作者：袁首京
原创文章，转载时请保留此声明，并给出原文连接。
元编程并不象它听起来那么时髦和新奇。常用的 decorator 就可以认为是一种元编程。简单来说，元编程就是编写操作代码的代码。
有点绕，是吧？别着急，咱们一点一点来讨论。
注意：本文中的代码适用于 Python 3.3 及以上。
元类
多数编程语言中，一切东西都有类型。Python 也不例外，我们可以用 type() 函数获取任意变量的类型。
num = 23print("Type of num is:", type(num))lst = [1, 2, 4]print("Type of lst is:", type(lst))name = "Atul"print("Type of name is:", type(name))执行结果是：
Type of num is: Type of lst is: Type of name is: Python 中的所有类型都是由 Class 定义的。这一条与其它编程语言，比如 Java、C++ 等等不同。在那些语言中，int、char、float 之类是基本数据类型，但是在 Python 中，它们是 int 类或 str 类的对象。
象其它 OOP 语言一样，我们可以使用 class 定义新类型：
class Student: passstu_obj = Student()print("Type of stu_obj is:", type(stu_obj))执行结果是：
Type of stu_obj is: 一点儿也不意外，对吧？其实有意外，因为在 Python 中，类也是一个对象，就像任何其他对象一样，它是元类的实例。即一个特殊的类，创建了 Class 这个特殊的类实例。看如下代码：
class Student: passprint("Type of Student class is:", type(Student))执行结果是：
Type of Student class is: 既然类也是一个对象，所以以修改对象相同的方式修改它就顺理成章。如下先定义一个没有任何属性和方法的类，然后在外部为其添加属性和方法：
class test: passtest.x = 45test.foo = lambda self: print('Hello')myobj = test()print(myobj.x)myobj.foo()执行结果是：
45Hello以上过程可以简单概括为：
元类创建类，类创建实例
画个图象这样:
元类 -> 类 -> 实例
因此，我们就可以编写自定义的元类，执行额外的操作或者注入代码，来改变类的生成过程。这在某些场景下很有用，主要是比如有些情况下使用元编程更简单，另一些情况只有元编程才能解决问题。
创建自定义元类
创建自定义元类，有两种方法。第一种是继承 type 元类，并且覆写两个方法：
- new()
它在 init() 之前调用，生成类实例并返回。我们可以覆盖此方法来控制对象的创建过程。
- init()
这个不多解释，相信你都明白。
如下是个例子：
class MultiBases(type): def __new__(cls, clsname, bases, clsdict): if len(bases)>1: raise TypeError("Inherited multiple base classes!!!") return super().__new__(cls, clsname, bases, clsdict)class Base(metaclass=MultiBases): passclass A(Base): passclass B(Base): passclass C(A, B): pass执行结果是：
Traceback (most recent call last):File "", line 2, in File "", line 8, in **new**TypeError: Inherited multiple base classes!!!第二种方法是直接使用 type() 函数创建类。这个方法如果只用一个参数调用，它会返回该参数的类型，前文已经描述过。但是使用三个参数调用时，它会创建一个类。这三个参数如下：
- 类名称；
- 继承的父类的元组。你没看错，是元组，别忘了 Python 可以多继承；
- 一个字典。定义类属性和方法；
以下是示例：
def test_method(self): print("This is Test class method!")class Base: def myfun(self): print("This is inherited method!")Test = type('Test', (Base, ), dict(x="atul", my_method=test_method))print("Type of Test class: ", type(Test))test_obj = Test()print("Type of test_obj: ", type(test_obj))test_obj.myfun()test_obj.my_method()print(test_obj.x)执行结果是：
Type of Test class: Type of test_obj: This is inherited method!This is Test class method!atul使用元类解决问题
了解了元类的创建方法后，可以来解决一些实际问题了。例如，如果我们想在每次调用类方法时，都先输出一下它的全限定名，该怎么办呢？
最常用的方法是使用 decorator，象这样：
from functools import wrapsdef debug(func): @wraps(func) def wrapper(*args, **kwargs): print("Full name of this method:", func.__qualname__) return func(*args, **kwargs) return wrapperdef debugmethods(cls): for key, val in vars(cls).items(): if callable(val): setattr(cls, key, debug(val)) return cls@debugmethodsclass Calc: def add(self, x, y): return x+y def mul(self, x, y): return x\*y def div(self, x, y): return x/ymycal = Calc()print(mycal.add(2, 3))print(mycal.mul(5, 2))执行结果是：
Full name of this method: Calc.add5Full name of this method: Calc.mul10这个方案很漂亮。但是，如果变更一下需求，例如我们希望 Calc 的所有子类的方法执行时，都先输出一下它的全限定名，该怎么办呢？
在每一个子类上加上 @debugmethods 是一种方案，但是有点啰嗦，是不是？
该基于元类的解决方案出场了，以下是个例子：
from functools import wrapsdef debug(func): @wraps(func) def wrapper(*args, **kwargs): print("Full name of this method:", func.__qualname__) return func(*args, **kwargs) return wrapperdef debugmethods(cls): for key, val in vars(cls).items(): if callable(val): setattr(cls, key, debug(val)) return clsclass debugMeta(type): def __new__(cls, clsname, bases, clsdict): obj = super().__new__(cls, clsname, bases, clsdict) obj = debugmethods(obj) return objclass Base(metaclass=debugMeta): passclass Calc(Base): def add(self, x, y): return x+yclass Calc_adv(Calc): def mul(self, x, y): return x\*ymycal = Calc_adv()print(mycal.mul(2, 3))执行结果是：
Full name of this method: Calc_adv.mul6何时使用元类
该说的基本说完了，剩下最好一件事。元编程算是 Python 的一个魔法，多数时候我们其实用不到。但是什么时候需要呢？大概有三种情况：
- 如果我们想要一个特性，沿着继承层次结构向下传递，可以用；
- 如果我们想在类创建后，能动态修改，可以用；
- 如果我们是在开发类库或者 API，可能会用到；
作者：袁首京
原创文章，转载时请保留此声明，并给出原文连接。