请注意，这个答案是针对 Python 2.x 的，因为它是在 2008 年编写的，元类在 3.x 中略有不同。

元类是使“类”发挥作用的秘诀。新样式对象的默认元类称为“type”。

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

元类有 3 个参数。 'name'、'bases' 和 'dict'

这就是秘密的开始。在此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 'class：' 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”在类上设置，并设置为 None。

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init_attributes元类而获得的神奇行为不会传递给 Initialised 的子类。

下面是一个更具体的例子，展示了如何对“type”进行子类化，以创建一个在创建类时执行操作的元类。这是非常棘手的：

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

我认为 ONLamp 对元类编程的介绍写得很好，尽管已经有好几年的历史了，但对这个主题进行了非常好的介绍。

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。可以很容易地看出，在 Python 中，类也需要是第一类对象才能启用此行为。

我自己从未写过，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性样式。当元类创建类时，所有成员都可以自定义类本身。

• 创建新模型
• 实现此目的的元类

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%。

元类的一个用途是自动向实例添加新的属性和方法。

例如，如果你看一下 Django 模型，它们的定义看起来有点混乱。看起来好像你只是在定义类属性：

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

但是，在运行时，Person 对象充满了各种有用的方法。请参阅一些惊人的元分类的来源。

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。类是元类的实例。

虽然在 Python 中，你可以为元类使用任意可调用对象（如 Jerub 所示），但更好的方法是让它本身成为一个实际的类。 是 Python 中常用的元类。 它本身就是一个类，它是它自己的类型。您将无法纯粹在 Python 中重新创建类似的东西，但 Python 会作弊。要在 Python 中创建自己的元类，您真的只想子类。typetypetypetype

元类最常用作类工厂。当您通过调用类创建对象时，Python 会通过调用元类创建一个新类（当它执行“class”语句时）。因此，结合普通类和方法，元类允许您在创建类时执行“额外操作”，例如将新类注册到某个注册表或完全用其他东西替换该类。__init____new__

执行语句时，Python 首先将语句的主体作为普通代码块执行。生成的命名空间（字典）包含要类的属性。元类是通过查看待类的基类（继承的元类）、待待类的属性（如果有）或全局变量来确定的。然后，使用类的名称、基和属性调用元类以实例化它。classclass__metaclass____metaclass__

但是，元类实际上定义了类的类型，而不仅仅是它的工厂，因此您可以使用它们执行更多操作。例如，您可以在元类上定义常规方法。这些元类方法类似于类方法，因为它们可以在没有实例的情况下在类上调用，但它们也不像类方法，因为它们不能在类的实例上调用。 是元类上方法的一个示例。您还可以定义常规的“魔术”方法，例如 和 ，以实现或更改类的行为方式。type.__subclasses__()type__add____iter____getattr__

下面是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__

其他人已经解释了元类是如何工作的，以及它们如何适应 Python 类型系统。下面是它们可用于什么的示例。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

然后，任何子类都会获得一个类属性，该属性记录定义类的顺序。MyType_order

类作为对象

在深入研究元类之前，扎实掌握 Python 类是有益的。Python 有一个特别独特的类概念，它采用了 Smalltalk 语言的概念。

在大多数语言中，类只是描述如何生成对象的代码片段。这在 Python 中也有些正确：

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

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

但是类在 Python 中不止于此。类也是对象。

是的，对象。

当 Python 脚本运行时，每一行代码都是从上到下执行的。当 Python 解释器遇到关键字时，Python 会从后面类的“描述”中创建一个对象。因此，以下指令class

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

...创建一个名为 ！ObjectCreator

此对象（类）本身能够创建对象（称为实例）。

但是，它仍然是一个对象。因此，像所有对象一样：

• 您可以将其分配给变量¹

  JustAnotherVariable = ObjectCreator
  

• 您可以为其附加属性

  ObjectCreator.class_attribute = 'foo'
  

• 您可以将其作为函数参数传递

  print(ObjectCreator)
  

^{1 请注意，仅仅将其分配给另一个变量不会改变类的__name__，即}

>>> print(JustAnotherVariable)
    <class '__main__.ObjectCreator'>

>>> print(JustAnotherVariable())
    <__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，您可以使用以下命令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，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。

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

还记得这个功能吗？让你知道什么的好旧函数 类型对象是：type

>>> print(type(1))
    <type 'int'>

>>> print(type("1"))
    <type 'str'>

>>> print(type(ObjectCreator))
    <type 'type'>

>>> print(type(ObjectCreator()))
    <class '__main__.ObjectCreator'>

好吧，type 还具有完全不同的能力：它可以即时创建类。 可以把一个类的描述作为参数， 并返回一个类。type

（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，这很愚蠢。这是一个由于落后的问题 Python 中的兼容性）

type工作方式如下：

type(name, bases, attrs)

哪里：

• name：类的名称
• 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

可以通过以下方式手动创建：

>>> 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，我们使用类的名称 并作为保存类引用的变量。它们可以是不同的， 但没有理由让事情复杂化。MyShinyClass

type接受字典来定义类的属性。所以：

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

可以翻译为：

>>> 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，你可以从它继承，所以：

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

将：

>>> FooChild = type('FooChild', (Foo,), {})
>>> print(FooChild)
    <class '__main__.FooChild'>

>>> print(FooChild.bar) # bar is inherited from Foo
    True

最终，您需要将方法添加到您的类中。只需定义一个函数 具有正确的签名，并将其指定为属性。

>>> 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

在动态创建类后，您可以添加更多方法，就像向通常创建的类对象添加方法一样。

>>> def echo_bar_more(self):
...     print('yet another method')

>>> FooChild.echo_bar_more = echo_bar_more
>>> hasattr(FooChild, 'echo_bar_more')
    True

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

这就是 Python 在使用关键字时所做的，它通过使用元类来实现。class

什么是元类（最后）

元类是创建类的“东西”。

您定义类是为了创建对象，对吧？

但是我们了解到 Python 类是对象。

嗯，元类是创建这些对象的原因。他们是班级的班级， 你可以这样想象它们：

MyClass = MetaClass()
my_object = MyClass()

你已经看到，这可以让你做这样的事情：type

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

这是因为该函数实际上是一个元类。 是 Python 用于在幕后创建所有类的元类。typetype

现在你想知道“为什么它是用小写写的，而不是？Type

好吧，我想这是一个与 的一致性问题，创建 字符串对象，以及创建整数对象的类。 是 只是创建类对象的类。strinttype

您可以通过检查属性来查看。__class__

一切，我的意思是一切，都是 Python 中的一个对象。这包括整数、 字符串、函数和类。它们都是对象。他们都有 从类创建：

>>> 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，有什么？__class____class__

>>> age.__class__.__class__
    <type 'type'>

>>> name.__class__.__class__
    <type 'type'>

>>> foo.__class__.__class__
    <type 'type'>

>>> b.__class__.__class__
    <type 'type'>

所以，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，您可以在编写类时添加属性（有关 Python 3 语法，请参阅下一节）：__metaclass__

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

如果这样做，Python 将使用 metaclass 来创建类。Foo

小心，这很棘手。

您先写，但未创建类对象 在记忆中。class Foo(object)Foo

Python 将在类定义中查找。如果它找到了它， 它将使用它来创建对象类。如果没有，它将用于创建类。__metaclass__Footype

多读几遍。

当您这样做时：

class Foo(Bar):
    pass

Python 执行以下操作：

中是否有属性？__metaclass__Foo

如果是，请在内存中创建一个类对象（我说的是类对象，请留在这里），并使用 中的内容命名。Foo__metaclass__

如果 Python 找不到，它将在 MODULE 级别查找 a，并尝试执行相同的操作（但仅适用于不继承任何内容的类，基本上是旧式类）。__metaclass____metaclass__

然后，如果它根本找不到任何元，它将使用 的（第一个父级）自己的元类（可能是默认的）来创建类对象。__metaclass__Bartype

这里要注意的是，属性不会被继承，父级（）的元类会被继承。如果使用使用 （而不是 ） 创建的属性，则子类将不会继承该行为。__metaclass__Bar.__class__Bar__metaclass__Bartype()type.__new__()

现在最大的问题是，你能放什么？__metaclass__

答案是可以创建一个类的东西。

什么可以创建一个类？，或任何子类或使用它的任何内容。type

Python 3 中的元类

在 Python 3 中，设置元类的语法已更改：

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

即不再使用该属性，而是在基类列表中使用关键字参数。__metaclass__

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到元类中，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

元类的主要目的是自动更改类， 创建时。

您通常对 API 执行此操作，在 API 中，您希望创建与 当前上下文。

想象一个愚蠢的例子，你决定模块中的所有类 它们的属性应该用大写字母写成。有几种方法可以 执行此操作，但一种方法是在模块级别进行设置。__metaclass__

这样，该模块的所有类都将使用此元类创建， 我们只需要告诉元类将所有属性转换为大写。

幸运的是，实际上可以是任何可调用的，它不需要是 正式类（我知道，名称中带有“类”的东西不需要 一堂课，去想想......但这很有帮助）。__metaclass__

因此，我们将从一个简单的例子开始，通过使用函数。

# 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'

让我们检查一下：

>>> hasattr(Foo, 'bar')
    False

>>> hasattr(Foo, 'BAR')
    True

>>> Foo.BAR
    'bip'

现在，让我们做完全相同的事情，但对元类使用一个真正的类：

# 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，但现在我们知道它们的含义，但使用更短、更现实的变量名称：

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)

您可能已经注意到了额外的参数。有 没什么特别的：总是接收它定义的类，作为第一个参数。就像普通方法一样，这些方法将实例作为第一个参数接收，或者类方法的定义类。cls__new__self

但这不是正确的 OOP。我们直接拨打电话，我们不会覆盖或拨打家长的电话。让我们改为这样做：type__new__

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)

我们可以通过使用 使它更干净，这将简化继承（因为是的，你可以有元类，从元类继承，从类型继承）：super

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()
        }

        # Python 2 requires passing arguments to super:
        return super(UpperAttrMetaclass, cls).__new__(
            cls, clsname, bases, uppercase_attrs)

        # Python 3 can use no-arg super() which infers them:
        return super().__new__(cls, clsname, bases, uppercase_attrs)

哦，在 Python 3 中，如果你使用关键字参数进行此调用，如下所示：

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

它在元类中转换为使用它：

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

就是这样。关于元类真的没有更多的东西了。

使用元类的代码的复杂性背后的原因不是因为 元类，这是因为你通常使用元类来做扭曲的事情 依靠内省，操纵继承，vars，如，等等。__dict__

事实上，元类对于施展黑魔法特别有用，因此 复杂的东西。但就其本身而言，它们很简单：

• 截获类创建
• 修改类
• 返回修改后的类

为什么要使用元类类而不是函数？

既然可以接受任何可调用对象，为什么要使用类 因为它显然更复杂？__metaclass__

这样做有几个原因：

• 意图很明确。当你阅读时，你知道 接下来会发生什么UpperAttrMetaclass(type)
• 您可以使用 OOP。元类可以从元类继承，重写父方法。元类甚至可以使用元类。
• 如果指定了元类类，则类的子类将是其元类的实例，但不指定元类函数。
• 您可以更好地构建代码。你永远不会将元类用于像上面的例子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。
• 您可以挂钩 和 。这将允许你做不同的事情，即使通常你可以在， 有些人只是更习惯使用.__new____init____call____new____init__
• 这些被称为元类，该死的！它一定意味着什么！

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难懂的容易出错的功能？

好吧，通常你不会：

元类是更深层次的魔力 99%的用户永远不必担心。 如果您想知道是否需要它们， 你没有（实际上的人 需要他们确切地知道 他们需要它们，但不需要 解释原因）。

Python 大师 Tim Peters

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

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

但是，如果你这样做：

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

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

这是可能的，因为定义和 它使用了一些魔术，可以用简单的语句来改变你刚刚定义的 到数据库字段的复杂钩子中。models.Model__metaclass__Person

Django 通过公开一个简单的 API 使复杂的东西看起来很简单 并使用元类，从此 API 重新创建代码以完成实际工作 幕后花絮。

最后一句话

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

在 Python 中，一切都是对象，它们都是类的任一实例 或元类的实例。

除了 .type

type其实是它自己的元类。这不是你可以做到的 在纯 Python 中重现，并通过在实现中作弊来完成 水平。

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。可以使用两种不同的技术更改类：

• 猴子修补
• 类装饰器

99% 的时间你需要改变班级，你最好使用这些。

但在 98% 的情况下，您根本不需要更改班级。

A 是一个类，它告诉应该如何创建（某个）其他类。metaclass

在这种情况下，我认为可以解决我的问题： 我有一个非常复杂的问题，本来可以用不同的方式解决，但我选择用 .由于复杂性，它是我编写的为数不多的模块之一，其中模块中的注释超过了已编写的代码量。在这里。。。metaclassmetaclass

#!/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()

什么是元类？你用它们做什么？

TLDR：元类实例化和定义类的行为，就像类实例化和定义实例的行为一样。

伪代码：

>>> Class(...)
instance

以上内容应该看起来很熟悉。那么，它从何而来？它是元类（也是伪代码）的实例：Class

>>> Metaclass(...)
Class

在实际代码中，我们可以传递默认的元类，实例化一个类所需的一切，我们得到一个类：type

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

换一种说法

• 类之于实例，就像元类之于类一样。

  当我们实例化一个对象时，我们会得到一个实例：

  >>> 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，我们实例化它：type

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

• 换句话说，类是元类的实例：

  >>> isinstance(object, type)
  True
  

• 换句话说，元类是类的类。

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

当您编写类定义并执行它时，它使用元类来实例化类对象（反过来，该对象将用于实例化该类的实例）。

正如我们可以使用类定义来更改自定义对象实例的行为方式一样，我们也可以使用元类类定义来更改类对象的行为方式。

它们可以用来做什么？从文档中：

元类的潜在用途是无限的。已经探索过的一些想法包括日志记录、接口检查、自动委派、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，当你编写类定义时，像这样，

class Foo(object): 
    'demo'

实例化类对象。

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

这与使用适当的参数进行函数调用并将结果分配给该名称的变量相同：type

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

请注意，有些东西会自动添加到 ，即命名空间：__dict__

>>> 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：是否存在是因为类必须知道它们在哪里定义，并且存在是因为我们不定义 - 如果我们定义__slots__我们将在实例中节省一些空间，因为我们可以禁止并排除它们。例如：__dict____module____dict____weakref____slots____dict____weakref__

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

...但我跑题了。

我们可以像任何其他类定义一样进行扩展：type

下面是类的默认值：__repr__

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

在编写 Python 对象时，默认情况下我们可以做的最有价值的事情之一就是为它提供一个好的 .当我们打电话时，我们了解到有一个很好的测试，也需要对相等性进行测试 - 。下面下面简单实现 和 for 我们的类型类的类实例为我们提供了一个演示，可以改进类的默认值：__repr__help(repr)__repr__obj == eval(repr(obj))__repr____eq____repr__

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__)

因此，现在当我们使用此元类创建对象时，命令行上的 echoed 提供了比默认值少得多的丑陋景象：__repr__

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

通过为类实例定义一个 nice，我们有更强的调试代码的能力。但是，不太可能进行进一步的检查（因为函数不可能从其默认值中计算出来）。__repr__eval(repr(Class))__repr__

预期用法：命名空间__prepare__

例如，如果我们想知道一个类的方法以什么顺序创建，我们可以提供一个有序的字典作为类的命名空间。如果该类是在 Python 3 中实现的，我们将这样做，它将返回该类的命名空间字典：__prepare__

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，我们有了这些方法（和其他类属性）的创建顺序的记录：

>>> 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。

因此，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'>)

它具有大致正确的（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）。repr

>>> 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>})

Python 3 更新

（在这一点上）元类中有两个关键方法：

• __prepare__和
• __new__

__prepare__允许您提供自定义映射（如 ），以便在创建类时用作命名空间。您必须返回您选择的任何命名空间的实例。如果不实现，则使用正常。OrderedDict__prepare__dict

__new__负责最终类的实际创建/修改。

一个基本的、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，例如它必须始终是 an 或 .如果没有元类，您的类将如下所示：intstr

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的名称。这使得错别字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，因为它不是必需的）：__prepare__

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'

生产：

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，它也可以用类装饰器来完成，但大概一个实际的元类会做更多的事情。

用于引用的“ValidateType”类：

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

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

>>> 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;创建类的简单操作触发了 .metaclass

元类方法在创建类实例时的作用__call__()

如果你已经做了几个月以上的 Python 编程，你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')

当您在类上实现 magic 方法时，后者是可能的。__call__()

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

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

当类的实例用作可调用对象时，将调用该方法。但正如我们从前面的答案中看到的那样，类本身就是元类的实例，所以当我们使用该类作为可调用对象时（即当我们创建它的实例时），我们实际上是在调用它的元类方法。在这一点上，大多数 Python 程序员都有点困惑，因为他们被告知，在创建这样的实例时，您正在调用它的方法。一些挖得更深的人知道，在有.好吧，今天，在元类出现之前，另一层真相正在被揭示。__call__()__call__()instance = SomeClass()__init__()__init__()__new__()__new__()__call__()

让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，它准确记录了创建实例之前的时刻以及即将返回实例的时刻。

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执行任何操作。每个方法将实际工作委托给其父级的实现，从而保留默认行为。由于 是 的父类（是默认的父元类）并考虑上述输出的排序顺序，我们现在对以下项的伪实现有了线索：typeMeta_1typetype.__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方法是第一个被调用的方法。然后，它将实例的创建委托给类的方法，并将初始化委托给实例的 .它也是最终返回实例的那个。__call__()__new__()__init__()

综上所述，元类也有机会决定是否调用或最终进行调用。在执行过程中，它实际上可以返回一个未被这些方法触及的对象。以单例模式的这种方法为例：__call__()Class_1.__new__()Class_1.__init__()

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__()."

让我们观察一下当反复尝试创建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

tl;DR 版本

该函数获取对象的类型。type(obj)

类的 type（） 是它的元类。

要使用元类，请执行以下操作：

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，您可以了解如何使用元类来自定义类构造。

Python 类本身就是其元类的对象，例如实例。

默认元类，当您将类确定为以下值时，将应用该元类：

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都属于映射到该表的类（基于字段、业务规则等），那么元类的可能用途是连接池逻辑，它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，这涉及多类记录。

定义元类时，可以对类型进行子类化，并且可以重写以下魔术方法来插入逻辑。

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

无论如何，这两个是最常用的钩子。元分类功能非常强大，上面是元分类用途的详尽列表。

type（） 函数可以返回对象的类型或创建一个新类型，

例如，我们可以使用 type（） 函数创建一个 Hi 类，而不需要以这种方式与类 Hi（object） 一起使用：

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（） 动态创建类外，还可以控制类的创建行为并使用元类。

根据 Python 对象模型，类就是对象，所以类必须是另一个某个类的实例。 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']

当我们在元类中传递关键字参数时，Magic 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。

除了已发布的答案之外，我还可以说 a 定义了类的行为。因此，您可以显式设置元类。每当 Python 获得关键字时，它就会开始搜索 .如果未找到，则使用默认元类类型创建类的对象。使用该属性，您可以设置您的类：metaclassclassmetaclass__metaclass__metaclass

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'

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

为此，必须继承默认类型类，因为这是主要的：metaclassmetaclass

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'

在面向对象编程中，元类是其实例为类的类。就像普通类定义某些对象的行为一样，元类定义特定类及其实例的行为 术语元类仅表示用于创建类的东西。换句话说，它是类的类。元类用于创建类，因此就像对象是类的实例一样，类是元类的实例。在 python 中，类也被视为对象。

以下是它可用于的另一个示例：

• 您可以使用 来更改其实例（类）的功能。metaclass

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()

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

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

要创建元类，通常会重写 new（） 和 init（） 方法。new（） 可以被重写以更改对象的创建方式，而 init（） 可以被重写以更改初始化对象的方式。可以通过多种方式创建元类。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：-

1. 类名
2. 具有由类继承的基类的元组
3. 包含所有类方法和类变量的字典

创建元类的另一种方法是“元类”关键字。将元类定义为简单类。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：-

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

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

在 Python 中，元类是子类的子类，它决定了子类的行为方式。类是另一个元类的实例。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，通过执行其他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重要的，但它们可能很重要。

我在一个名为 .它检查所有类变量是否都是大写格式（方便配置类有统一的逻辑），并检查类中是否没有实例级方法。 metaclases的另一个有趣的例子是基于复杂条件（检查多个环境变量的值）停用单元测试。classutilities

最高的答案是正确的。

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 和 .DjangoWTForms

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，特殊字段明显与 Author 模型的字段分开。abstract

from django.db import models

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

    class Meta:
        abstract = True

另一个例子来自以下文档：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")

这种语法在 python 编程语言中没有得到特殊处理。 在这里不是关键字，也不会触发元类行为。相反，包中的第三方库代码在某些类的构造函数中读取此属性，以及其他地方。MetaDjangoWTForms

这些声明的存在会修改具有这些声明的类的行为。例如，读取以确定表单是否需要字段。WTFormsself.Meta.csrfcsrf

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（对象的类型）时，我们寻找MetaClass。

在 Python 或任何其他语言中，我们声明的每个变量或对象都有一个类型。为了在 Python 中获取任何内容（变量、对象等）的类型，我们可以使用 type（） 函数。

绕过类定义中的 metaclass 关键字，我们可以自定义类创建过程。

class meta(type):
    pass
class baseclass(metaclass=meta): # This is Mestaclass
    pass
class derivedclass(baseclass):
    pass
print(type(meta))
print(type(baseclass))
print(type(derivedclass))

定义新类时，如果未定义元类，则使用默认类型元类。如果给定的元类不是 type（） 的对象（实例），在这种情况下，它直接用作元类。

我想补充一点为什么type.__new__()type()

首先，看看以下课程

In [1]: class MyMeta(type):
   ...:     def __new__(cls, cls_name, bases, attrs):
   ...:         print(cls, cls_name, bases, attrs)
   ...:         return super().__new__(cls, cls_name, bases, attrs)
   ...:

In [2]: class AClass(metaclass=MyMeta):
   ...:     pass
   ...:
<class '__main__.MyMeta'> AClass () {'__module__': '__main__', '__qualname__': 'AClass'}

In [3]: class BClass:
   ...:     pass
   ...:

In [4]: AClass.__class__
Out[4]: __main__.MyMeta

In [5]: BClass.__class__
Out[5]: type

In [6]: class SubAClass(AClass):
   ...:     pass
   ...:
<class '__main__.MyMeta'> SubAClass (<class '__main__.AClass'>,) {'__module__': '__main__', '__qualname__': 'SubAClass'}

1. type.__new__刚刚分配给 .MyMetaAClass.__class__

   如何？ 将采用第一个参数 cls，即type.__new__

   是 MyMeta，并执行 .AClass.__class__ = MyMeta

   当我们尝试创建 SubAClass 作为 AClass 的子类时，Python 会

   看看我们指定用于创建 SubAClass 的元类

   在本例中，我们没有为 SubAClass 传递元类，因此 Python 为元类获得了 None。

   然后 Python 会尝试获取 SubAClass 的第一个基类的元类，显然它得到了.MyMeta

2. 如果您致电而不是 ，那么我们type()type.__new__

   必须是.为什么？AClass.__class__type

   type()仍然调用，但作为第一个参数隐式传递。type.__new__type

   这意味着 AClass 等价于 BClass，它们都有类型

   作为他们的属性__class__

在 C 代码中如何搜索元类？

它的工作方式与我们刚才提到的非常相似

当您定义一个类时，将调用该函数builtin___build_class__

代码就是这么简单

static PyObject *
builtin___build_class__(PyObject *self, PyObject *const *args, Py_ssize_t nargs,
                        PyObject *kwnames){

    if (meta == NULL) {
        /* if there are no bases, use type: */
        if (PyTuple_GET_SIZE(bases) == 0) {
            meta = (PyObject *) (&PyType_Type);
        }
        /* else get the type of the first base */
        else {
            PyObject *base0 = PyTuple_GET_ITEM(bases, 0);
            meta = (PyObject *)Py_TYPE(base0);
        }
        Py_INCREF(meta);
        isclass = 1;  /* meta is really a class */
    }

    PyObject *margs[3] = {name, bases, ns};
    cls = PyObject_VectorcallDict(meta, margs, 3, mkw);
}

基本上，就是我们想知道的一切meta = (PyObject *)Py_TYPE(base0);

它可以翻译为meta = Py_TYPE(AClass) = MyMeta = AClass.__class__