提到元這個字，你也許會想到元數據，元數據就是描述數據本身的數據，元類就是類的類，相應的元編程就是描述代碼本身的代碼，元編程就是關於創建操作源代碼(比如修改、生成或包裝原來的代碼)的函數和類。主要技術是使用裝飾器、元類、描述符類。
本文的主要目的是向大家介紹這些元編程技術，並且給出實例來演示它們是怎樣定制化源代碼的行為。
裝飾器
裝飾器就是函數的函數，它接受一個函數作為參數並返回一個新的函數，在不改變原來函數代碼的情況下為其增加新的功能，比如最常用的計時裝飾器：
from functools import wraps
def timeit(logger=None):
"""
耗時統計裝飾器，單比特是秒，保留 4 比特小數
"""
def decorator(func):
@wraps(func)
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
end = time.time()
if logger:
logger.info(f"{func.__name__} cost {end - start :.4f} seconds")
else:
print(f"{func.__name__} cost {end - start :.4f} seconds")
return result
return wrapper
return decorator
(注：比如上面使用 @wraps(func) 注解是很重要的， 它能保留原始函數的元數據) 只需要在原來的函數上面加上 @timeit() 即可為其增加新的功能：
@timeit()
def test_timeit():
time.sleep(1)
test_timeit()
#test_timeit cost 1.0026 seconds
上面的代碼跟下面這樣寫的效果是一樣的：
test_timeit = timeit(test_timeit)
test_timeit()
裝飾器的執行順序
當有多個裝飾器的時候，他們的調用順序是怎麼樣的？
假如有這樣的代碼，請問是先打印 Decorator1 還是 Decorator2 ?
from functools import wraps
def decorator1(func):
@wraps(func)
def wrapper(*args, **kwargs):
print('Decorator 1')
return func(*args, **kwargs)
return wrapper
def decorator2(func):
@wraps(func)
def wrapper(*args, **kwargs):
print('Decorator 2')
return func(*args, **kwargs)
return wrapper
@decorator1
@decorator2
def add(x, y):
return x + y
add(1,2)
# Decorator 1
# Decorator 2
回答這個問題之前，我先給你打個形象的比喻，裝飾器就像函數在穿衣服，離它最近的最先穿，離得遠的最後穿，上例中 decorator1 是外套，decorator2 是內衣。
add = decorator1(decorator2(add))
在調用函數的時候，就像脫衣服，先解除最外面的 decorator1，也就是先打印 Decorator1，執行到 return func(
args, kwargs) 的時候會去解除 decorator2，然後打印 Decorator2，再次執行到 return func(
args, kwargs) 時會真正執行 add() 函數。
需要注意的是打印的比特置，如果打印字符串的代碼比特於調用函數之後，像下面這樣，那輸出的結果正好相反：
def decorator1(func):
@wraps(func)
def wrapper(*args, **kwargs):
result = func(*args, **kwargs)
print('Decorator 1')
return result
return wrapper
def decorator2(func):
@wraps(func)
def wrapper(*args, **kwargs):
result = func(*args, **kwargs)
print('Decorator 2')
return result
return wrapper
裝飾器不僅可以定義為函數，也可以定義為類，只要你確保它實現了__call__() 和 __get__() 方法。
元類
Python 中所有類（object）的元類，就是 type 類，也就是說 Python 類的創建行為由默認的 type 類控制，打個比喻，type 類是所有類的祖先。我們可以通過編程的方式來實現自定義的一些對象創建行為。
定一個類繼承 type 類 A，然後讓其他類的元類指向 A，就可以控制 A 的創建行為。典型的就是使用元類實現一個單例：
class Singleton(type):
def __init__(self, *args, **kwargs):
self._instance = None
super().__init__(*args, **kwargs)
def __call__(self, *args, **kwargs):
if self._instance is None:
self._instance = super().__call__(*args, **kwargs)
return self._instance
else:
return self._instance
class Spam(metaclass=Singleton):
def __init__(self):
print("Spam!!!")
元類 Singleton 的__init__和__new__ 方法會在定義 Spam 的期間被執行，而 __call__方法會在實例化 Spam 的時候執行。
如果想更好的理解元類，可以閱讀Python黑魔法之metaclass
descriptor 類（描述符類）
descriptor 就是任何一個定義了 __get__()，__set__()或 __delete__()的對象，描述器讓對象能夠自定義屬性查找、存儲和刪除的操作。這裏舉官方文檔[1]一個自定義驗證器的例子。
定義驗證器類，它是一個描述符類，同時還是一個抽象類：
from abc import ABC, abstractmethod
class Validator(ABC):
def __set_name__(self, owner, name):
self.private_name = '_' + name
def __get__(self, obj, objtype=None):
return getattr(obj, self.private_name)
def __set__(self, obj, value):
self.validate(value)
setattr(obj, self.private_name, value)
@abstractmethod
def validate(self, value):
pass
自定義驗證器需要從 Validator 繼承，並且必須提供 validate() 方法以根據需要測試各種約束。
這是三個實用的數據驗證工具：
OneOf 驗證值是一組受約束的選項之一。
class OneOf(Validator):
def __init__(self, *options):
self.options = set(options)
def validate(self, value):
if value not in self.options:
raise ValueError(f'Expected {value!r} to be one of {self.options!r}')
Number 驗證值是否為 int 或 float。根據可選參數，它還可以驗證值在給定的最小值或最大值之間。
class Number(Validator):
def __init__(self, minvalue=None, maxvalue=None):
self.minvalue = minvalue
self.maxvalue = maxvalue
def validate(self, value):
if not isinstance(value, (int, float)):
raise TypeError(f'Expected {value!r} to be an int or float')
if self.minvalue is not None and value < self.minvalue:
raise ValueError(
f'Expected {value!r} to be at least {self.minvalue!r}'
)
if self.maxvalue is not None and value > self.maxvalue:
raise ValueError(
f'Expected {value!r} to be no more than {self.maxvalue!r}'
)
String 驗證值是否為 str。根據可選參數，它可以驗證給定的最小或最大長度。它還可以驗證用戶定義的 predicate。
class String(Validator):
def __init__(self, minsize=None, maxsize=None, predicate=None):
self.minsize = minsize
self.maxsize = maxsize
self.predicate = predicate
def validate(self, value):
if not isinstance(value, str):
raise TypeError(f'Expected {value!r} to be an str')
if self.minsize is not None and len(value) < self.minsize:
raise ValueError(
f'Expected {value!r} to be no smaller than {self.minsize!r}'
)
if self.maxsize is not None and len(value) > self.maxsize:
raise ValueError(
f'Expected {value!r} to be no bigger than {self.maxsize!r}'
)
if self.predicate is not None and not self.predicate(value):
raise ValueError(
f'Expected {self.predicate} to be true for {value!r}'
)
實際應用時這樣寫：
class Component:
name = String(minsize=3, maxsize=10, predicate=str.isupper)
kind = OneOf('wood', 'metal', 'plastic')
quantity = Number(minvalue=0)
def __init__(self, name, kind, quantity):
self.name = name
self.kind = kind
self.quantity = quantity
描述器阻止無效實例的創建：
>>> Component('Widget', 'metal', 5) # Blocked: 'Widget' is not all uppercase
Traceback (most recent call last):
...
ValueError: Expected <method 'isupper' of 'str' objects> to be true for 'Widget'
>>> Component('WIDGET', 'metle', 5) # Blocked: 'metle' is misspelled
Traceback (most recent call last):
...
ValueError: Expected 'metle' to be one of {'metal', 'plastic', 'wood'}
>>> Component('WIDGET', 'metal', -5) # Blocked: -5 is negative
Traceback (most recent call last):
...
ValueError: Expected -5 to be at least 0
>>> Component('WIDGET', 'metal', 'V') # Blocked: 'V' isn't a number
Traceback (most recent call last):
...
TypeError: Expected 'V' to be an int or float
>>> c = Component('WIDGET', 'metal', 5) # Allowed: The inputs are valid
最後的話
關於 Python 的元編程，總結如下：
如果希望某些函數擁有相同的功能，希望不改變原有的調用方式、不寫重複代碼、易維護，可以使用裝飾器來實現。
如果希望某一些類擁有某些相同的特性，或者在類定義實現對其的控制，我們可以自定義一個元類，然後讓它類的元類指向該類。
如果希望實例的屬性擁有某些共同的特點，就可以自定義一個描述符類。
以上就是本次分享的所有內容，想要了解更多 python 知識歡迎前往公眾號：Python 編程學習圈 ，發送 “J” 即可免費獲取，每日幹貨分享
