今天我將帶大家設計一個簡單的orm框架，并簡單剖析一下YAML這個序列化工具的原理。

Python類的上帝-type

說到metaclass，我們首先必須清楚一個最基礎的概念就是對象是類的實例，而類是type的實例，重復一遍：

1. 對象是類的實例
2. 類是type的實例

在面向對象的編程模型中，類就相當于一個房子的設計圖紙，而對象則是根據這個設計圖紙建出來的房子。

下圖中，玩具模型就可以代表一個類，而具體生產出來的玩具就可以代表一個對象：

總之，類就是創建對象的模板。

而type又是創建類的模板，那么我們就可以通過type創建自己想要的類。

比如定義一個 Hello 的 class：

class Hello(object):
    def hello(self, name='world'):
     print('Hello, %s.' % name)

當 Python 解釋器載入 hello 模塊時，就會依次執行該模塊的所有語句，執行結果就是動態創建出一個 Hello 的 class對象。

type()函數既可以查看一個類型或變量的類型，也可以根據參數創建出新的類型，比如上面那段類的定義本質上就是：

def hello(self, name='world'):
    print('Hello, %s.' % name)
Hello = type('Hello', (object,), dict(hello=hello))

type()函數創建class 對象，依次傳入 3 個參數：

• class 類的名稱；
• 繼承的父類集合，注意 Python 支持多重繼承，如果只有一個父類，別忘了 tuple 的單元素寫法；
• class 的方法名稱與函數綁定以及字段名稱與對應的值，這里我們把函數 fn 綁定到方法名 hello 上。

通過 type() 函數創建的類和直接寫 class 是完全一樣的，因為 Python 解釋器遇到 class 定義時，僅僅是掃描一下class 定義的語法，然后調用 type() 函數創建出 class。

正常情況下，我們肯定都是用 class Xxx... 來定義類，但是type() 函數允許我們動態創建出類來，這意味著Python這門動態語言支持運行期動態創建類。你可能感受不到這有多強大，要知道想在靜態語言運行期創建類，必須構造源代碼字符串再調用編譯器，或者借助一些工具生成字節碼實現，本質上都是動態編譯，會非常復雜。

metaclass到底是什么

那type和metaclass有什么關系呢？metaclass到底是什么呢？

我認為metaclass 其實就是type或type的子類，通過繼承type，重載__call__運算符，便可以在class類對象創建時作出一些修改。

對于類 MyClass：

class MyClass():
 pass

其實相當于：

class MyClass(metaclass = type):
 pass

一旦我們把它的 metaclass 設置成 MyMeta：

class MyClass(metaclass = MyMeta):
 pass

MyClass 就不再由原生的 type 創建，而是會調用 MyMeta 的__call__運算符重載。

class = type(classname, superclasses, attributedict) 
## 變為了
class = MyMeta(classname, superclasses, attributedict)

對于具有繼承關系的類：

class Foo(Bar):
 pass

Python做了如下的操作：

• Foo中有__metaclass__這個屬性嗎？如果是，Python會通過__metaclass__創建一個名字為Foo的類(對象)
• 如果Python沒有找到__metaclass__，它會繼續在Bar（父類）中尋找__metaclass__屬性，并嘗試做和前面同樣的操作。
• 如果Python在任何父類中都找不到__metaclass__，它就會在模塊層次中去尋找__metaclass__，并嘗試做同樣的操作。
• 如果還是找不到__metaclass__，Python就會用內置的type來創建這個類對象。

假想一個很傻的例子，你決定在你的模塊里所有的類的屬性都應該是大寫形式。有好幾種方法可以辦到，但其中一種就是通過在模塊級別設定__metaclass__：

class UpperAttrMetaClass(type):
    ## __new__ 是在__init__之前被調用的特殊方法
    ## __new__是用來創建對象并返回之的方法
    ## 而__init__只是用來將傳入的參數初始化給對象
    ## 你很少用到__new__，除非你希望能夠控制對象的創建
    ## 這里，創建的對象是類，我們希望能夠自定義它，所以我們這里改寫__new__
    ## 如果你希望的話，你也可以在__init__中做些事情
    ## 還有一些高級的用法會涉及到改寫__call__特殊方法，但是我們這里不用
    def __new__(cls, future_class_name, future_class_parents, future_class_attr):
        ##遍歷屬性字典，把不是__開頭的屬性名字變為大寫
        newAttr = {}
        for name,value in future_class_attr.items():
            if not name.startswith("__"):
                newAttr[name.upper()] = value

        ## 方法1：通過'type'來做類對象的創建
        ## return type(future_class_name, future_class_parents, newAttr)

        ## 方法2：復用type.__new__方法，這就是基本的OOP編程
        ## return type.__new__(cls, future_class_name, future_class_parents, newAttr)

        ## 方法3：使用super方法
        return super(UpperAttrMetaClass, cls).__new__(cls, future_class_name, future_class_parents, newAttr)


class Foo(object, metaclass = UpperAttrMetaClass):
    bar = 'bip'

print(hasattr(Foo, 'bar'))
## 輸出: False
print(hasattr(Foo, 'BAR'))
## 輸出:True

f = Foo()
print(f.BAR)
## 輸出:'bip'

簡易ORM框架的設計

ORM全稱“Object Relational Mapping”，即對象-關系映射，就是把關系數據庫的一行映射為一個對象，也就是一個類對應一個表，這樣，寫代碼更簡單，不用直接操作SQL語句。

現在設計一下ORM框架的調用接口，比如用戶想通過User類來操作對應的數據庫表User，我們期待他寫出這樣的代碼：

class User(Model):
    ## 定義類的屬性到列的映射：
    id = IntegerField('id')
    name = StringField('username')
    email = StringField('email')
    password = StringField('password')

## 創建一個實例：
u = User(id=12345, name='xiaoxiaoming', email='test@orm.org', password='my-pwd')
## 保存到數據庫：
u.save()

上面的接口通過常規方法很難或幾乎很難實現，但通過metaclass就會相對比較簡單。核心思想就是通過metaclass修改類的定義，將類的所有Field類型的屬性，用一個額外的字典去保存，然后從原定義中刪除。對于User創建對象時傳入的參數（id=12345, name='xiaoxiaoming'等）可以模仿字典的實現或直接繼承dict類保存起來。

其中，父類Model和屬性類型StringField、IntegerField是由ORM框架提供的，剩下的魔術方法比如save()全部由metaclass自動完成。雖然metaclass的編寫會比較復雜，但ORM的使用者用起來卻異常簡單。

首先定義Field類，它負責保存數據庫表的字段名和字段類型：

class Field(object):

    def __init__(self, name, column_type):
        self.name = name
        self.column_type = column_type

    def __str__(self):
        return '< %s:%s >' % (self.__class__.__name__, self.name)

在Field的基礎上，進一步定義各種類型的Field，比如StringField，IntegerField等等：

class StringField(Field):

    def __init__(self, name):
        super(StringField, self).__init__(name, 'varchar(100)')

class IntegerField(Field):

    def __init__(self, name):
        super(IntegerField, self).__init__(name, 'bigint')

下一步，編寫ModelMetaclass：

class ModelMetaclass(type):

    def __new__(cls, name, bases, attrs):
        if name == 'Model':
            return type.__new__(cls, name, bases, attrs)
        print('Found model: %s' % name)
        mappings = dict()
        for k, v in attrs.items():
            if isinstance(v, Field):
                print('Found mapping: %s == > %s' % (k, v))
                mappings[k] = v
        for k in mappings.keys():
            attrs.pop(k)
        attrs['__mappings__'] = mappings  ## 保存屬性和列的映射關系
        attrs.setdefault('__table__', name) ## 當未定義__table__屬性時，表名直接使用類名
        return type.__new__(cls, name, bases, attrs)

以及基類Model：

class Model(dict, metaclass=ModelMetaclass):

    def __init__(self, **kw):
        super(Model, self).__init__(**kw)

    def __getattr__(self, key):
        try:
            return self[key]
        except KeyError:
            raise AttributeError(r"'Model' object has no attribute '%s'" % key)

    def __setattr__(self, key, value):
        self[key] = value

    def save(self):
        fields = []
        params = []
        args = []
        for k, v in self.__mappings__.items():
            fields.append(v.name)
            params.append('?')
            args.append(getattr(self, k, None))
        sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join(params))
        print('SQL: %s' % sql)
        print('ARGS: %s' % str(args))

在ModelMetaclass中，一共做了幾件事情：

1. 在當前類（比如User）中查找定義的類的所有屬性，如果找到一個Field屬性，就把它保存到一個__mappings__的dict中，同時從類屬性中刪除該Field屬性（避免實例的屬性遮蓋類的同名屬性）；
2. 當類中未定義__table__字段時，直接將類名保存到__table__字段中作為表名。

在Model類中，就可以定義各種操作數據庫的方法，比如save()，delete()，find()，update等等。

我們實現了save()方法，把一個實例保存到數據庫中。因為有表名，屬性到字段的映射和屬性值的集合，就可以構造出INSERT語句。

測試：

u = User(id=12345, name='xiaoxiaoming', email='test@orm.org', password='my-pwd')
u.save()

輸出如下：

Found model: User
Found mapping: id == > < IntegerField:id >
Found mapping: name == > < StringField:username >
Found mapping: email == > < StringField:email >
Found mapping: password == > < StringField:password >
SQL: insert into User (id,username,email,password) values (?,?,?,?)
ARGS: [12345, 'xiaoxiaoming', 'test@orm.org', 'my-pwd']

測試2：

class Blog(Model):
    __table__ = 'blogs'
    id = IntegerField('id')
    user_id = StringField('user_id')
    user_name = StringField('user_name')
    name = StringField('user_name')
    summary = StringField('summary')
    content = StringField('content')


b = Blog(id=12345, user_id='user_id1', user_name='xxm', name='orm框架的基本運行機制', summary="簡單講述一下orm框架的基本運行機制",
         content="此處省略一萬字...")
b.save()

輸出：

Found model: Blog
Found mapping: id == > < IntegerField:id >
Found mapping: user_id == > < StringField:user_id >
Found mapping: user_name == > < StringField:user_name >
Found mapping: name == > < StringField:user_name >
Found mapping: summary == > < StringField:summary >
Found mapping: content == > < StringField:content >
SQL: insert into blogs (id,user_id,user_name,user_name,summary,content) values (?,?,?,?,?,?)
ARGS: [12345, 'user_id1', 'xxm', 'orm框架的基本運行機制', '簡單講述一下orm框架的基本運行機制', '此處省略一萬字...']

可以看到，save()方法已經打印出了可執行的SQL語句，以及參數列表，只需要真正連接到數據庫，執行該SQL語句，就可以完成真正的功能。

YAML序列化工具的實現原理淺析

YAML是一個家喻戶曉的 Python 工具，可以方便地序列化 / 逆序列化結構數據。

官方文檔：https://pyyaml.org/wiki/PyYAMLDocumentation

安裝：

pip install pyyaml

YAMLObject 的任意子類支持序列化和反序列化（serialization & deserialization）。比如說下面這段代碼：

import yaml


class Monster(yaml.YAMLObject):
    yaml_tag = '!Monster'

    def __init__(self, name, hp, ac, attacks):
        self.name = name
        self.hp = hp
        self.ac = ac
        self.attacks = attacks

    def __repr__(self):
        return f"{self.__class__.__name__}(name={self.name}, hp={self.hp}, ac={self.ac}, attacks={self.attacks})"


monster1 = yaml.load("""
--- !Monster
name: Cave spider
hp: [2,6]
ac: 16
attacks: [BITE, HURT]
""")
print(monster1, type(monster1))

monster2 = Monster(name='Cave lizard', hp=[3, 6], ac=16, attacks=['BITE', 'HURT'])
print(yaml.dump(monster2))

運行結果：

Monster(name=Cave spider, hp=[2, 6], ac=16, attacks=['BITE', 'HURT']) < class '__main__.Monster' >
!Monster
ac: 16
attacks: [BITE, HURT]
hp: [3, 6]
name: Cave lizard

這里面調用統一的 yaml.load()，就能把任意一個 yaml 序列載入成一個 Python Object；而調用統一的 yaml.dump()，就能把一個 YAMLObject 子類序列化。

對于 load() 和 dump() 的使用者來說，他們完全不需要提前知道任何類型信息，這讓超動態配置編程成了可能。比方說，在一個智能語音助手的大型項目中，我們有 1 萬個語音對話場景，每一個場景都是不同團隊開發的。作為智能語音助手的核心團隊成員，我不可能去了解每個子場景的實現細節。

在動態配置實驗不同場景時，經常是今天我要實驗場景 A 和 B 的配置，明天實驗 B 和 C 的配置，光配置文件就有幾萬行量級，工作量不可謂不小。而應用這樣的動態配置理念，就可以讓引擎根據配置文件，動態加載所需要的 Python 類。

對于 YAML 的使用者也很方便，只要簡單地繼承 yaml.YAMLObject，就能讓你的 Python Object 具有序列化和逆序列化能力。

據說即使是在大廠 Google 的 Python 開發者，發現能深入解釋 YAML 這種設計模式優點的人，大概只有 10%。而能知道類似 YAML 的這種動態序列化 / 逆序列化功能正是用 metaclass 實現的人，可能只有 1% 了。而能夠將YAML 怎樣用 metaclass 實現動態序列化 / 逆序列化功能講出一二的可能只有 0.1%了。

對于YAMLObject 的 load和dump() 功能，簡單來說，我們需要一個全局的注冊器，讓 YAML 知道，序列化文本中的!Monster需要載入成 Monster 這個 Python 類型，Monster 這個 Python 類型需要被序列化為!Monster標簽開頭的字符串。

一個很自然的想法就是，那我們建立一個全局變量叫 registry，把所有需要逆序列化的 YAMLObject，都注冊進去。比如下面這樣：

registry = {}
 
def add_constructor(target_class):
    registry[target_class.yaml_tag] = target_class

然后，在 Monster 類定義后面加上下面這行代碼：

add_constructor(Monster)

這樣的缺點很明顯，對于 YAML 的使用者來說，每一個 YAML 的可逆序列化的類 Foo 定義后，都需要加上一句話add_constructor(Foo)。這無疑給開發者增加了麻煩，也更容易出錯，畢竟開發者很容易忘了這一點。

更優雅的實現方式自然是通過metaclass 解決了這個問題，YAML 的源碼正是這樣實現的：

class YAMLObjectMetaclass(type):
    def __init__(cls, name, bases, kwds):
        super(YAMLObjectMetaclass, cls).__init__(name, bases, kwds)
        if 'yaml_tag' in kwds and kwds['yaml_tag'] is not None:
            cls.yaml_loader.add_constructor(cls.yaml_tag, cls.from_yaml)
            cls.yaml_dumper.add_representer(cls, cls.to_yaml)
    ## 省略其余定義
 
class YAMLObject(metaclass=YAMLObjectMetaclass):
    yaml_loader = Loader
    yaml_dumper = Dumper
    ## 省略其余定義

可以看到，YAMLObject 把 metaclass 聲明成了 YAMLObjectMetaclass，YAMLObjectMetaclass則會改變YAMLObject類和其子類的定義，就是下面這行代碼將YAMLObject 的子類加入到了yaml的兩個全局注冊表中：

cls.yaml_loader.add_constructor(cls.yaml_tag, cls.from_yaml)
cls.yaml_dumper.add_representer(cls, cls.to_yaml)

YAML 應用 metaclass，攔截了所有 YAMLObject 子類的定義。也就是說，在你定義任何 YAMLObject 子類時，Python 會強行插入運行上面這段代碼，把我們之前想要的add_constructor(Foo)和add_representer(Foo)給自動加上。所以 YAML 的使用者，無需自己去手寫add_constructor(Foo)和add_representer(Foo)。

總結

這次分享主要是簡單的淺析了 metaclass 的實現機制。通過實現一個orm框架并解讀 YAML 的源碼，相信你已經對metaclass 有了不錯的理解。

metaclass 是 Python 黑魔法級別的語言特性，它可以改變類創建時的行為，這種強大的功能使用起來務必小心。

看完本文，你覺得裝飾器和 metaclass 有什么區別呢？歡迎下方留言和我討論。記得一鍵三連呦，筆芯！