Python进阶:metaclass谈
程序员文章站
2022-06-27 22:22:40
metaclass 的超越变形特性有什么用? 来看yaml的实例: import yaml class Monster(yaml.YAMLObject): yaml_tag = u'!Monster' def __init__(self, name, hp, ac, attacks): self.n ......
metaclass 的超越变形特性有什么用?
来看yaml的实例:
import yaml class monster(yaml.yamlobject): yaml_tag = u'!monster' def __init__(self, name, hp, ac, attacks): self.name = name self.hp = hp self.ac = ac self.attacks = attacks def __repr__(self): return "%s(name=%r, hp=%r, ac=%r, attacks=%r)" % ( self.__class__.__name__, self.name, self.hp, self.ac, self.attacks) monster1 = yaml.load(""" --- !monster name: cave spider hp: [2,6] # 2d6 ac: 16 attacks: [bite, hurt] """,loader=yaml.loader) print(monster1) #monster(name='cave spider', hp=[2, 6], ac=16, attacks=['bite', 'hurt']) print(type(monster1)) #<class '__main__.monster'> print (yaml.dump(monster( name='cave lizard', hp=[3,6], ac=16, attacks=['bite','hurt'])) ) # dump() 返回 str # 输出 # !monster # ac: 16 # attacks: [bite, hurt] # hp: [3, 6] # name: cave lizard
上面的代码调用yaml.load(),就能把任意一个 yaml 序列载入成一个 python object;而调用yaml.dump(),就能把一个 yamlobject 子类序列化。对于 load() 和 dump() 的使用者来说,他们完全不需要提前知道任何类型信息,这让超动态配置编程成了可能。
只要简单地继承 yaml.yamlobject,就能让你的 python object 具有序列化和逆序列化能力。
metaclass 的超越变形特性怎么用?
yaml 怎样用 metaclass 实现动态序列化 / 逆序列化功能,看其源码
#python 2/3 相同部分 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) # 省略其余定义 # python 3 class yamlobject(metaclass=yamlobjectmetaclass): yaml_loader = loader # 省略其余定义 # python 2 class yamlobject(object): __metaclass__ = yamlobjectmetaclass yaml_loader = loader # 省略其余定义
yamlobject 把 metaclass 都声明成了 yamlobjectmetaclass
在你定义任何 yamlobject 子类时,python 会强行插入运行下面这段代码
cls.yaml_loader.add_constructor(cls.yaml_tag, cls.from_yaml)
python 底层语言设计层面是如何实现 metaclass 的?
第一,所有的 python 的用户定义类,都是 type 这个类的实例。
class myclass: pass instance = myclass() print(type(instance)) # 输出 #<class '__main__.myclass'> print(type(myclass)) # 输出 #<class 'type'>
instance 是 myclass 的实例,而 myclass 不过是“上帝”type 的实例。
第二,用户自定义类,只不过是 type 类的__call__运算符重载。
class myclass: data = 1 instance = myclass() print(myclass, instance) # 输出 #(__main__.myclass, <__main__.myclass instance at 0x7fe4f0b00ab8>) print(instance.data) # 输出 #1 myclass = type('myclass', (), {'data': 1}) instance = myclass() print(myclass, instance) # 输出 #(__main__.myclass, <__main__.myclass at 0x7fe4f0aea5d0>) print(instance.data) # 输出 #1
可以看出,定义myclass的时候python实际调用的是type(classname, superclasses, attributedict),就是 type 的__call__运算符重载,接着会进一步调用
type.__new__(typeclass, classname, superclasses, attributedict) type.__init__(class, classname, superclasses, attributedict)
第三,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。
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。
class = type(classname, superclasses, attributedict) # 变为了 class = mymeta(classname, superclasses, attributedict)
使用 metaclass 的风险
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。
参考
极客时间《python 核心技术与实战》
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) obj.testperporet = 'change' #修改子类的属性 cls.__init__(cls, *args, **kwargs) return obj class foo(metaclass=mymeta): yaml_tag = '!foo' testperporet = 'orig' def __init__(self, name): print('foo.__init__') self.name = name def __new__(cls, *args, **kwargs): print('foo.__new__') return object.__new__(cls) foo = foo('foo') print(foo.__dict__)
上一篇: 显示鼠标滑动轨迹