python - Python 中的元类是什么？

Question

在 Python 中，什么是元类，我们用它们做什么？

score 7906 · Accepted Answer

作为对象的类

在了解元类之前，您需要掌握 Python 中的类。Python 对什么是类有一个非常奇特的想法，这是从 Smalltalk 语言中借来的。

在大多数语言中，类只是描述如何生成对象的代码片段。在 Python 中也是如此：

>>> class ObjectCreator(object):
...       pass
...

>>> my_object = ObjectCreator()
>>> print(my_object)
<__main__.ObjectCreator object at 0x8974f2c>

但是类不仅仅是 Python 中的类。类也是对象。

是的，对象。

只要您使用关键字class，Python 就会执行它并创建一个对象。该指令

>>> class ObjectCreator(object):
...       pass
...

在内存中创建一个名为的对象ObjectCreator。

这个对象（类）本身能够创建对象（实例），这就是为什么它是一个类。

但是，它仍然是一个对象，因此：

您可以将其分配给变量
你可以复制它
您可以为其添加属性
您可以将其作为函数参数传递

例如：

>>> print(ObjectCreator) # you can print a class because it's an object
<class '__main__.ObjectCreator'>
>>> def echo(o):
...       print(o)
...
>>> echo(ObjectCreator) # you can pass a class as a parameter
<class '__main__.ObjectCreator'>
>>> print(hasattr(ObjectCreator, 'new_attribute'))
False
>>> ObjectCreator.new_attribute = 'foo' # you can add attributes to a class
>>> print(hasattr(ObjectCreator, 'new_attribute'))
True
>>> print(ObjectCreator.new_attribute)
foo
>>> ObjectCreatorMirror = ObjectCreator # you can assign a class to a variable
>>> print(ObjectCreatorMirror.new_attribute)
foo
>>> print(ObjectCreatorMirror())
<__main__.ObjectCreator object at 0x8997b4c>

动态创建类

由于类是对象，因此您可以像任何对象一样动态创建它们。

首先，您可以使用以下方法在函数中创建一个类class：

>>> def choose_class(name):
...     if name == 'foo':
...         class Foo(object):
...             pass
...         return Foo # return the class, not an instance
...     else:
...         class Bar(object):
...             pass
...         return Bar
...
>>> MyClass = choose_class('foo')
>>> print(MyClass) # the function returns a class, not an instance
<class '__main__.Foo'>
>>> print(MyClass()) # you can create an object from this class
<__main__.Foo object at 0x89c6d4c>

但它不是那么动态的，因为你仍然需要自己编写整个类。

由于类是对象，因此它们必须由某些东西生成。

当您使用class关键字时，Python 会自动创建此对象。但与 Python 中的大多数事情一样，它为您提供了一种手动完成的方法。

还记得函数type吗？让您知道对象是什么类型的旧函数：

>>> print(type(1))
<type 'int'>
>>> print(type("1"))
<type 'str'>
>>> print(type(ObjectCreator))
<type 'type'>
>>> print(type(ObjectCreator()))
<class '__main__.ObjectCreator'>

嗯，type有一个完全不同的能力，它也可以在运行中创建类。type可以将类的描述作为参数，返回一个类。

（我知道，根据您传递给它的参数，同一个函数可以有两种完全不同的用途，这是愚蠢的。由于 Python 的向后兼容性，这是一个问题）

type以这种方式工作：

type(name, bases, attrs)

在哪里：

name: 类名
bases: 父类的元组（用于继承，可以为空）
attrs: 包含属性名称和值的字典

例如：

>>> class MyShinyClass(object):
...       pass

可以通过这种方式手动创建：

>>> MyShinyClass = type('MyShinyClass', (), {}) # returns a class object
>>> print(MyShinyClass)
<class '__main__.MyShinyClass'>
>>> print(MyShinyClass()) # create an instance with the class
<__main__.MyShinyClass object at 0x8997cec>

您会注意到我们使用MyShinyClass了类名和保存类引用的变量。它们可以不同，但没有理由使事情复杂化。

type接受一个字典来定义类的属性。所以：

>>> class Foo(object):
...       bar = True

可以翻译成：

>>> Foo = type('Foo', (), {'bar':True})

并用作普通类：

>>> print(Foo)
<class '__main__.Foo'>
>>> print(Foo.bar)
True
>>> f = Foo()
>>> print(f)
<__main__.Foo object at 0x8a9b84c>
>>> print(f.bar)
True

当然，你可以继承它，所以：

>>>   class FooChild(Foo):
...         pass

将会：

>>> FooChild = type('FooChild', (Foo,), {})
>>> print(FooChild)
<class '__main__.FooChild'>
>>> print(FooChild.bar) # bar is inherited from Foo
True

最终，你会想要为你的类添加方法。只需定义一个具有适当签名的函数并将其分配为属性。

>>> def echo_bar(self):
...       print(self.bar)
...
>>> FooChild = type('FooChild', (Foo,), {'echo_bar': echo_bar})
>>> hasattr(Foo, 'echo_bar')
False
>>> hasattr(FooChild, 'echo_bar')
True
>>> my_foo = FooChild()
>>> my_foo.echo_bar()
True

并且你可以在动态创建类之后添加更多的方法，就像在正常创建的类对象中添加方法一样。

>>> def echo_bar_more(self):
...       print('yet another method')
...
>>> FooChild.echo_bar_more = echo_bar_more
>>> hasattr(FooChild, 'echo_bar_more')
True

你知道我们要去哪里：在 Python 中，类是对象，你可以动态地创建一个类。

这就是 Python 在使用关键字时class所做的事情，它通过使用元类来做到这一点。

什么是元类（最后）

元类是创建类的“东西”。

你定义类是为了创建对象，对吧？

但是我们了解到 Python 类是对象。

好吧，元类是创建这些对象的原因。它们是班级的班级，您可以这样描绘它们：

MyClass = MetaClass()
my_object = MyClass()

您已经看到，它type可以让您执行以下操作：

MyClass = type('MyClass', (), {})

这是因为该函数type实际上是一个元类。type是 Python 用来在幕后创建所有类的元类。

现在你想知道“为什么它是小写的，而不是小写的Type？”

好吧，我想这是与str创建字符串对象int的类和创建整数对象的类的一致性问题。type只是创建类对象的类。

您可以通过检查__class__属性看到这一点。

一切，我的意思是一切，都是 Python 中的对象。这包括整数、字符串、函数和类。它们都是对象。所有这些都是从一个类创建的：

>>> age = 35
>>> age.__class__
<type 'int'>
>>> name = 'bob'
>>> name.__class__
<type 'str'>
>>> def foo(): pass
>>> foo.__class__
<type 'function'>
>>> class Bar(object): pass
>>> b = Bar()
>>> b.__class__
<class '__main__.Bar'>

现在， any 是__class__什么__class__？

>>> age.__class__.__class__
<type 'type'>
>>> name.__class__.__class__
<type 'type'>
>>> foo.__class__.__class__
<type 'type'>
>>> b.__class__.__class__
<type 'type'>

因此，元类只是创建类对象的东西。

如果你愿意，你可以称它为“类工厂”。

type是 Python 使用的内置元类，但当然，您可以创建自己的元类。

`metaclass`属性_

在 Python 2 中，您可以__metaclass__在编写类时添加属性（请参阅下一节了解 Python 3 语法）：

class Foo(object):
    __metaclass__ = something...
    [...]

如果这样做，Python 将使用元类来创建类Foo。

小心，这很棘手。

您先编写，但尚未在内存中创建class Foo(object)类对象。Foo

Python 将__metaclass__在类定义中查找。如果找到它，它将使用它来创建对象类Foo。如果没有，它将 type用于创建类。

多读几遍。

当你这样做时：

class Foo(Bar):
    pass

Python 执行以下操作：

中是否有__metaclass__属性Foo？

如果是，则在内存中创建一个类对象（我说的是类对象，请留在我这里），其名称Foo使用__metaclass__.

如果 Python 找不到__metaclass__，它将__metaclass__在 MODULE 级别查找 a ，并尝试做同样的事情（但仅适用于不继承任何东西的类，基本上是旧式类）。

然后，如果它根本找不到任何__metaclass__东西，它将使用Bar's（第一个父级）自己的元类（可能是默认的type）来创建类对象。

注意这里的__metaclass__属性不会被继承，父类（Bar.__class__）的元类会被继承。如果Bar使用使用（而不是）创建的属性，__metaclass__子类将不会继承该行为。Bartype()type.__new__()

现在最大的问题是，你能放__metaclass__什么？

答案是可以创建类的东西。

什么可以创建一个类？type，或任何子类或使用它的东西。

Python 3 中的元类

Python 3 中设置元类的语法已更改：

class Foo(object, metaclass=something):
    ...

即__metaclass__不再使用该属性，取而代之的是基类列表中的关键字参数。

然而，元类的行为基本保持不变。

在 Python 3 中添加到元类的一件事是，您还可以将属性作为关键字参数传递给元类，如下所示：

class Foo(object, metaclass=something, kwarg1=value1, kwarg2=value2):
    ...

阅读下面的部分，了解 Python 如何处理这个问题。

自定义元类

元类的主要目的是在创建类时自动更改它。

您通常为 API 执行此操作，您希望在其中创建与当前上下文匹配的类。

想象一个愚蠢的例子，你决定模块中的所有类的属性都应该用大写字母写。有几种方法可以做到这一点，但一种方法是__metaclass__在模块级别进行设置。

这样，这个模块的所有类都将使用这个元类创建，我们只需要告诉元类将所有属性都转为大写即可。

幸运的是，__metaclass__实际上可以是任何可调用的，它不需要是一个正式的类（我知道，名称中带有“类”的东西不需要是一个类，去看看......但它很有帮助）。

所以我们将从一个简单的例子开始，使用一个函数。

# the metaclass will automatically get passed the same argument
# that you usually pass to `type`
def upper_attr(future_class_name, future_class_parents, future_class_attrs):
    """
      Return a class object, with the list of its attribute turned
      into uppercase.
    """
    # pick up any attribute that doesn't start with '__' and uppercase it
    uppercase_attrs = {
        attr if attr.startswith("__") else attr.upper(): v
        for attr, v in future_class_attrs.items()
    }

    # let `type` do the class creation
    return type(future_class_name, future_class_parents, uppercase_attrs)

__metaclass__ = upper_attr # this will affect all classes in the module

class Foo(): # global __metaclass__ won't work with "object" though
    # but we can define __metaclass__ here instead to affect only this class
    # and this will work with "object" children
    bar = 'bip'

让我们检查：

>>> hasattr(Foo, 'bar')
False
>>> hasattr(Foo, 'BAR')
True
>>> Foo.BAR
'bip'

现在，让我们做同样的事情，但使用一个真正的类作为元类：

# remember that `type` is actually a class like `str` and `int`
# so you can inherit from it
class UpperAttrMetaclass(type):
    # __new__ is the method called before __init__
    # it's the method that creates the object and returns it
    # while __init__ just initializes the object passed as parameter
    # you rarely use __new__, except when you want to control how the object
    # is created.
    # here the created object is the class, and we want to customize it
    # so we override __new__
    # you can do some stuff in __init__ too if you wish
    # some advanced use involves overriding __call__ as well, but we won't
    # see this
    def __new__(upperattr_metaclass, future_class_name,
                future_class_parents, future_class_attrs):
        uppercase_attrs = {
            attr if attr.startswith("__") else attr.upper(): v
            for attr, v in future_class_attrs.items()
        }
        return type(future_class_name, future_class_parents, uppercase_attrs)

让我们重写上面的内容，但是现在我们知道它们的含义，使用更短和更真实的变量名称：

class UpperAttrMetaclass(type):
    def __new__(cls, clsname, bases, attrs):
        uppercase_attrs = {
            attr if attr.startswith("__") else attr.upper(): v
            for attr, v in attrs.items()
        }
        return type(clsname, bases, uppercase_attrs)

您可能已经注意到额外的参数cls。它没有什么特别之处：__new__总是接收它定义的类，作为第一个参数。就像您self对接收实例作为第一个参数的普通方法或类方法的定义类一样。

但这不是正确的 OOP。我们type直接调用，我们没有覆盖或调用父级的__new__. 让我们这样做：

class UpperAttrMetaclass(type):
    def __new__(cls, clsname, bases, attrs):
        uppercase_attrs = {
            attr if attr.startswith("__") else attr.upper(): v
            for attr, v in attrs.items()
        }
        return type.__new__(cls, clsname, bases, uppercase_attrs)

我们可以通过 using 使其更简洁super，这将简化继承（因为是的，您可以拥有元类，从元类继承，从类型继承）：

class UpperAttrMetaclass(type):
    def __new__(cls, clsname, bases, attrs):
        uppercase_attrs = {
            attr if attr.startswith("__") else attr.upper(): v
            for attr, v in attrs.items()
        }
        return super(UpperAttrMetaclass, cls).__new__(
            cls, clsname, bases, uppercase_attrs)

哦，在 Python 3 中，如果您使用关键字参数进行此调用，如下所示：

class Foo(object, metaclass=MyMetaclass, kwarg1=value1):
    ...

它在元类中转换为 this 以使用它：

class MyMetaclass(type):
    def __new__(cls, clsname, bases, dct, kwargs1=default):
        ...

就是这样。元类真的没有更多的东西了。

使用元类的代码复杂性背后的原因不是因为元类，而是因为您通常使用元类来做一些扭曲的事情，依赖于自省、操作继承、vars 等__dict__。

事实上，元类对于做黑魔法特别有用，因此也很复杂。但就其本身而言，它们很简单：

拦截类创建
修改类
返回修改后的类

为什么要使用元类类而不是函数？

既然__metaclass__可以接受任何可调用的，为什么要使用一个类，因为它显然更复杂？

这样做有几个原因：

意图很明确。当你阅读时UpperAttrMetaclass(type)，你知道接下来会发生什么
您可以使用 OOP。元类可以继承元类，覆盖父方法。元类甚至可以使用元类。
如果您指定了元类类，则类的子类将是其元类的实例，但不使用元类函数。
您可以更好地构建代码。您永远不会将元类用于像上面的示例这样微不足道的事情。它通常用于复杂的事情。能够创建多个方法并将它们分组到一个类中对于使代码更易于阅读非常有用。
你可以挂上__new__,__init__和__call__。这将使您可以做不同的事情，即使通常您可以全部完成__new__，但有些人使用起来更舒服__init__。
这些被称为元类，该死！一定是什么意思！

为什么要使用元类？

现在是个大问题。为什么要使用一些晦涩易错的功能？

好吧，通常你不会：

元类是更深层次的魔法，99% 的用户都不应该担心它。如果你想知道你是否需要它们，你不需要（实际上需要它们的人肯定知道他们需要它们并且不需要解释为什么）。

Python 大师蒂姆·彼得斯

元类的主要用例是创建 API。一个典型的例子是 Django ORM。它允许您定义如下内容：

class Person(models.Model):
    name = models.CharField(max_length=30)
    age = models.IntegerField()

但如果你这样做：

person = Person(name='bob', age='35')
print(person.age)

它不会返回IntegerField对象。它将返回一个int，甚至可以直接从数据库中获取。

这是可能的，因为models.Model定义__metaclass__并且它使用了一些魔法，将Person您刚刚使用简单语句定义的内容转换为数据库字段的复杂挂钩。

Django 通过公开一个简单的 API 并使用元类，从这个 API 重新创建代码来完成幕后的真正工作，让复杂的事情看起来很简单。

最后一个字

首先，您知道类是可以创建实例的对象。

好吧，事实上，类本身就是实例。元类。

>>> class Foo(object): pass
>>> id(Foo)
142630324

Python 中的一切都是对象，它们要么是类的实例，要么是元类的实例。

除了type.

type实际上是它自己的元类。这不是您可以在纯 Python 中重现的东西，而是通过在实现级别上作弊来完成的。

其次，元类很复杂。您可能不想将它们用于非常简单的类更改。您可以使用两种不同的技术更改类：

猴子补丁
类装饰器

99% 的时间你需要改变班级，你最好使用这些。

但是 98% 的情况下，您根本不需要更改班级。

score 3342 · Accepted Answer

元类是类的类。类定义类的实例（即对象）的行为方式，而元类定义类的行为方式。类是元类的一个实例。

在 Python 中，您可以对元类使用任意可调用对象（如Jerub所示），更好的方法是使其本身成为实际类。type是 Python 中常用的元类。type它本身就是一个类，它是它自己的类型。您将无法重新创建type纯粹在 Python 中的东西，但 Python 会作弊。要在 Python 中创建自己的元类，你真的只想继承type.

元类最常用作类工厂。当您通过调用类创建对象时，Python 通过调用元类创建一个新类（当它执行“类”语句时）。结合普通__init__和__new__方法，元类因此允许您在创建类时做“额外的事情”，例如使用某个注册表注册新类或完全用其他东西替换该类。

执行语句时class，Python 首先将class语句体作为普通代码块执行。生成的命名空间（一个字典）保存了类的属性。元类是通过查看待定类的基类（继承元类）、待定类的__metaclass__属性（如果有）或__metaclass__全局变量来确定的。然后使用类的名称、基类和属性调用元类以实例化它。

然而，元类实际上定义了一个类的类型，而不仅仅是它的工厂，所以你可以用它们做更多的事情。例如，您可以在元类上定义普通方法。这些元类方法类似于类方法，因为它们可以在没有实例的类上调用，但它们也不像类方法，因为它们不能在类的实例上调用。是元类type.__subclasses__()上的方法的示例。type您还可以定义普通的“魔术”方法，如和__add__，以实现或更改类的行为方式。__iter____getattr__

下面是一个点点滴滴的汇总示例：

def make_hook(f):
    """Decorator to turn 'foo' method into '__foo__'"""
    f.is_hook = 1
    return f

class MyType(type):
    def __new__(mcls, name, bases, attrs):

        if name.startswith('None'):
            return None

        # Go over attributes and see if they should be renamed.
        newattrs = {}
        for attrname, attrvalue in attrs.iteritems():
            if getattr(attrvalue, 'is_hook', 0):
                newattrs['__%s__' % attrname] = attrvalue
            else:
                newattrs[attrname] = attrvalue

        return super(MyType, mcls).__new__(mcls, name, bases, newattrs)

    def __init__(self, name, bases, attrs):
        super(MyType, self).__init__(name, bases, attrs)

        # classregistry.register(self, self.interfaces)
        print "Would register class %s now." % self

    def __add__(self, other):
        class AutoClass(self, other):
            pass
        return AutoClass
        # Alternatively, to autogenerate the classname as well as the class:
        # return type(self.__name__ + other.__name__, (self, other), {})

    def unregister(self):
        # classregistry.unregister(self)
        print "Would unregister class %s now." % self

class MyObject:
    __metaclass__ = MyType


class NoneSample(MyObject):
    pass

# Will print "NoneType None"
print type(NoneSample), repr(NoneSample)

class Example(MyObject):
    def __init__(self, value):
        self.value = value
    @make_hook
    def add(self, other):
        return self.__class__(self.value + other.value)

# Will unregister the class
Example.unregister()

inst = Example(10)
# Will fail with an AttributeError
#inst.unregister()

print inst + inst
class Sibling(MyObject):
    pass

ExampleSibling = Example + Sibling
# ExampleSibling is now a subclass of both Example and Sibling (with no
# content of its own) although it will believe it's called 'AutoClass'
print ExampleSibling
print ExampleSibling.__mro__

score 455 · Accepted Answer

请注意，此答案适用于 Python 2.x，因为它是在 2008 年编写的，元类在 3.x 中略有不同。

元类是让“类”发挥作用的秘诀。新样式对象的默认元类称为“类型”。

class type(object)
  |  type(object) -> the object's type
  |  type(name, bases, dict) -> a new type

元类需要 3 个参数。' name '、' bases ' 和 ' dict '

这里是秘密开始的地方。在这个示例类定义中查找名称、基数和字典的来源。

class ThisIsTheName(Bases, Are, Here):
    All_the_code_here
    def doesIs(create, a):
        dict

让我们定义一个元类来演示“类： ”如何调用它。

def test_metaclass(name, bases, dict):
    print 'The Class Name is', name
    print 'The Class Bases are', bases
    print 'The dict has', len(dict), 'elems, the keys are', dict.keys()

    return "yellow"

class TestName(object, None, int, 1):
    __metaclass__ = test_metaclass
    foo = 1
    def baz(self, arr):
        pass

print 'TestName = ', repr(TestName)

# output => 
The Class Name is TestName
The Class Bases are (<type 'object'>, None, <type 'int'>, 1)
The dict has 4 elems, the keys are ['baz', '__module__', 'foo', '__metaclass__']
TestName =  'yellow'

现在，一个真正有意义的例子，这将自动使列表中的变量“属性”设置在类上，并设置为无。

def init_attributes(name, bases, dict):
    if 'attributes' in dict:
        for attr in dict['attributes']:
            dict[attr] = None

    return type(name, bases, dict)

class Initialised(object):
    __metaclass__ = init_attributes
    attributes = ['foo', 'bar', 'baz']

print 'foo =>', Initialised.foo
# output=>
foo => None

请注意，Initialised通过元类获得的神奇行为init_attributes不会传递给Initialised.

这是一个更具体的示例，展示了如何将“type”子类化以创建一个元类，该元类在创建类时执行操作。这很棘手：

class MetaSingleton(type):
    instance = None
    def __call__(cls, *args, **kw):
        if cls.instance is None:
            cls.instance = super(MetaSingleton, cls).__call__(*args, **kw)
        return cls.instance

class Foo(object):
    __metaclass__ = MetaSingleton

a = Foo()
b = Foo()
assert a is b

score 210 · Accepted Answer

其他人已经解释了元类如何工作以及它们如何适应 Python 类型系统。这是它们可以用于什么的示例。在我编写的测试框架中，我想跟踪定义类的顺序，以便以后可以按此顺序实例化它们。我发现使用元类最容易做到这一点。

class MyMeta(type):

    counter = 0

    def __init__(cls, name, bases, dic):
        type.__init__(cls, name, bases, dic)
        cls._order = MyMeta.counter
        MyMeta.counter += 1

class MyType(object):              # Python 2
    __metaclass__ = MyMeta

class MyType(metaclass=MyMeta):    # Python 3
    pass

任何作为MyTypethen 子类的东西都会获得一个类属性，该属性_order记录了定义类的顺序。

score 187 · Accepted Answer

元类的一种用途是自动向实例添加新属性和方法。

例如，如果您查看Django 模型，它们的定义看起来有点混乱。看起来好像您只定义类属性：

class Person(models.Model):
    first_name = models.CharField(max_length=30)
    last_name = models.CharField(max_length=30)

然而，在运行时，Person 对象充满了各种有用的方法。查看一些惊人的元分类的源代码。

score 150 · Accepted Answer

我认为元类编程的 ONLamp 介绍写得很好，尽管已经有好几年的历史了，但对这个主题给出了很好的介绍。

http://www.onlamp.com/pub/a/python/2003/04/17/metaclasses.html（存档于https://web.archive.org/web/20080206005253/http://www.onlamp。 com/pub/a/python/2003/04/17/metaclasses.html )

简而言之：类是创建实例的蓝图，元类是创建类的蓝图。很容易看出，在 Python 中，类也需要是一流的对象才能启用此行为。

我自己从来没有写过，但我认为元类最好的用途之一可以在Django 框架中看到。模型类使用元类方法来启用编写新模型或表单类的声明式风格。当元类创建类时，所有成员都可以自定义类本身。

剩下要说的是：如果你不知道元类是什么，那么你不需要它们的概率是 99%。

score 137 · Accepted Answer

什么是元类？你用它们做什么？

TLDR：元类实例化并定义类的行为，就像类实例化并定义实例的行为一样。

伪代码：

>>> Class(...)
instance

上面应该看起来很熟悉。那么，Class从哪里来？它是元类的一个实例（也是伪代码）：

>>> Metaclass(...)
Class

在实际代码中，我们可以传递默认的元类，type我们需要实例化一个类，我们得到一个类：

>>> type('Foo', (object,), {}) # requires a name, bases, and a namespace
<class '__main__.Foo'>

换个说法

类对实例就像元类对类一样。

当我们实例化一个对象时，我们得到一个实例：

>>> object()                          # instantiation of class
<object object at 0x7f9069b4e0b0>     # instance

同样，当我们使用默认元类显式定义一个类时type，我们将其实例化：

>>> type('Object', (object,), {})     # instantiation of metaclass
<class '__main__.Object'>             # instance

换句话说，类是元类的一个实例：
```
>>> isinstance(object, type)
True
```

第三种方式，元类是类的类。

>>> type(object) == type
True
>>> object.__class__
<class 'type'>

当你编写一个类定义并且 Python 执行它时，它使用一个元类来实例化类对象（反过来，它将被用来实例化该类的实例）。

正如我们可以使用类定义来改变自定义对象实例的行为方式一样，我们可以使用元类类定义来改变类对象的行为方式。

它们可以用来做什么？从文档：

元类的潜在用途是无限的。已经探索的一些想法包括日志记录、接口检查、自动委托、自动属性创建、代理、框架和自动资源锁定/同步。

尽管如此，除非绝对必要，否则通常鼓励用户避免使用元类。

每次创建类时都使用元类：

例如，当您编写类定义时，像这样，

class Foo(object): 
    'demo'

您实例化一个类对象。

>>> Foo
<class '__main__.Foo'>
>>> isinstance(Foo, type), isinstance(Foo, object)
(True, True)

这type与使用适当的参数进行功能调用并将结果分配给该名称的变量相同：

name = 'Foo'
bases = (object,)
namespace = {'__doc__': 'demo'}
Foo = type(name, bases, namespace)

注意，有些东西会自动添加到__dict__，即命名空间：

>>> Foo.__dict__
dict_proxy({'__dict__': <attribute '__dict__' of 'Foo' objects>, 
'__module__': '__main__', '__weakref__': <attribute '__weakref__' 
of 'Foo' objects>, '__doc__': 'demo'})

在这两种情况下，我们创建的对象的元类都是type.

（关于类内容的旁注__dict__：__module__是因为类必须知道它们在哪里定义，并且 __dict__存在__weakref__是因为我们没有定义__slots__- 如果我们定义__slots__，我们将在实例中节省一些空间，如我们可以禁止__dict__并__weakref__排除它们。例如：

>>> Baz = type('Bar', (object,), {'__doc__': 'demo', '__slots__': ()})
>>> Baz.__dict__
mappingproxy({'__doc__': 'demo', '__slots__': (), '__module__': '__main__'})

...但我离题了。）

我们可以`type`像任何其他类定义一样扩展：

这是类的默认值__repr__：

>>> Foo
<class '__main__.Foo'>

默认情况下，我们在编写 Python 对象时可以做的最有价值的事情之一就是为它提供一个好的__repr__. 当我们打电话时，help(repr)我们了解到有一个很好的测试 a__repr__也需要测试相等性 - obj == eval(repr(obj))。下面对我们类型类的类实例的简单实现为__repr__我们__eq__提供了一个可以改进__repr__类默认值的演示：

class Type(type):
    def __repr__(cls):
        """
        >>> Baz
        Type('Baz', (Foo, Bar,), {'__module__': '__main__', '__doc__': None})
        >>> eval(repr(Baz))
        Type('Baz', (Foo, Bar,), {'__module__': '__main__', '__doc__': None})
        """
        metaname = type(cls).__name__
        name = cls.__name__
        parents = ', '.join(b.__name__ for b in cls.__bases__)
        if parents:
            parents += ','
        namespace = ', '.join(': '.join(
          (repr(k), repr(v) if not isinstance(v, type) else v.__name__))
               for k, v in cls.__dict__.items())
        return '{0}(\'{1}\', ({2}), {{{3}}})'.format(metaname, name, parents, namespace)
    def __eq__(cls, other):
        """
        >>> Baz == eval(repr(Baz))
        True            
        """
        return (cls.__name__, cls.__bases__, cls.__dict__) == (
                other.__name__, other.__bases__, other.__dict__)

所以现在当我们用这个元类创建一个对象时，__repr__命令行上的回显提供了一个比默认值少得多的丑陋景象：

>>> class Bar(object): pass
>>> Baz = Type('Baz', (Foo, Bar,), {'__module__': '__main__', '__doc__': None})
>>> Baz
Type('Baz', (Foo, Bar,), {'__module__': '__main__', '__doc__': None})

为类实例定义了一个很好的__repr__定义，我们有更强的调试代码的能力。然而，更进一步的检查eval(repr(Class))是不可能的（因为函数是不可能从它们的 default __repr__'s 进行评估的）。

预期用途：`prepare`命名空间

例如，如果我们想知道一个类的方法是按什么顺序创建的，我们可以提供一个有序的字典作为类的命名空间。如果它是在 Python 3 中实现的，我们将使用__prepare__它返回类的命名空间字典：

from collections import OrderedDict

class OrderedType(Type):
    @classmethod
    def __prepare__(metacls, name, bases, **kwargs):
        return OrderedDict()
    def __new__(cls, name, bases, namespace, **kwargs):
        result = Type.__new__(cls, name, bases, dict(namespace))
        result.members = tuple(namespace)
        return result

和用法：

class OrderedMethodsObject(object, metaclass=OrderedType):
    def method1(self): pass
    def method2(self): pass
    def method3(self): pass
    def method4(self): pass

现在我们记录了这些方法（和其他类属性）的创建顺序：

>>> OrderedMethodsObject.members
('__module__', '__qualname__', 'method1', 'method2', 'method3', 'method4')

请注意，此示例改编自文档-标准库中的新枚举执行此操作。

所以我们所做的是通过创建一个类来实例化一个元类。我们也可以像对待任何其他类一样对待元类。它有一个方法解析顺序：

>>> inspect.getmro(OrderedType)
(<class '__main__.OrderedType'>, <class '__main__.Type'>, <class 'type'>, <class 'object'>)

并且它大致正确repr（除非我们能找到一种方法来表示我们的函数，否则我们无法再评估它。）：

>>> OrderedMethodsObject
OrderedType('OrderedMethodsObject', (object,), {'method1': <function OrderedMethodsObject.method1 at 0x0000000002DB01E0>, 'members': ('__module__', '__qualname__', 'method1', 'method2', 'method3', 'method4'), 'method3': <function OrderedMet
hodsObject.method3 at 0x0000000002DB02F0>, 'method2': <function OrderedMethodsObject.method2 at 0x0000000002DB0268>, '__module__': '__main__', '__weakref__': <attribute '__weakref__' of 'OrderedMethodsObject' objects>, '__doc__': None, '__d
ict__': <attribute '__dict__' of 'OrderedMethodsObject' objects>, 'method4': <function OrderedMethodsObject.method4 at 0x0000000002DB0378>})

score 103 · Accepted Answer

Python 3 更新

元类中有（此时）两个关键方法：

__prepare__，和
__new__

__prepare__允许您在创建类时提供自定义映射（例如OrderedDict）以用作命名空间。您必须返回您选择的任何命名空间的实例。如果你不实现__prepare__一个正常dict的使用。

__new__负责最终类的实际创建/修改。

一个简单的、什么都不做的额外元类会喜欢：

class Meta(type):

    def __prepare__(metaclass, cls, bases):
        return dict()

    def __new__(metacls, cls, bases, clsdict):
        return super().__new__(metacls, cls, bases, clsdict)

一个简单的例子：

假设您希望在属性上运行一些简单的验证代码——比如它必须始终是 anint或 a str。如果没有元类，您的类将类似于：

class Person:
    weight = ValidateType('weight', int)
    age = ValidateType('age', int)
    name = ValidateType('name', str)

如您所见，您必须重复两次属性名称。这使得拼写错误和恼人的错误成为可能。

一个简单的元类可以解决这个问题：

class Person(metaclass=Validator):
    weight = ValidateType(int)
    age = ValidateType(int)
    name = ValidateType(str)

这是元类的样子（不使用__prepare__，因为不需要它）：

class Validator(type):
    def __new__(metacls, cls, bases, clsdict):
        # search clsdict looking for ValidateType descriptors
        for name, attr in clsdict.items():
            if isinstance(attr, ValidateType):
                attr.name = name
                attr.attr = '_' + name
        # create final class and return it
        return super().__new__(metacls, cls, bases, clsdict)

运行示例：

p = Person()
p.weight = 9
print(p.weight)
p.weight = '9'

产生：

9
Traceback (most recent call last):
  File "simple_meta.py", line 36, in <module>
    p.weight = '9'
  File "simple_meta.py", line 24, in __set__
    (self.name, self.type, value))
TypeError: weight must be of type(s) <class 'int'> (got '9')

注意：这个例子很简单，它也可以用一个类装饰器来完成，但大概一个实际的元类会做更多的事情。

'ValidateType' 类供参考：

class ValidateType:
    def __init__(self, type):
        self.name = None  # will be set by metaclass
        self.attr = None  # will be set by metaclass
        self.type = type
    def __get__(self, inst, cls):
        if inst is None:
            return self
        else:
            return inst.__dict__[self.attr]
    def __set__(self, inst, value):
        if not isinstance(value, self.type):
            raise TypeError('%s must be of type(s) %s (got %r)' %
                    (self.name, self.type, value))
        else:
            inst.__dict__[self.attr] = value

score 89 · Accepted Answer

`call()`创建类实例时元类方法的作用

如果您已经进行了几个月以上的 Python 编程，您最终会偶然发现如下所示的代码：

# define a class
class SomeClass(object):
    # ...
    # some definition here ...
    # ...

# create an instance of it
instance = SomeClass()

# then call the object as if it's a function
result = instance('foo', 'bar')

当您__call__()在类上实现魔术方法时，后者是可能的。

class SomeClass(object):
    # ...
    # some definition here ...
    # ...

    def __call__(self, foo, bar):
        return bar + foo

__call__()当类的实例用作可调用对象时，将调用该方法。但是正如我们从之前的答案中看到的那样，一个类本身就是一个元类的实例，所以当我们将该类用作可调用对象时（即当我们创建它的实例时），我们实际上是在调用它的元类__call__()方法。在这一点上，大多数 Python 程序员有点困惑，因为他们被告知在创建这样的实例时，instance = SomeClass()您正在调用它的__init__()方法。一些深入挖掘的人知道，__init__()在__new__(). __new__()好吧，今天在元类出现之前，另一层真相正在被揭示__call__()。

我们具体从创建类实例的角度来研究方法调用链。

这是一个元类，它准确记录实例创建之前的时刻和即将返回它的时刻。

class Meta_1(type):
    def __call__(cls):
        print "Meta_1.__call__() before creating an instance of ", cls
        instance = super(Meta_1, cls).__call__()
        print "Meta_1.__call__() about to return instance."
        return instance

这是一个使用该元类的类

class Class_1(object):

    __metaclass__ = Meta_1

    def __new__(cls):
        print "Class_1.__new__() before creating an instance."
        instance = super(Class_1, cls).__new__(cls)
        print "Class_1.__new__() about to return instance."
        return instance

    def __init__(self):
        print "entering Class_1.__init__() for instance initialization."
        super(Class_1,self).__init__()
        print "exiting Class_1.__init__()."

现在让我们创建一个实例Class_1

instance = Class_1()
# Meta_1.__call__() before creating an instance of <class '__main__.Class_1'>.
# Class_1.__new__() before creating an instance.
# Class_1.__new__() about to return instance.
# entering Class_1.__init__() for instance initialization.
# exiting Class_1.__init__().
# Meta_1.__call__() about to return instance.

请注意，上面的代码实际上除了记录任务之外没有做任何事情。每个方法都将实际工作委托给其父级的实现，从而保持默认行为。由于typeisMeta_1的父类（type作为默认的父元类）并考虑到上面输出的排序顺序，我们现在知道什么是伪实现的线索type.__call__()：

class type:
    def __call__(cls, *args, **kwarg):

        # ... maybe a few things done to cls here

        # then we call __new__() on the class to create an instance
        instance = cls.__new__(cls, *args, **kwargs)

        # ... maybe a few things done to the instance here

        # then we initialize the instance with its __init__() method
        instance.__init__(*args, **kwargs)

        # ... maybe a few more things done to instance here

        # then we return it
        return instance

我们可以看到元类的__call__()方法是第一个被调用的。然后它将实例的创建委托给类的__new__()方法，并将初始化委托给实例的__init__(). 它也是最终返回实例的那个。

从上面可以看出，元类'__call__()也有机会决定是否调用Class_1.__new__()或Class_1.__init__()最终将被调用。在其执行过程中，它实际上可以返回一个尚未被这两种方法中的任何一种接触过的对象。以单例模式的这种方法为例：

class Meta_2(type):
    singletons = {}

    def __call__(cls, *args, **kwargs):
        if cls in Meta_2.singletons:
            # we return the only instance and skip a call to __new__()
            # and __init__()
            print ("{} singleton returning from Meta_2.__call__(), "
                   "skipping creation of new instance.".format(cls))
            return Meta_2.singletons[cls]

        # else if the singleton isn't present we proceed as usual
        print "Meta_2.__call__() before creating an instance."
        instance = super(Meta_2, cls).__call__(*args, **kwargs)
        Meta_2.singletons[cls] = instance
        print "Meta_2.__call__() returning new instance."
        return instance

class Class_2(object):

    __metaclass__ = Meta_2

    def __new__(cls, *args, **kwargs):
        print "Class_2.__new__() before creating instance."
        instance = super(Class_2, cls).__new__(cls)
        print "Class_2.__new__() returning instance."
        return instance

    def __init__(self, *args, **kwargs):
        print "entering Class_2.__init__() for initialization."
        super(Class_2, self).__init__()
        print "exiting Class_2.__init__()."

让我们观察当反复尝试创建一个类型的对象时会发生什么Class_2

a = Class_2()
# Meta_2.__call__() before creating an instance.
# Class_2.__new__() before creating instance.
# Class_2.__new__() returning instance.
# entering Class_2.__init__() for initialization.
# exiting Class_2.__init__().
# Meta_2.__call__() returning new instance.

b = Class_2()
# <class '__main__.Class_2'> singleton returning from Meta_2.__call__(), skipping creation of new instance.

c = Class_2()
# <class '__main__.Class_2'> singleton returning from Meta_2.__call__(), skipping creation of new instance.

a is b is c # True

score 71 · Accepted Answer

元类是一个类，它告诉应该如何创建（一些）其他类。

在这种情况下，我将元类视为我的问题的解决方案：我有一个非常复杂的问题，可能可以用不同的方式解决，但我选择使用元类来解决它。由于复杂性，它是我编写的少数模块之一，其中模块中的注释超过了已编写的代码量。这里是...

#!/usr/bin/env python

# Copyright (C) 2013-2014 Craig Phillips.  All rights reserved.

# This requires some explaining.  The point of this metaclass excercise is to
# create a static abstract class that is in one way or another, dormant until
# queried.  I experimented with creating a singlton on import, but that did
# not quite behave how I wanted it to.  See now here, we are creating a class
# called GsyncOptions, that on import, will do nothing except state that its
# class creator is GsyncOptionsType.  This means, docopt doesn't parse any
# of the help document, nor does it start processing command line options.
# So importing this module becomes really efficient.  The complicated bit
# comes from requiring the GsyncOptions class to be static.  By that, I mean
# any property on it, may or may not exist, since they are not statically
# defined; so I can't simply just define the class with a whole bunch of
# properties that are @property @staticmethods.
#
# So here's how it works:
#
# Executing 'from libgsync.options import GsyncOptions' does nothing more
# than load up this module, define the Type and the Class and import them
# into the callers namespace.  Simple.
#
# Invoking 'GsyncOptions.debug' for the first time, or any other property
# causes the __metaclass__ __getattr__ method to be called, since the class
# is not instantiated as a class instance yet.  The __getattr__ method on
# the type then initialises the class (GsyncOptions) via the __initialiseClass
# method.  This is the first and only time the class will actually have its
# dictionary statically populated.  The docopt module is invoked to parse the
# usage document and generate command line options from it.  These are then
# paired with their defaults and what's in sys.argv.  After all that, we
# setup some dynamic properties that could not be defined by their name in
# the usage, before everything is then transplanted onto the actual class
# object (or static class GsyncOptions).
#
# Another piece of magic, is to allow command line options to be set in
# in their native form and be translated into argparse style properties.
#
# Finally, the GsyncListOptions class is actually where the options are
# stored.  This only acts as a mechanism for storing options as lists, to
# allow aggregation of duplicate options or options that can be specified
# multiple times.  The __getattr__ call hides this by default, returning the
# last item in a property's list.  However, if the entire list is required,
# calling the 'list()' method on the GsyncOptions class, returns a reference
# to the GsyncListOptions class, which contains all of the same properties
# but as lists and without the duplication of having them as both lists and
# static singlton values.
#
# So this actually means that GsyncOptions is actually a static proxy class...
#
# ...And all this is neatly hidden within a closure for safe keeping.
def GetGsyncOptionsType():
    class GsyncListOptions(object):
        __initialised = False

    class GsyncOptionsType(type):
        def __initialiseClass(cls):
            if GsyncListOptions._GsyncListOptions__initialised: return

            from docopt import docopt
            from libgsync.options import doc
            from libgsync import __version__

            options = docopt(
                doc.__doc__ % __version__,
                version = __version__,
                options_first = True
            )

            paths = options.pop('<path>', None)
            setattr(cls, "destination_path", paths.pop() if paths else None)
            setattr(cls, "source_paths", paths)
            setattr(cls, "options", options)

            for k, v in options.iteritems():
                setattr(cls, k, v)

            GsyncListOptions._GsyncListOptions__initialised = True

        def list(cls):
            return GsyncListOptions

        def __getattr__(cls, name):
            cls.__initialiseClass()
            return getattr(GsyncListOptions, name)[-1]

        def __setattr__(cls, name, value):
            # Substitut option names: --an-option-name for an_option_name
            import re
            name = re.sub(r'^__', "", re.sub(r'-', "_", name))
            listvalue = []

            # Ensure value is converted to a list type for GsyncListOptions
            if isinstance(value, list):
                if value:
                    listvalue = [] + value
                else:
                    listvalue = [ None ]
            else:
                listvalue = [ value ]

            type.__setattr__(GsyncListOptions, name, listvalue)

    # Cleanup this module to prevent tinkering.
    import sys
    module = sys.modules[__name__]
    del module.__dict__['GetGsyncOptionsType']

    return GsyncOptionsType

# Our singlton abstract proxy class.
class GsyncOptions(object):
    __metaclass__ = GetGsyncOptionsType()

score 59 · Accepted Answer

tl;dr 版本

该type(obj)函数为您获取对象的类型。

type()一个类的是它的元类。

要使用元类：

class Foo(object):
    __metaclass__ = MyMetaClass

type是它自己的元类。类的类是元类——类的主体是传递给用于构造类的元类的参数。

在这里，您可以阅读有关如何使用元类来自定义类构造的信息。

score 56 · Accepted Answer

type实际上是一个metaclass——一个创建另一个类的类。大多数metaclass是的子类type。metaclass接收类作为其new第一个参数，并提供对类对象的访问，其详细信息如下所述：

>>> class MetaClass(type):
...     def __init__(cls, name, bases, attrs):
...         print ('class name: %s' %name )
...         print ('Defining class %s' %cls)
...         print('Bases %s: ' %bases)
...         print('Attributes')
...         for (name, value) in attrs.items():
...             print ('%s :%r' %(name, value))
... 

>>> class NewClass(object, metaclass=MetaClass):
...    get_choch='dairy'
... 
class name: NewClass
Bases <class 'object'>: 
Defining class <class 'NewClass'>
get_choch :'dairy'
__module__ :'builtins'
__qualname__ :'NewClass'

Note:

请注意，该类在任何时候都没有实例化；创建类的简单行为触发了metaclass.

score 39 · Accepted Answer

Python 类本身就是它们的元类的对象（例如实例）。

默认元类，当您将类确定为时应用：

class foo:
    ...

元类用于将某些规则应用于整个类集。例如，假设您正在构建一个 ORM 来访问数据库，并且您希望每个表中的记录属于映射到该表的类（基于字段、业务规则等），这可能是元类的使用例如，连接池逻辑，由所有表中的所有记录类共享。另一个用途是支持外键的逻辑，它涉及多类记录。

当您定义元类时，您可以子类化类型，并且可以覆盖以下魔术方法来插入您的逻辑。

class somemeta(type):
    __new__(mcs, name, bases, clsdict):
      """
  mcs: is the base metaclass, in this case type.
  name: name of the new class, as provided by the user.
  bases: tuple of base classes 
  clsdict: a dictionary containing all methods and attributes defined on class

  you must return a class object by invoking the __new__ constructor on the base metaclass. 
 ie: 
    return type.__call__(mcs, name, bases, clsdict).

  in the following case:

  class foo(baseclass):
        __metaclass__ = somemeta

  an_attr = 12

  def bar(self):
      ...

  @classmethod
  def foo(cls):
      ...

      arguments would be : ( somemeta, "foo", (baseclass, baseofbase,..., object), {"an_attr":12, "bar": <function>, "foo": <bound class method>}

      you can modify any of these values before passing on to type
      """
      return type.__call__(mcs, name, bases, clsdict)


    def __init__(self, name, bases, clsdict):
      """ 
      called after type has been created. unlike in standard classes, __init__ method cannot modify the instance (cls) - and should be used for class validaton.
      """
      pass


    def __prepare__():
        """
        returns a dict or something that can be used as a namespace.
        the type will then attach methods and attributes from class definition to it.

        call order :

        somemeta.__new__ ->  type.__new__ -> type.__init__ -> somemeta.__init__ 
        """
        return dict()

    def mymethod(cls):
        """ works like a classmethod, but for class objects. Also, my method will not be visible to instances of cls.
        """
        pass

总之，这两个是最常用的钩子。元分类很强大，上面还没有详尽列出元分类的用途。

score 36 · Accepted Answer

type() 函数可以返回一个对象的类型或者创建一个新的类型，

例如，我们可以使用 type() 函数创建一个 Hi 类，而无需对 Hi(object) 类使用这种方式：

def func(self, name='mike'):
    print('Hi, %s.' % name)

Hi = type('Hi', (object,), dict(hi=func))
h = Hi()
h.hi()
Hi, mike.

type(Hi)
type

type(h)
__main__.Hi

除了使用 type() 动态创建类之外，您还可以控制类的创建行为并使用元类。

根据 Python 的对象模型，类就是对象，所以类必须是另一个特定类的实例。默认情况下，Python 类是类型类的实例。也就是说，type 是大多数内置类的元类和用户定义类的元类。

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 CustomList(list, metaclass=ListMetaclass):
    pass

lst = CustomList()
lst.add('custom_list_1')
lst.add('custom_list_2')

lst
['custom_list_1', 'custom_list_2']

当我们在 metaclass 中传递关键字参数时，Magic 就会生效，它指示 Python 解释器通过 ListMetaclass 创建 CustomList。new ()，此时，我们可以修改类定义，例如，添加一个新方法，然后返回修改后的定义。

score 25 · Accepted Answer

除了已发布的答案，我可以说 ametaclass定义了一个类的行为。因此，您可以显式设置元类。每当 Python 获得关键字class时，它就会开始搜索metaclass. 如果没有找到——默认的元类类型用于创建类的对象。使用该__metaclass__属性，您可以设置metaclass您的类：

class MyClass:
   __metaclass__ = type
   # write here other method
   # write here one more method

print(MyClass.__metaclass__)

它将产生如下输出：

class 'type'

而且，当然，您可以创建自己的metaclass来定义使用您的类创建的任何类的行为。

为此，您的默认metaclass类型类必须被继承，因为这是主要的metaclass：

class MyMetaClass(type):
   __metaclass__ = type
   # you can write here any behaviour you want

class MyTestClass:
   __metaclass__ = MyMetaClass

Obj = MyTestClass()
print(Obj.__metaclass__)
print(MyMetaClass.__metaclass__)

输出将是：

class '__main__.MyMetaClass'
class 'type'

score 17 · Accepted Answer

请注意，在 python 3.6__init_subclass__(cls, **kwargs)中引入了一个新的 dunder 方法来替换元类的许多常见用例。Is 在定义类的子类创建时调用。请参阅python 文档。

score 15 · Accepted Answer

这是它可用于的另一个示例：

您可以使用metaclass来更改其实例（类）的功能。

class MetaMemberControl(type):
    __slots__ = ()

    @classmethod
    def __prepare__(mcs, f_cls_name, f_cls_parents,  # f_cls means: future class
                    meta_args=None, meta_options=None):  # meta_args and meta_options is not necessarily needed, just so you know.
        f_cls_attr = dict()
        if not "do something or if you want to define your cool stuff of dict...":
            return dict(make_your_special_dict=None)
        else:
            return f_cls_attr

    def __new__(mcs, f_cls_name, f_cls_parents, f_cls_attr,
                meta_args=None, meta_options=None):

        original_getattr = f_cls_attr.get('__getattribute__')
        original_setattr = f_cls_attr.get('__setattr__')

        def init_getattr(self, item):
            if not item.startswith('_'):  # you can set break points at here
                alias_name = '_' + item
                if alias_name in f_cls_attr['__slots__']:
                    item = alias_name
            if original_getattr is not None:
                return original_getattr(self, item)
            else:
                return super(eval(f_cls_name), self).__getattribute__(item)

        def init_setattr(self, key, value):
            if not key.startswith('_') and ('_' + key) in f_cls_attr['__slots__']:
                raise AttributeError(f"you can't modify private members:_{key}")
            if original_setattr is not None:
                original_setattr(self, key, value)
            else:
                super(eval(f_cls_name), self).__setattr__(key, value)

        f_cls_attr['__getattribute__'] = init_getattr
        f_cls_attr['__setattr__'] = init_setattr

        cls = super().__new__(mcs, f_cls_name, f_cls_parents, f_cls_attr)
        return cls


class Human(metaclass=MetaMemberControl):
    __slots__ = ('_age', '_name')

    def __init__(self, name, age):
        self._name = name
        self._age = age

    def __getattribute__(self, item):
        """
        is just for IDE recognize.
        """
        return super().__getattribute__(item)

    """ with MetaMemberControl then you don't have to write as following
    @property
    def name(self):
        return self._name

    @property
    def age(self):
        return self._age
    """


def test_demo():
    human = Human('Carson', 27)
    # human.age = 18  # you can't modify private members:_age  <-- this is defined by yourself.
    # human.k = 18  # 'Human' object has no attribute 'k'  <-- system error.
    age1 = human._age  # It's OK, although the IDE will show some warnings. (Access to a protected member _age of a class)

    age2 = human.age  # It's OK! see below:
    """
    if you do not define `__getattribute__` at the class of Human,
    the IDE will show you: Unresolved attribute reference 'age' for class 'Human'
    but it's ok on running since the MetaMemberControl will help you.
    """


if __name__ == '__main__':
    test_demo()

很强大，metaclass你可以用它做很多事情（比如猴子魔法），但要小心，这可能只有你知道。

score 14 · Accepted Answer

在面向对象编程中，元类是一个类，其实例是类。正如普通类定义某些对象的行为一样，元类定义某些类及其实例的行为。术语元类仅表示用于创建类的东西。换句话说，它是一个类的类。元类用于创建类，就像对象是类的实例一样，类是元类的实例。在 python 中，类也被认为是对象。

score 13 · Accepted Answer

在 Python 中，类是一个对象，就像任何其他对象一样，它是“某物”的一个实例。这个“东西”就是所谓的元类。这个元类是一种特殊类型的类，它创建其他类的对象。因此，元类负责创建新类。这允许程序员自定义生成类的方式。

要创建元类，通常需要重写new () 和init () 方法。new () 可以重写来改变对象的创建方式，而init () 可以重写来改变初始化对象的方式。元类可以通过多种方式创建。其中一种方法是使用 type() 函数。type() 函数，当使用 3 个参数调用时，会创建一个元类。参数是：-

班级名称
具有由类继承的基类的元组
包含所有类方法和类变量的字典

创建元类的另一种方法包括“元类”关键字。将元类定义为一个简单的类。在继承类的参数中，传递metaclass=metaclass_name

元类可以专门用于以下情况：-

当必须将特定效果应用于所有子类时
需要自动更改类（创建时）
由 API 开发人员提供

score 12 · Accepted Answer

最佳答案是正确的。

但是读者可能会来这里寻找类似名称的内部类的答案。它们存在于流行的库中，例如Django和WTForms。

正如 DavidW 在此答案下方的评论中指出的那样，这些是特定于库的功能，不要与具有相似名称的高级、不相关的Python 语言功能相混淆。

相反，这些是类字典中的命名空间。为了可读性，它们是使用内部类构造的。

在此示例中，特殊字段abstract明显与 Author 模型的字段分开。

from django.db import models

class Author(models.Model):
    name = models.CharField(max_length=50)
    email = models.EmailField()

    class Meta:
        abstract = True

另一个示例来自以下文档WTForms：

from wtforms.form import Form
from wtforms.csrf.session import SessionCSRF
from wtforms.fields import StringField

class MyBaseForm(Form):
    class Meta:
        csrf = True
        csrf_class = SessionCSRF

    name = StringField("name")

此语法在 python 编程语言中没有得到特殊处理。Meta这里不是关键字，也不会触发元类行为。相反，包中的第三方库代码喜欢Django并WTForms在某些类的构造函数和其他地方读取此属性。

这些声明的存在修改了具有这些声明的类的行为。例如，WTForms读取self.Meta.csrf以确定表单是否需要csrf字段。

score 7 · Accepted Answer

在 Python 中，元类是确定子类行为方式的子类的子类。一个类是另一个元类的一个实例。在 Python 中，类指定类的实例的行为方式。

由于元类负责类生成，因此您可以编写自己的自定义元类，通过执行附加操作或注入代码来更改类的创建方式。自定义元类并不总是很重要，但它们可能很重要。

score 7 · Accepted Answer

我在一个名为classutilities. 它检查所有类变量是否都是大写格式（便于对配置类进行统一的逻辑），并检查类中是否没有实例级方法。Metaclases 的另一个有趣示例是基于复杂条件（检查多个环境变量的值）停用单元测试。

score 4 · Accepted Answer

什么是元编程？

简而言之，我们可以说元编程是操纵代码的代码。Python 支持一种称为元类的类元编程形式。

何时使用：

它通常用于复杂的事情，但我们使用元类的少数情况是——</p>

元类向下传播继承层次结构。它也会影响所有子类。如果我们有这种情况，那么我们应该使用元类。
如果我们想自动更改类，当它被创建时，我们使用元类。
对于 API 开发，我们可能会使用元类。
在创建时进一步：记录和分析、接口检查、在创建时注册类、自动添加新方法、自动属性创建、代理、自动资源、锁定/同步。

新手图：

类工厂：

元类主要用作类工厂。当您通过调用类创建对象时，Python 通过调用元类创建一个新类。

>结合普通__init__和__new__方法，元类，允许您在创建类时做额外的事情，例如使用某个注册表注册新类或用其他东西完全替换该类。

1-__new__():这是一个之前调用的方法__init__()。它创建对象并返回它。我们可以重写此方法来控制对象的创建方式。

2-__init__():此方法只是初始化作为参数传递的创建对象。

定义元类的方法：

1-方法1：

class MyMeta1(type):
    def __new__(cls, name, bases, dict):
        pass

2-方法2：

class MyMeta2(type):
    def __init__(self, name, bases, dict):
        pass

score -1 · Accepted Answer

看看这个：

Python 3.10.0rc2 (tags/v3.10.0rc2:839d789, Sep  7 2021, 18:51:45) [MSC v.1929 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> class Object:
...     pass
... 
>>> class Meta(type):
...     test = 'Worked!!!'
...     def __repr__(self):
...             return 'This is "Meta" metaclass'
... 
>>> class ObjectWithMetaClass(metaclass=Meta):
...     pass
... 
>>> Object or type(Object())
<class '__main__.Object'>
>>> ObjectWithMetaClass or type(ObjectWithMetaClass())
This is "Meta" metaclass
>>> Object.test
AttributeError: ...
>>> ObjectWithMetaClass.test
'Worked!!!'
>>> type(Object)
<class 'type'>
>>> type(ObjectWithMetaClass)
<class '__main__.Meta'>
>>> type(type(ObjectWithMetaClass))
<class 'type'>
>>> Object.__bases__
(<class 'object'>,)
>>> ObjectWithMetaClass.__bases__
(<class 'object'>,)
>>> type(ObjectWithMetaClass).__bases__
(<class 'type'>,)
>>> Object.__mro__
(<class '__main__.Object'>, <class 'object'>)
>>> ObjectWithMetaClass.__mro__
(This is "Meta" metaclass, <class 'object'>)
>>>

换句话说，当一个对象没有被创建时（对象的类型），我们看的是 MetaClass。