1 内建函数(xxx)
背景：为什么要有这种带下划线的内建函数，个人认为这种内建函数开放了很多Python的特殊用法，只要详尽掌握，就会理解平时用到的数据结构是复写了什么方法，自己也可以写出类似set,dqueue,dict,list的数据类型方法。
1.1 类似字典的操作方式,getitem,setitem,delitem
我们熟悉的字典是可以像如下方式操作赋值取值：
d = dict()
d["a"] = 1
d["b"] = 2
print (d)
del d["a"]
print (d)其实像这种赋值方式就是复写了setitem,getitem,delitem请见如下类
class TestDict(object):
def __getitem__(self,key):
return self.__dict__.get(key)
def __setitem__(self,key,value):
self.__dict__[key] = value
def __delitem__(self,key):
self.__dict__.pop(key)
td = TestDict()
td["a"] = 1
td["b"] = 2
print (td["a"])
print (td.__dict__)
del td["a"]
print (td.__dict__)为了更加灵活，如上代码也可以在对象执行赋值方法(init)的时候声明个变量d = dict()，然后对这个变量进行赋值和取值操作也可以模拟上面的操作。
1.2 new和init
new: 在类实例化的时候调用，用来创建实例，如果不返回实例那么init将不会执行，第一个参数是class对象，在创建实例的时候需要有返回值
init: 在初始化实例的时候调用，比如说实例属性赋值，第一个参数是实例对象，一般都重写init方法，在执行的时候不需要返回值
class TestNew(object):
def __new__(cls, *args, **kwargs):
print '__new__ called.'
return super(TestNew,cls).__new__(cls,*args,**kwargs)
def __init__(self):
print '__init__ called.'
self.a = 1
tn = TestNew()
print (tn.a)可以用new来实现单例模式
def __new__(cls):
# 关键在于这，每一次实例化的时候，我们都只会返回这同一个instance对象
if not hasattr(cls, 'instance'):
cls.instance = super(Singleton, cls).__new__(cls)
return cls.instance
obj1 = Singleton()
obj2 = Singleton()
obj1.attr1 = 'value1'
print (obj1.attr1, obj2.attr1)
print (obj1 is obj2)Tips: 单例模式有很多种实现方式，也可以通过类变量+静态方法的方式实现。
可以通过重载new来实现很多创建实例时的功能。
1.3 iter,next(python2),next(python3)
iter: 复写这个函数的对象是可迭代对象
next/next: 复写这个函数的对象都是一个迭代器
class TestIterNext(object):
def __init__(self,data=1):
self.data = data
def next(self):
if self.data > 5:
raise StopIteration
else:
self.data+=1
return self.data
def __iter__(self):
print ("iter")
return (self)当for循环去迭代tin = TestIterNext()对象的时候第一步会去看iter是否返回一个生成器(generator)，如果返回的是对象本身才会去执行next函数。
1.4 call
把一个类实例的对象当做函数一样调用就是复写了call方法，如下：
class TestCall(object):
def __call__(self):
print "call it"
tc = TestCall()
tc()
1.5 repr,str
repr和str没有太大区别，在Python交互模式下才能发现。复写改方法后输出对象就是按照该方法里的内容进行输出。在类里可以这样用repr = str
1.6 all
可用于模块导入时限制,，当我们from module import *的时候这个all就起作用了，all=[“bar”,”sar”] ，[]里定义函数或者变量类等，有些模块内部一些函数不对外开放，此时把一些对外开放的函数变量放入到all里就可以了，这样避免了一些多余的导入。如果在init.py里定义则在导入模块的时候只导入all里定义的各个文件，此时无法定义到文件里具体哪个类或方法，如果需要细化则需要在具体的类里写入all。如果是from module import Test这种使用不受all限制
1.7 setattr,getattr,delattr
setattr: 对变量赋值时调用。
getattr:默认查找对象属性是在一个字典里(dict)，这里没有要查找的对象则去getattr方法里查找，如果我们复写getattr则可以根据实际需求来返回值。
delattr:删除属性时调用。
class TestAttr(object):
def __init__(self):
self.name = "abc"
def __getattr__(self, item):
print ("item:" + str(item))
print ("getattr")
return (10)
def __setattr__(self, *args, **kwargs):
print ("set attr")
object.__setattr__(self,*args,**kwargs)
def __delattr__(self, *args, **kwargs):
print ("delete attr")
object.__delattr__(self,*args, **kwargs)
ta = TestAttr()
print (ta.__dict__)
print (ta.names)
del ta.name
print (ta.__dict__)
1.8 le,lt,ge,gt,ne,eq
一个对象和另一个对象比较大小，返回的并不一定是True和False，返回值有可能是我们定义的任何值，这里就是复写上面这些方法。如下：
class TestCompare(object):
def __lt__(self, other):
return "aaa"
t = TestCompare()
print t<1
这里打印出的就不是True和False，打印的是我们再复写的方法里定义的”aaa”,其实有一些常用的orm，比如说sqlalchemy里查询条件可以这样写
g.pg_db.query(Company.id).filter(Company.level_id == level)这里的Company.level_id == level返回的就是筛选条件，因为对Company的level_id对象复写了eq
1.9 slots
优点：
1，更快的属性访问速度
2，减少内存消耗
每个类里都维护一个字典dict，这个字典维护了对象的所有属性，但如果成千上万个对象则就会创建很多个dict来存放对象属性，为了性能我们可以不用Python帮我们维护这个字典。此时我们在类里定义slots = [“name”,”age”]的时候就表示禁用了dict，并限定name和age为类的属性（类里只能有name和age属性），这样做的好处能大大节省内存开支，对象越多节省的就越多，大概能节省40%以上。
class TestSlots(object):
__slots__ = ["name","age"]
def __init__(self, name, age):
self.name = name
self.age = age
ts = TestSlots("a",1)
ts.name = 1
print (ts.name)
2.0 metaclass
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
元类是什么？
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
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：
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：
print ObjectCreator
# 你可以打印一个类，因为它其实也是一个对象
def echo(o):
print (o)
echo(ObjectCreator)
# 你可以将类做为参数传给函数
print hasattr(ObjectCreator, 'new_attribute')
ObjectCreator.new_attribute = 'foo'
# 你可以为类增加属性
print hasattr(ObjectCreator, 'new_attribute')
print (ObjectCreator.new_attribute)
ObjectCreatorMirror = ObjectCreator
# 你可以将类赋值给一个变量
print (ObjectCreatorMirror())
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。
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>>> 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：
print type(1)
print type("1")
print type(ObjectCreator)
print type(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：
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：
class MyShinyClass(object):
pass
MyShinyClass = type('MyShinyClass', (), {})
# 返回一个类对象
print 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
class Foo(object):
bar = True
# 可以翻译为：
Foo = type('Foo', (), {'bar':True})
为类增加方法。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。
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?
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：
MyClass = MetaClass()
MyObject = MyClass()你已经看到了type可以让你像这样做：
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。
age = 35
age.__class__
name = 'bob'
name.__class__
def foo(): pass
foo.__class__
class Bar(object): pass
b = Bar()
b.__class__现在，对于任何一个class的class属性又是什么呢？
a.__class__.__class__
age.__class__.__class__
foo.__class__.__class__
b.__class__.__class__
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。
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 :
class Foo(Bar):
passPython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。
# 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('__'))
# 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'
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。
# 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:
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：
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）
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)
用元类实现单例模式
class Singleone(type):
def __init__(cls, name,bases,dct):
super(Singleone, cls).__init__(name,bases,dct)
cls._instance = None
def __call__(cls, *args, **kwargs):
if cls._instance is None:
cls._instance = super(Singleone,cls).__call__(*args,**kwargs)
return cls._instance
class One(object):
__metaclass__ = Singleone
def __init__(self,*args, **kwargs):
self.name = args[0]
o = One("a")
print o.name
b = One("b")
print b.name执行步骤从上到下当执行用Singleone创建One类，One = Singleone(…),当实例化Singleone的时候执行其内部的init()方法，代码
继续解析到o = One(“a”)的时候示例化了One类，相当于Singleone()()，此时执行Singleone里面的call方法，在call方法里需要有
返回值。也可以在call里主动实例化(new)One并调用里面的init方法。
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。
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！
“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：
class Person(models.Model):
name = models.CharField(max_length=30)
age = models.IntegerField()
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