后创建实例。

所以，metaclass允许你创建类或者修改类。换句话说，你可以把类看成是metaclass创建出来的“实例”。

metaclass是Python面向对象里最难理解，也是最难使用的魔术代码。正常情况下，你不会碰到需要使用metaclass的情况，所以，以下内容看不懂也没关系，因为基本上你不会用到。

我们先看一个简单的例子，这个metaclass可以给我们自定义的MyList增加一个add方法：

定义ListMetaclass，按照默认习惯，metaclass的类名总是以Metaclass结尾，以便清楚地表示这是一个metaclass：

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

当我们写下metaclass = ListMetaclass语句时，魔术就生效了，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。

测试一下MyList是否可以调用add()方法：

  1. >>> L = MyList()
  2. >>> L.add(1)
  3. >>> L
  4. [1]

而普通的list没有add()方法：

  1. >>> l = list()
  2. >>> l.add(1)
  3. Traceback (most recent call last):
  4.   File "<stdin>", line 1, in <module>
  5. AttributeError: 'list' object has no attribute 'add'

动态修改有什么意义？直接在MyList定义中写上add()方法不是更简单吗？正常情况下，确实应该直接写，通过metaclass修改纯属变态。

但是，总会遇到需要通过metaclass修改类定义的。ORM就是一个典型的例子。

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。

让我们来尝试编写一个ORM框架。

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：

  1. class User(Model):
  2.     # 定义类的属性到列的映射：
  3.     id = IntegerField('id')
  4.     name = StringField('username')
  5.     email = StringField('email')
  6.     password = StringField('password')
  8. # 创建一个实例：
  9. u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')
  10. # 保存到数据库：
  11. u.save()

其中，父类Model和属性类型StringField、IntegerField是由ORM框架提供的，剩下的魔术方法比如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。

现在，我们就按上面的接口来实现该ORM。

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：

  1. class Field(object):
  2.     def __init__(self, name, column_type):
  3.         self.name = name
  4.         self.column_type = column_type
  5.     def __str__(self):
  6.         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：

  1. class StringField(Field):
  2.     def __init__(self, name):
  3.         super(StringField, self).__init__(name, 'varchar(100)')
  5. class IntegerField(Field):
  6.     def __init__(self, name):
  7.         super(IntegerField, self).__init__(name, 'bigint')

下一步，就是编写最复杂的ModelMetaclass了：

  1. class ModelMetaclass(type):
  2.     def __new__(cls, name, bases, attrs):
  3.         if name=='Model':
  4.             return type.__new__(cls, name, bases, attrs)
  5.         mappings = dict()
  6.         for k, v in attrs.iteritems():
  7.             if isinstance(v, Field):
  8.                 print('Found mapping: %s==>%s' % (k, v))
  9.                 mappings[k] = v
  10.         for k in mappings.iterkeys():
  11.             attrs.pop(k)
  12.         attrs['__table__'] = name # 假设表名和类名一致
  13.         attrs['__mappings__'] = mappings # 保存属性和列的映射关系
  14.         return type.__new__(cls, name, bases, attrs)

以及基类Model：

  1. class Model(dict):
  2.     __metaclass__ = ModelMetaclass
  4.     def __init__(self, **kw):
  5.         super(Model, self).__init__(**kw)
  7.     def __getattr__(self, key):
  8.         try:
  9.             return self[key]
  10.         except KeyError:
  11.             raise AttributeError(r"'Model' object has no attribute '%s'" % key)
  13.     def __setattr__(self, key, value):
  14.         self[key] = value
  16.     def save(self):
  17.         fields = []
  18.         params = []
  19.         args = []
  20.         for k, v in self.__mappings__.iteritems():
  21.             fields.append(v.name)
  22.             params.append('?')
  23.             args.append(getattr(self, k, None))
  24.         sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params))
  25.         print('SQL: %s' % sql)
  26.         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：

  • 排除掉对Model类的修改；

  • 在当前类（比如User）中查找定义的类的所有属性，如果找到一个Field属性，就把它保存到一个mappings的dict中，同时从类属性中删除该Field属性，否则，容易造成运行时错误；

  • 把表名保存到table中，这里简化为表名默认为类名。

在Model类中，就可以定义各种操作数据库的方法，比如save()，delete()，find()，update等等。

我们实现了save()方法，把一个实例保存到数据库中。因为有表名，属性到字段的映射和属性值的集合，就可以构造出INSERT语句。

编写代码试试：

  1. u = User(id=12345, name='Michael', email='test@orm.org', password='my-pwd')
  2. u.save()

输出如下：

  1. Found model: User
  2. Found mapping: email ==> <StringField:email>
  3. Found mapping: password ==> <StringField:password>
  4. Found mapping: id ==> <IntegerField:uid>
  5. Found mapping: name ==> <StringField:username>
  6. SQL: insert into User (password,email,username,uid) values (?,?,?,?)
  7. ARGS: ['my-pwd', 'test@orm.org', 'Michael', 12345]

可以看到，save()方法已经打印出了可执行的SQL语句，以及参数列表，只需要真正连接到数据库，执行该SQL语句，就可以完成真正的功能。

不到100行代码，我们就通过metaclass实现了一个精简的ORM框架，完整的代码从这里下载：

https://github.com/michaelliao/learn-python/blob/master/metaclass/simple_orm.py

最后解释一下类属性和实例属性。直接在class中定义的是类属性：

  1. class Student(object):
  2.     name = 'Student'

实例属性必须通过实例来绑定，比如self.name = 'xxx'。来测试一下：

  1. >>> # 创建实例s：
  2. >>> s = Student()
  3. >>> # 打印name属性，因为实例并没有name属性，所以会继续查找class的name属性：
  4. >>> print(s.name)
  5. Student
  6. >>> # 这和调用Student.name是一样的：
  7. >>> print(Student.name)
  8. Student
  9. >>> # 给实例绑定name属性：
  10. >>> s.name = 'Michael'
  11. >>> # 由于实例属性优先级比类属性高，因此，它会屏蔽掉类的name属性：
  12. >>> print(s.name)
  13. Michael
  14. >>> # 但是类属性并未消失，用Student.name仍然可以访问：
  15. >>> print(Student.name)
  16. Student
  17. >>> # 如果删除实例的name属性：
  18. >>> del s.name
  19. >>> # 再次调用s.name，由于实例的name属性没有找到，类的name属性就显示出来了：
  20. >>> print(s.name)
  21. Student

因此，在编写程序的时候，千万不要把实例属性和类属性使用相同的名字。

在我们编写的ORM中，ModelMetaclass会删除掉User类的所有类属性，目的就是避免造成混淆。

原文: https://wizardforcel.gitbooks.io/liaoxuefeng/content/py2/47.html