Python 中 Meta Classes详解
接触过Django的同学都应该十分熟悉它的ORM系统。对于python新手而言，这是一项几乎可以被称作“黑科技”的特性：只要你在models.py中随便定义一个Model的子类，Django便可以：
- 获取它的字段定义，并转换成表结构
- 读取Meta内部类，并转化成相应的配置信息。对于特殊的Model（如abstract、proxy），还要进行相应的转换
- 为没有定义objects的Model加上一个默认的Manager
开发之余，我也曾脑补过其背后的原理。曾经，我认为是这样的：
启动时，遍历models.py中的所有属性，找到Model的子类，并对其进行上述的修改。
当初，我还以为自己触碰到了真理，并曾将其应用到实际生产中——为SAE的KVDB写了一个类ORM系统。然而在实现的过程中，我明显感受到了这种方法的丑陋，而且性能并不出色（因为要遍历所有的定义模块）。
那么事实上，Django是怎么实现的呢？
自古以来我们制造东西的方法都是“自上而下”的，是用切削、分割、组合的方法来制造。然而，生命是自下而上地，自发地建造起来的，这个过程极为低廉。 ——王晋康《水星播种》
这句话揭示了生命的神奇所在：真正的生命都是由基本物质自发构成的，而非造物主流水线式的加工。
那么，如果类也有生命的话，对它自己的修饰就不应该由调用者来完成，而应该是自发的。
幸而，python提供了造物主的接口——这便是MetaClasses，或者称为“元类”。
元类是什么？
简单说：元类就是类的类。
首先，要有一个概念：
python中，一切都是对象。
没错，一切，包括类本身。
既然，类是对象，对象是类的实例，那么——类也应该有类才对。
类的类：type
在python中，我们可以用type检测一个对象的类，如：
printtype(1)#<type'int'>
如果对一个类操作呢？
printtype(int)#<type'type'> classMyClass(object):pass printtype(MyClass)#<type'type'> printtype(type)#<type'type'>
这说明：type其实是一个类型，所有类——包括type自己——的类都是type。
type简介
从官方文档中，我们可以知道：
和dict类似，type也是一个工厂构造函数，调用其将返回一个type类型的实例（即类）。
type有两个重载版本：
+`type(object)`，即我们最常用的版本。
+`type(name,bases,dict)`，一个更强大的版本。通过指定类名称（`name`）、父类列表（`bases`）和属性字典（`dict`）动态合成一个类。
下面两个语句等价：
classInteger(int):
name='myinteger'
defincrease(self,num):
returnnum+1
#-------------------
Integer=type('Integer',(int,),{
'name':'myinteger',
'increase':lambdaself,num:\
num+1#很酷的写法，不是么
})
也就是说：类的定义过程，其实是type类型实例化的过程。
然而这和修饰一个已定义的类有什么关系呢？
当然有啦～既然“类的定义”就是“type类型的初始化过程”，那其中必定会调用到type的构造函数(__new__()或__init__())。只要我们继承type类并修改其__new__函数，在这里面动手脚就可以啦。
接下来我们将通过一个栗子感受python的黑魔法，不过在此之前，我们要先了解一个语法糖。
__metaclass__属性
有没觉得上面第二段示例有些鬼畜呢？它勒令程序员将类的成员写成一个字典，简直是反人类。如果我们真的是要通过修改元类来改变类的行为的话，似乎就必须采用这种方法了～～简直可怕～～
好在，python2.2时引进了一个语法糖：__metaclass__。
classInteger(int): __metaclass__=IntMeta
现在将会等价于：
Integer=IntMeta('Integer',(int,),{})
由此一来，我们在使用传统类定义的同时，也可以使用元类啦。
栗子：子类净化器
需求描述
你是一个有语言洁癖的开发者，平时容不得别人讲一句脏话，在开发时也是如此。现在，你写出了一个非常棒的框架，并马上要将它公之于众了。不过，你的强迫症又犯了：如果你的使用者在代码中写满了脏话，怎么办？岂不是玷污了自己的纯洁？
假如你就是这个丧心病狂的开发者，你会怎么做？
在知道元类之前，你可能会无从下手。不过，这个问题你可以用元类轻松解决——只要在类定义时过滤掉不干净的字眼就好了（百度贴吧的干活～～）。
我们的元类看起来会是这样的：
sensitive_words_list=['asshole','fuck','shit']
defdetect_sensitive_words(string):
'''检测敏感词汇'''
words_detected=filter(lambdaword:wordinstring.lower(),sensitive_words_list)
ifwords_detected:
raiseNameError('Sensitivewords{0}detectedinthestring"{1}".'\
.format(
','.join(map(lambdas:'"%s"'%s,words_detected)),
string
)
)
classCleanerMeta(type):
def__new__(cls,class_name,bases,attrs):
detect_sensitive_words(class_name)#检查类名
map(detect_sensitive_words,attrs.iterkeys())#检查属性名
print"Welldone!Youareapolitecoder!"#如无异常，输出祝贺消息
returnsuper(CleanerMeta,cls).__new__(cls,class_name,bases,attrs)
#重要！这行一定不能漏！！这回调用内建的类构造器来构造类，否则定义好的类将会变成None
现在，只需这样定义基类：
classAPIBase(object):
__metaclass__=CleanerMeta
#...
那么所有APIBase的派生类都会接受安全审查（奸笑～～）：
classImAGoodBoy(APIBase):
a_polite_attribute=1
#[Output]Welldone!Youareapolitecoder!
classFuckMyBoss(APIBase):
pass
#[Output]NameError:Sensitivewords"fuck"detectedinthestring"FuckMyBoss".
classPretendToBePolite(APIBase):
def__fuck_your_asshole(self):
pass
#[Output]NameError:Sensitivewords"asshole","fuck"detectedinthestring"_PretendToBePolite__fuck_your_asshole".
看，即使像最后一个例子中的私有属性也难逃审查，因为它们本质都是相同的。
甚至，你还可以对有问题的属性进行偷偷的修改，比如让不文明的函数在调用时打出一行警告等等，这里就不多说了。
元类在实际开发中的应用
日常开发时，元类常用吗？
当然，Django的ORM就是一个例子，大名鼎鼎的SQLAlchemy也用了这种黑魔法。
此外，在一些小型的库中，也有元类的身影。比如abc（奇怪的名字～～）——这是python的一个内建库，用于模拟抽象基类（AbstractBaseClasses）。开发者可以使用abc.abstractmethod装饰器，将指定了__metaclass__=abc.ABCMeta的类的方法定义成抽象方法，同时这个类也成了抽象基类，抽象基类是不可实例化的。这便实现了对抽象基类的模拟。
倘若你也有需要动态修改类定义的需求，不妨也试试这种“黑魔法”。
小结
- 类也是对象，所有的类都是type的实例
- 元类（MetaClasses）是类的类
- __metaclass__=Meta是Meta(name,bases,dict)的语法糖
- 可以通过重载元类的__new__方法，修改类定义的行为