Python深入04 闭包

作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！

 

闭包(closure)是函数式编程的重要的语法结构。函数式编程是一种编程范式 (而面向过程编程和面向对象编程也都是编程范式)。在面向过程编程中，我们见到过函数(function)；在面向对象编程中，我们见过对象(object)。函数和对象的根本目的是以某种逻辑方式组织代码，并提高代码的可重复使用性(reusability)。闭包也是一种组织代码的结构，它同样提高了代码的可重复使用性。

不同的语言实现闭包的方式不同。Python以函数对象为基础，为闭包这一语法结构提供支持的 (我们在特殊方法与多范式中，已经多次看到Python使用对象来实现一些特殊的语法)。Python一切皆对象，函数这一语法结构也是一个对象。在函数对象中，我们像使用一个普通对象一样使用函数对象，比如更改函数对象的名字，或者将函数对象作为参数进行传递。

 

函数对象的作用域

和其他对象一样，函数对象也有其存活的范围，也就是函数对象的作用域。函数对象是使用def语句定义的，函数对象的作用域与def所在的层级相同。比如下面代码，我们在line_conf函数的隶属范围内定义的函数line，就只能在line_conf的隶属范围内调用。

def line_conf():
    def line(x):
        return 2*x+1
    print(line(5))   # within the scope


line_conf()
print(line(5))       # out of the scope

line函数定义了一条直线(y = 2x + 1)。可以看到，在line_conf()中可以调用line函数，而在作用域之外调用line将会有下面的错误：

NameError: name 'line' is not defined

说明这时已经在作用域之外。

 

同样，如果使用lambda定义函数，那么函数对象的作用域与lambda所在的层级相同。

 

闭包

函数是一个对象，所以可以作为某个函数的返回结果。

def line_conf():
    def line(x):
        return 2*x+1
    return line       # return a function object

my_line = line_conf()
print(my_line(5))       

上面的代码可以成功运行。line_conf的返回结果被赋给line对象。上面的代码将打印11。

 

如果line()的定义中引用了外部的变量，会发生什么呢？

def line_conf():
    b = 15
    def line(x):
        return 2*x+b
    return line       # return a function object

b = 5
my_line = line_conf()
print(my_line(5))       

我们可以看到，line定义的隶属程序块中引用了高层级的变量b，但b信息存在于line的定义之外 (b的定义并不在line的隶属程序块中)。我们称b为line的环境变量。事实上，line作为line_conf的返回值时，line中已经包括b的取值(尽管b并不隶属于line)。

上面的代码将打印25，也就是说，line所参照的b值是函数对象定义时可供参考的b值，而不是使用时的b值。

 

一个函数和它的环境变量合在一起，就构成了一个闭包(closure)。在Python中，所谓的闭包是一个包含有环境变量取值的函数对象。环境变量取值被保存在函数对象的__closure__属性中。比如下面的代码：

def line_conf():
    b = 15
    def line(x):
        return 2*x+b
    return line       # return a function object

b = 5
my_line = line_conf()
print(my_line.__closure__)
print(my_line.__closure__[0].cell_contents)

__closure__里包含了一个元组(tuple)。这个元组中的每个元素是cell类型的对象。我们看到第一个cell包含的就是整数15，也就是我们创建闭包时的环境变量b的取值。

 

下面看一个闭包的实际例子：

def line_conf(a, b):
    def line(x):
        return ax + b
    return line

line1 = line_conf(1, 1)
line2 = line_conf(4, 5)
print(line1(5), line2(5))

这个例子中，函数line与环境变量a,b构成闭包。在创建闭包的时候，我们通过line_conf的参数a,b说明了这两个环境变量的取值，这样，我们就确定了函数的最终形式(y = x + 1和y = 4x + 5)。我们只需要变换参数a,b，就可以获得不同的直线表达函数。由此，我们可以看到，闭包也具有提高代码可复用性的作用。

如果没有闭包，我们需要每次创建直线函数的时候同时说明a,b,x。这样，我们就需要更多的参数传递，也减少了代码的可移植性。利用闭包，我们实际上创建了泛函。line函数定义一种广泛意义的函数。这个函数的一些方面已经确定(必须是直线)，但另一些方面(比如a和b参数待定)。随后，我们根据line_conf传递来的参数，通过闭包的形式，将最终函数确定下来。

 

闭包与并行运算

闭包有效的减少了函数所需定义的参数数目。这对于并行运算来说有重要的意义。在并行运算的环境下，我们可以让每台电脑负责一个函数，然后将一台电脑的输出和下一台电脑的输入串联起来。最终，我们像流水线一样工作，从串联的电脑集群一端输入数据，从另一端输出数据。这样的情境最适合只有一个参数输入的函数。闭包就可以实现这一目的。

并行运算正称为一个热点。这也是函数式编程又热起来的一个重要原因。函数式编程早在1950年代就已经存在，但应用并不广泛。然而，我们上面描述的流水线式的工作并行集群过程，正适合函数式编程。由于函数式编程这一天然优势，越来越多的语言也开始加入对函数式编程范式的支持。

 

欢迎继续阅读“Python快速教程”

好久没有学习Python了，应为工作的需要，再次拾起python，唤起记忆。

当函数的参数不确定时，可以使用*args 和**kwargs，*args 没有key值，**kwargs有key值。

还是直接来代码吧，废话少说

[python] view plain copy print ?

1. def fun_var_args(farg, *args):  
2.     print "arg:", farg  
3.     for value in args:  
4.         print "another arg:", value  
5.   
6. fun_var_args(1, "two", 3) # *args可以当作可容纳多个变量组成的list  

result:

[python] view plain copy print ?

1. arg: 1  
2. another arg: two  
3. another arg: 3  

**kwargs:

[python] view plain copy print ?

1. def fun_var_kwargs(farg, **kwargs):  
2.     print "arg:", farg  
3.     for key in kwargs:  
4.         print "another keyword arg: %s: %s" % (key, kwargs[key])  
5.   
6.   
7. fun_var_kwargs(farg=1, myarg2="two", myarg3=3) # myarg2和myarg3被视为key， 感觉**kwargs可以当作容纳多个key和value的dictionary  

result:

[python] view plain copy print ?

1. arg: 1  
2. another keyword arg: myarg2: two  
3. another keyword arg: myarg3: 3  

也可以用下面的形式：

[python] view plain copy print ?

1. def fun_var_args_call(arg1, arg2, arg3):  
2.     print "arg1:", arg1  
3.     print "arg2:", arg2  
4.     print "arg3:", arg3  
5.   
6. args = ["two", 3] #list  
7.   
8. fun_var_args_call(1, *args)  

result：

[python] view plain copy print ?

1. arg1: 1  
2. arg2: two  
3. arg3: 3  

[python] view plain copy print ?

1. def fun_var_args_call(arg1, arg2, arg3):  
2.     print "arg1:", arg1  
3.     print "arg2:", arg2  
4.     print "arg3:", arg3  
5.   
6. kwargs = {"arg3": 3, "arg2": "two"} # dictionary  
7.   
8. fun_var_args_call(1, **kwargs)  

result：

[python] view plain copy print ?

1. arg1: 1  
2. arg2:"two"  
3. arg3:3 
   

Hi 朋友们。由于我最近都比较忙，所以已经很长一段时间没有写博客了。在这篇文章中我将和大家分享一些真正有用的技巧和窍门，这些技巧和窍门你们之前可能并不知道。所以不浪费时间了，让我们直接来看看这些内容吧：

枚举

之前我们这样操作：

Python

i = 0 for item in iterable: print i, item i += 1

1 2 3 4

i = 0 for item in iterable :      print i , item      i += 1

现在我们这样操作：

Python

for i, item in enumerate(iterable): print i, item

1 2	for i , item in enumerate ( iterable ) :      print i , item

enumerate函数还可以接收第二个参数。就像下面这样：

Python

>>> list(enumerate('abc')) [(0, 'a'), (1, 'b'), (2, 'c')] >>> list(enumerate('abc', 1)) [(1, 'a'), (2, 'b'), (3, 'c')]

1 2 3 4 5

>>> list ( enumerate ( 'abc' ) ) [ ( 0 , 'a' ) , ( 1 , 'b' ) , ( 2 , 'c' ) ]   >>> list ( enumerate ( 'abc' , 1 ) ) [ ( 1 , 'a' ) , ( 2 , 'b' ) , ( 3 , 'c' ) ]

字典/集合 解析

你也许知道如何进行列表解析，但是可能不知道字典/集合解析。它们简单易用且高效。就像下面这个例子：

Python

my_dict = {i: i * i for i in xrange(100)} my_set = {i * 15 for i in xrange(100)} # There is only a difference of ':' in both # 两者的区别在于字典推导中有冒号

1 2 3 4 5 6

my_dict = { i : i * i for i in xrange ( 100 ) } my_set = { i * 15 for i in xrange ( 100 ) }   # There is only a difference of ':' in both   # 两者的区别在于字典推导中有冒号

强制浮点除法

如果我们除以一个整数，即使结果是一个浮点数，Python 2（校注，这里我添上了版本号）依旧会给我们一个整数。为了规避这个问题，我们需要这样做：

Python

result = 1.0/2

1	result = 1.0 / 2

但是现在有一种别的方法可以解决这个问题，甚至在之前我都没有意识到有这种方法存在。你可以进行如下操作：

Python

from __future__ import division result = 1/2 # print(result) # 0.5

1 2 3 4

from __future__ import division result = 1 / 2 # print(result) # 0.5

瞧，现在你不需要在数据上附件“.0” 来获得准确答案了。需要注意的是这个窍门只适用于Python 2。在Python 3 中就不需要进行import 操作了，因为它已经默认进行import了。

简单服务器

你是否想要快速方便的共享某个目录下的文件呢？你可以这么做：

Python

# Python2 python -m SimpleHTTPServer # Python 3 python3 -m http.server

1 2 3 4 5

# Python2 python - m SimpleHTTPServer   # Python 3 python3 - m http . server

这样会为启动一个服务器。

对Python表达式求值

我们都知道eval函数，但是我们知道literal_eval函数么？也许很多人都不知道吧。可以用这种操作：

Python

import ast my_list = ast.literal_eval(expr)

1 2	import ast my_list = ast . literal_eval ( expr )

来代替以下这种操作：

Python

expr = "[1, 2, 3]" my_list = eval(expr)

1 2	expr = "[1, 2, 3]" my_list = eval ( expr )

我相信对于大多数人来说这种形式是第一次看见，但是实际上这个在Python中已经存在很长时间了。

脚本分析

你可以很容易的通过运行以下代码进行脚本分析：

Python

python -m cProfile my_script.py

1	python - m cProfile my_script . py

对象自检

在Python 中你可以通过dir() 函数来检查对象。正如下面这个例子：

Python

>>> foo = [1, 2, 3, 4] >>> dir(foo) ['__add__', '__class__', '__contains__', '__delattr__', '__delitem__', '__delslice__', ... , 'extend', 'index', 'insert', 'pop', 'remove', 'reverse', 'sort']

1 2 3 4 5 6

>>> foo = [ 1 , 2 , 3 , 4 ] >>> dir ( foo ) [ '__add__' , '__class__' , '__contains__' , '__delattr__' , '__delitem__' , '__delslice__' , . . . , 'extend' , 'index' , 'insert' , 'pop' , 'remove' , 'reverse' , 'sort' ]

调试脚本

你可以很方便的通过pdb模块在你的脚本中设置断点。正如下面这个例子：

Python

import pdb pdb.set_trace()

1 2	import pdb pdb . set_trace ( )

你可以在脚本的任何地方加入pdb.set_trace()，该函数会在那个位置设置一个断点。超级方便。你应该多阅读pdb 函数的相关内容，因为在它里面还有很多鲜为人知的功能。

if 结构简化

如果你需要检查几个数值你可以用以下方法：

Python

if n in [1,4,5,6]:

1	if n in [ 1 , 4 , 5 , 6 ] :

来替代下面这个方式：

Python

if n==1 or n==4 or n==5 or n==6:

1	if n == 1 or n == 4 or n == 5 or n == 6 :

字符串/数列 逆序

你可以用以下方法快速逆序排列数列：

Python

>>> a = [1,2,3,4] >>> a[::-1] [4, 3, 2, 1] # This creates a new reversed list. # If you want to reverse a list in place you can do: a.reverse()

1 2 3 4 5 6 7 8

>>> a = [ 1 , 2 , 3 , 4 ] >>> a [ :: - 1 ] [ 4 , 3 , 2 , 1 ]   # This creates a new reversed list. # If you want to reverse a list in place you can do:   a . reverse ( )

这总方式也同样适用于字符串的逆序：

Python

>>> foo = "yasoob" >>> foo[::-1] 'boosay'

1 2 3

>>> foo = "yasoob" >>> foo [ :: - 1 ] 'boosay'

优美地打印

你可以通过以下方式对字典和数列进行优美地打印：

Python

from pprint import pprint pprint(my_dict)

1 2	from pprint import pprint pprint ( my_dict )

这种方式对于字典打印更加高效。此外，如果你想要漂亮的将文件中的json文档打印出来，你可以用以下这种方式：

Python

cat file.json | python -m json.tools

1	cat file . json | python - m json . tools

三元运算

三元运算是if-else 语句的快捷操作，也被称为条件运算。这里有几个例子可以供你参考，它们可以让你的代码更加紧凑，更加美观。

Python

[on_true] if [expression] else [on_false] x, y = 50, 25 small = x if x < y else y

1 2 3

[ on_true ] if [ expression ] else [ on_false ] x , y = 50 , 25 small = x if x < y else y

这就是今天所有的内容。希望你们能喜欢这篇文章，并且从这篇文章能学到一两个技巧供以后使用。我们下篇文章再见吧。更多内容敬请关注我们的Facebook和Twitter！

如果你有任何意见或建议？你可以在下面评论或者给我发邮件，我的邮件地址是yasoob.khld(at)gmail.com

深刻理解Python中的元类(metaclass)

2012/06/11 · 基础知识 · 14 评论 · Python

分享到： 7

本文由 伯乐在线 - bigship 翻译。未经许可，禁止转载！
英文出处： stackoverflow。欢迎加入 翻译组。

译注：这是一篇在Stack overflow上很热的帖子。提问者自称已经掌握了有关Python OOP编程中的各种概念，但始终觉得元类(metaclass)难以理解。他知道这肯定和自省有关，但仍然觉得不太明白，希望大家可以给出一些实际的例子和代码片段以帮助理解，以及在什么情况下需要进行元编程。于是e-satis同学给出了神一般的回复，该回复获得了985点的赞同点数，更有人评论说这段回复应该加入到Python的官方文档中去。而e-satis同学本人在Stack Overflow中的声望积分也高达64271分。以下就是这篇精彩的回复（提示：非常长）

类也是对象

在理解元类之前，你需要先掌握Python中的类。Python中类的概念借鉴于Smalltalk，这显得有些奇特。在大多数编程语言中，类就是一组用来描述如何生成一个对象的代码段。在Python中这一点仍然成立：

Python

>>> class ObjectCreator(object): … pass … >>> my_object = ObjectCreator() >>> print my_object <__main__.ObjectCreator object at 0x8974f2c>

1 2 3 4 5 6

>>> class ObjectCreator ( object ) : …        pass … >>> my_object = ObjectCreator ( ) >>> print my_object < __main__ . ObjectCreator object at 0x8974f2c >

但是，Python中的类还远不止如此。类同样也是一种对象。是的，没错，就是对象。只要你使用关键字class，Python解释器在执行的时候就会创建一个对象。下面的代码段：

Python

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

1 2 3

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

将在内存中创建一个对象，名字就是ObjectCreator。这个对象（类）自身拥有创建对象（类实例）的能力，而这就是为什么它是一个类的原因。但是，它的本质仍然是一个对象，于是乎你可以对它做如下的操作：

1)   你可以将它赋值给一个变量

2)   你可以拷贝它

3)   你可以为它增加属性

4)   你可以将它作为函数参数进行传递

下面是示例：

Python

>>> print ObjectCreator # 你可以打印一个类，因为它其实也是一个对象 <class '__main__.ObjectCreator'> >>> def echo(o): … print o … >>> echo(ObjectCreator) # 你可以将类做为参数传给函数 <class '__main__.ObjectCreator'> >>> print hasattr(ObjectCreator, 'new_attribute') Fasle >>> ObjectCreator.new_attribute = 'foo' # 你可以为类增加属性 >>> print hasattr(ObjectCreator, 'new_attribute') True >>> print ObjectCreator.new_attribute foo >>> ObjectCreatorMirror = ObjectCreator # 你可以将类赋值给一个变量 >>> print ObjectCreatorMirror() <__main__.ObjectCreator object at 0x8997b4c>

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

>>> print ObjectCreator      # 你可以打印一个类，因为它其实也是一个对象 < class '__main__.ObjectCreator' > >>> def echo ( o ) : …        print o … >>> echo ( ObjectCreator )                  # 你可以将类做为参数传给函数 < class '__main__.ObjectCreator' > >>> print hasattr ( ObjectCreator , 'new_attribute' ) Fasle >>> ObjectCreator . new_attribute = 'foo' #  你可以为类增加属性 >>> print hasattr ( ObjectCreator , 'new_attribute' ) True >>> print ObjectCreator . new_attribute foo >>> ObjectCreatorMirror = ObjectCreator # 你可以将类赋值给一个变量 >>> print ObjectCreatorMirror ( ) < __main__ . ObjectCreator object at 0x8997b4c >

 

动态地创建类

因为类也是对象，你可以在运行时动态的创建它们，就像其他任何对象一样。首先，你可以在函数中创建类，使用class关键字即可。

Python

>>> def choose_class(name): … if name == 'foo': … class Foo(object): … pass … return Foo # 返回的是类，不是类的实例 … else: … class Bar(object): … pass … return Bar … >>> MyClass = choose_class('foo') >>> print MyClass # 函数返回的是类，不是类的实例 <class '__main__'.Foo> >>> print MyClass() # 你可以通过这个类创建类实例，也就是对象 <__main__.Foo object at 0x89c6d4c>

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

>>> def choose_class ( name ) : …        if name == 'foo' : …            class Foo ( object ) : …                pass …            return Foo      # 返回的是类，不是类的实例 …        else : …            class Bar ( object ) : …                pass …            return Bar … >>> MyClass = choose_class ( 'foo' ) >>> print MyClass                # 函数返回的是类，不是类的实例 < class '__main__' . Foo > >>> print MyClass ( )              # 你可以通过这个类创建类实例，也就是对象 < __main__ . Foo object at 0x89c6d4c >

但这还不够动态，因为你仍然需要自己编写整个类的代码。由于类也是对象，所以它们必须是通过什么东西来生成的才对。当你使用class关键字时，Python解释器自动创建这个对象。但就和Python中的大多数事情一样，Python仍然提供给你手动处理的方法。还记得内建函数type吗？这个古老但强大的函数能够让你知道一个对象的类型是什么，就像这样：

Python

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

1 2 3 4 5 6 7 8

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

这里，type有一种完全不同的能力，它也能动态的创建类。type可以接受一个类的描述作为参数，然后返回一个类。（我知道，根据传入参数的不同，同一个函数拥有两种完全不同的用法是一件很傻的事情，但这在Python中是为了保持向后兼容性）

type可以像这样工作：

Python

type(类名, 父类的元组（针对继承的情况，可以为空），包含属性的字典（名称和值）)

1	type (类名 , 父类的元组（针对继承的情况，可以为空），包含属性的字典（名称和值） )

比如下面的代码：

Python

>>> class MyShinyClass(object): … pass

1 2	>>> class MyShinyClass ( object ) : …        pass

可以手动像这样创建：

Python

>>> MyShinyClass = type('MyShinyClass', (), {}) # 返回一个类对象 >>> print MyShinyClass <class '__main__.MyShinyClass'> >>> print MyShinyClass() # 创建一个该类的实例 <__main__.MyShinyClass object at 0x8997cec>

1 2 3 4 5

>>> MyShinyClass = type ( 'MyShinyClass' , ( ) , { } )    # 返回一个类对象 >>> print MyShinyClass < class '__main__.MyShinyClass' > >>> print MyShinyClass ( )    #  创建一个该类的实例 < __main__ . MyShinyClass object at 0x8997cec >

你会发现我们使用“MyShinyClass”作为类名，并且也可以把它当做一个变量来作为类的引用。类和变量是不同的，这里没有任何理由把事情弄的复杂。

type 接受一个字典来为类定义属性，因此

Python

>>> class Foo(object): … bar = True

1 2	>>> class Foo ( object ) : …        bar = True

可以翻译为：

Python

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

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

并且可以将Foo当成一个普通的类一样使用：

Python

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

1 2 3 4 5 6 7 8 9

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

当然，你可以向这个类继承，所以，如下的代码：

Python

>>> class FooChild(Foo): … pass

1 2	>>> class FooChild ( Foo ) : …        pass

就可以写成：

Python

>>> FooChild = type('FooChild', (Foo,),{}) >>> print FooChild <class '__main__.FooChild'> >>> print FooChild.bar # bar属性是由Foo继承而来 True

1 2 3 4 5

>>> FooChild = type ( 'FooChild' , ( Foo , ) , { } ) >>> print FooChild < class '__main__.FooChild' > >>> print FooChild . bar    # bar属性是由Foo继承而来 True

最终你会希望为你的类增加方法。只需要定义一个有着恰当签名的函数并将其作为属性赋值就可以了。

Python

>>> 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

1 2 3 4 5 6 7 8 9 10 11

>>> 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

你可以看到，在Python中，类也是对象，你可以动态的创建类。这就是当你使用关键字class时Python在幕后做的事情，而这就是通过元类来实现的。

 

到底什么是元类（终于到主题了）

元类就是用来创建类的“东西”。你创建类就是为了创建类的实例对象，不是吗？但是我们已经学习到了Python中的类也是对象。好吧，元类就是用来创建这些类（对象）的，元类就是类的类，你可以这样理解 为：

Python

MyClass = MetaClass() MyObject = MyClass()

1 2	MyClass = MetaClass ( ) MyObject = MyClass ( )

你已经看到了type可以让你像这样做：

Python

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

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

这是因为函数type实际上是一个元类。type就是Python在背后用来创建所有类的元类。现在你想知道那为什么type会全部采用小写形式而不是Type呢？好吧，我猜这是为了和str保持一致性，str是用来创建字符串对象的类，而int是用来创建整数对象的类。type就是创建类对象的类。你可以通过检查__class__属性来看到这一点。Python中所有的东西，注意，我是指所有的东西——都是对象。这包括整数、字符串、函数以及类。它们全部都是对象，而且它们都是从一个类创建而来。

Python

>>> 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'>

1 2 3 4 5 6 7 8 9 10 11 12 13

>>> 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，对于任何一个__class__的__class__属性又是什么呢？

Python

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

1 2 3 4 5 6 7 8

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

因此，元类就是创建类这种对象的东西。如果你喜欢的话，可以把元类称为“类工厂”（不要和工厂类搞混了:D） type就是Python的内建元类，当然了，你也可以创建自己的元类。

 

__metaclass__属性

你可以在写一个类的时候为其添加__metaclass__属性。

Python

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

1 2 3

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

如果你这么做了，Python就会用元类来创建类Foo。小心点，这里面有些技巧。你首先写下class Foo(object)，但是类对象Foo还没有在内存中创建。Python会在类的定义中寻找__metaclass__属性，如果找到了，Python就会用它来创建类Foo，如果没有找到，就会用内建的type来创建这个类。把下面这段话反复读几次。当你写如下代码时 :

Python

class Foo(Bar): pass

1 2	class Foo ( Bar ) :      pass

Python做了如下的操作：

Foo中有__metaclass__这个属性吗？如果是，Python会在内存中通过__metaclass__创建一个名字为Foo的类对象（我说的是类对象，请紧跟我的思路）。如果Python没有找到__metaclass__，它会继续在Bar（父类）中寻找__metaclass__属性，并尝试做和前面同样的操作。如果Python在任何父类中都找不到__metaclass__，它就会在模块层次中去寻找__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来创建这个类对象。

现在的问题就是，你可以在__metaclass__中放置些什么代码呢？答案就是：可以创建一个类的东西。那么什么可以用来创建一个类呢？type，或者任何使用到type或者子类化type的东东都可以。

 

自定义元类

元类的主要目的就是为了当创建类时能够自动地改变类。通常，你会为API做这样的事情，你希望可以创建符合当前上下文的类。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形式。有好几种方法可以办到，但其中一种就是通过在模块级别设定__metaclass__。采用这种方法，这个模块中的所有类都会通过这个元类来创建，我们只需要告诉元类把所有的属性都改成大写形式就万事大吉了。

幸运的是，__metaclass__实际上可以被任意调用，它并不需要是一个正式的类（我知道，某些名字里带有‘class’的东西并不需要是一个class，画画图理解下，这很有帮助）。所以，我们这里就先以一个简单的函数作为例子开始。

Python

# 元类会自动将你通常传给‘type’的参数作为自己的参数传入 def upper_attr(future_class_name, future_class_parents, future_class_attr): '''返回一个类对象，将属性都转为大写形式''' # 选择所有不以'__'开头的属性 attrs = ((name, value) for name, value in future_class_attr.items() if not name.startswith('__'))

1 2 3 4 5

# 元类会自动将你通常传给‘type’的参数作为自己的参数传入 def upper_attr ( future_class_name , future_class_parents , future_class_attr ) :      '''返回一个类对象，将属性都转为大写形式'''      #  选择所有不以'__'开头的属性      attrs = ( ( name , value ) for name , value in future_class_attr . items ( ) if not name . startswith ( '__' ) )

Python

# 将它们转为大写形式 uppercase_attr = dict((name.upper(), value) for name, value in attrs) # 通过'type'来做类对象的创建 return type(future_class_name, future_class_parents, uppercase_attr) __metaclass__ = upper_attr # 这会作用到这个模块中的所有类 class Foo(object): # 我们也可以只在这里定义__metaclass__，这样就只会作用于这个类中 bar = 'bip'

1 2 3 4 5 6 7 8 9 10 11

# 将它们转为大写形式      uppercase_attr = dict ( ( name . upper ( ) , value ) for name , value in attrs )        # 通过'type'来做类对象的创建      return type ( future_class_name , future_class_parents , uppercase_attr )   __metaclass__ = upper_attr    #  这会作用到这个模块中的所有类   class Foo ( object ) :      # 我们也可以只在这里定义__metaclass__，这样就只会作用于这个类中      bar = 'bip'

Python

print hasattr(Foo, 'bar') # 输出: False print hasattr(Foo, 'BAR') # 输出:True f = Foo() print f.BAR # 输出:'bip'

1 2 3 4 5 6 7 8

print hasattr ( Foo , 'bar' ) # 输出: False print hasattr ( Foo , 'BAR' ) # 输出:True   f = Foo ( ) print f . BAR # 输出:'bip'

现在让我们再做一次，这一次用一个真正的class来当做元类。

Python

# 请记住，'type'实际上是一个类，就像'str'和'int'一样 # 所以，你可以从type继承 class UpperAttrMetaClass(type): # __new__ 是在__init__之前被调用的特殊方法 # __new__是用来创建对象并返回之的方法 # 而__init__只是用来将传入的参数初始化给对象 # 你很少用到__new__，除非你希望能够控制对象的创建 # 这里，创建的对象是类，我们希望能够自定义它，所以我们这里改写__new__ # 如果你希望的话，你也可以在__init__中做些事情 # 还有一些高级的用法会涉及到改写__call__特殊方法，但是我们这里不用 def __new__(upperattr_metaclass, future_class_name, future_class_parents, future_class_attr): attrs = ((name, value) for name, value in future_class_attr.items() if not name.startswith('__')) uppercase_attr = dict((name.upper(), value) for name, value in attrs) return type(future_class_name, future_class_parents, uppercase_attr)

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# 请记住，'type'实际上是一个类，就像'str'和'int'一样 # 所以，你可以从type继承 class UpperAttrMetaClass ( type ) :      # __new__ 是在__init__之前被调用的特殊方法      # __new__是用来创建对象并返回之的方法      # 而__init__只是用来将传入的参数初始化给对象      # 你很少用到__new__，除非你希望能够控制对象的创建      # 这里，创建的对象是类，我们希望能够自定义它，所以我们这里改写__new__      # 如果你希望的话，你也可以在__init__中做些事情      # 还有一些高级的用法会涉及到改写__call__特殊方法，但是我们这里不用      def __new__ ( upperattr_metaclass , future_class_name , future_class_parents , future_class_attr ) :          attrs = ( ( name , value ) for name , value in future_class_attr . items ( ) if not name . startswith ( '__' ) )          uppercase_attr = dict ( ( name . upper ( ) , value ) for name , value in attrs )          return type ( future_class_name , future_class_parents , uppercase_attr )

但是，这种方式其实不是OOP。我们直接调用了type，而且我们没有改写父类的__new__方法。现在让我们这样去处理:

Python

class UpperAttrMetaclass(type): def __new__(upperattr_metaclass, future_class_name, future_class_parents, future_class_attr): attrs = ((name, value) for name, value in future_class_attr.items() if not name.startswith('__')) uppercase_attr = dict((name.upper(), value) for name, value in attrs) # 复用type.__new__方法 # 这就是基本的OOP编程，没什么魔法 return type.__new__(upperattr_metaclass, future_class_name, future_class_parents, uppercase_attr)

1 2 3 4 5 6 7 8

class UpperAttrMetaclass ( type ) :      def __new__ ( upperattr_metaclass , future_class_name , future_class_parents , future_class_attr ) :          attrs = ( ( name , value ) for name , value in future_class_attr . items ( ) if not name . startswith ( '__' ) )          uppercase_attr = dict ( ( name . upper ( ) , value ) for name , value in attrs )            # 复用type.__new__方法          # 这就是基本的OOP编程，没什么魔法          return type . __new__ ( upperattr_metaclass , future_class_name , future_class_parents , uppercase_attr )

你可能已经注意到了有个额外的参数upperattr_metaclass，这并没有什么特别的。类方法的第一个参数总是表示当前的实例，就像在普通的类方法中的self参数一样。当然了，为了清晰起见，这里的名字我起的比较长。但是就像self一样，所有的参数都有它们的传统名称。因此，在真实的产品代码中一个元类应该是像这样的：

Python

class UpperAttrMetaclass(type): def __new__(cls, name, bases, dct): attrs = ((name, value) for name, value in dct.items() if not name.startswith('__') uppercase_attr = dict((name.upper(), value) for name, value in attrs) return type.__new__(cls, name, bases, uppercase_attr)

1 2 3 4 5

class UpperAttrMetaclass ( type ) :      def __new__ ( cls , name , bases , dct ) :          attrs = ( ( name , value ) for name , value in dct . items ( ) if not name . startswith ( '__' )          uppercase_attr    = dict ( ( name . upper ( ) , value ) for name , value in attrs )          return type . __new__ ( cls , name , bases , uppercase_attr )

如果使用super方法的话，我们还可以使它变得更清晰一些，这会缓解继承（是的，你可以拥有元类，从元类继承，从type继承）

Python

class UpperAttrMetaclass(type): def __new__(cls, name, bases, dct): attrs = ((name, value) for name, value in dct.items() if not name.startswith('__')) uppercase_attr = dict((name.upper(), value) for name, value in attrs) return super(UpperAttrMetaclass, cls).__new__(cls, name, bases, uppercase_attr)

1 2 3 4 5

class UpperAttrMetaclass ( type ) :      def __new__ ( cls , name , bases , dct ) :          attrs = ( ( name , value ) for name , value in dct . items ( ) if not name . startswith ( '__' ) )          uppercase_attr = dict ( ( name . upper ( ) , value ) for name , value in attrs )          return super ( UpperAttrMetaclass , cls ) . __new__ ( cls , name , bases , uppercase_attr )

就是这样，除此之外，关于元类真的没有别的可说的了。使用到元类的代码比较复杂，这背后的原因倒并不是因为元类本身，而是因为你通常会使用元类去做一些晦涩的事情，依赖于自省，控制继承等等。确实，用元类来搞些“黑暗魔法”是特别有用的，因而会搞出些复杂的东西来。但就元类本身而言，它们其实是很简单的：

1)   拦截类的创建

2)   修改类

3)   返回修改之后的类

 

为什么要用metaclass类而不是函数?

由于__metaclass__可以接受任何可调用的对象，那为何还要使用类呢，因为很显然使用类会更加复杂啊？这里有好几个原因：

1）  意图会更加清晰。当你读到UpperAttrMetaclass(type)时，你知道接下来要发生什么。

2） 你可以使用OOP编程。元类可以从元类中继承而来，改写父类的方法。元类甚至还可以使用元类。

3）  你可以把代码组织的更好。当你使用元类的时候肯定不会是像我上面举的这种简单场景，通常都是针对比较复杂的问题。将多个方法归总到一个类中会很有帮助，也会使得代码更容易阅读。

4） 你可以使用__new__, __init__以及__call__这样的特殊方法。它们能帮你处理不同的任务。就算通常你可以把所有的东西都在__new__里处理掉，有些人还是觉得用__init__更舒服些。

5） 哇哦，这东西的名字是metaclass，肯定非善类，我要小心！

 

究竟为什么要使用元类？

现在回到我们的大主题上来，究竟是为什么你会去使用这样一种容易出错且晦涩的特性？好吧，一般来说，你根本就用不上它：

“元类就是深度的魔法，99%的用户应该根本不必为此操心。如果你想搞清楚究竟是否需要用到元类，那么你就不需要它。那些实际用到元类的人都非常清楚地知道他们需要做什么，而且根本不需要解释为什么要用元类。”  —— Python界的领袖 Tim Peters

元类的主要用途是创建API。一个典型的例子是Django ORM。它允许你像这样定义：

Python

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

1 2 3

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

但是如果你像这样做的话：

Python

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

1 2	guy    = Person ( name = 'bob' , age = '35' ) print guy . age

这并不会返回一个IntegerField对象，而是会返回一个int，甚至可以直接从数据库中取出数据。这是有可能的，因为models.Model定义了__metaclass__， 并且使用了一些魔法能够将你刚刚定义的简单的Person类转变成对数据库的一个复杂hook。Django框架将这些看起来很复杂的东西通过暴露出一个简单的使用元类的API将其化简，通过这个API重新创建代码，在背后完成真正的工作。

 

结语

首先，你知道了类其实是能够创建出类实例的对象。好吧，事实上，类本身也是实例，当然，它们是元类的实例。

Python

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

1 2 3

>>> 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，在纯Python环境中这可不是你能够做到的，这是通过在实现层面耍一些小手段做到的。其次，元类是很复杂的。对于非常简单的类，你可能不希望通过使用元类来对类做修改。你可以通过其他两种技术来修改类：

1） Monkey patching

2)   class decorators

当你需要动态修改类时，99%的时间里你最好使用上面这两种技术。当然了，其实在99%的时间里你根本就不需要动态修改类 :D