当前位置: 首页 > web >正文

Python 类元编程(元类的特殊方法 __prepare__)

元类的特殊方法 __prepare__

在某些应用中,可能需要知道类的属性定义的顺序。例如,对读写 CSV
文件的库来说,用户定义的类可能想把类中按顺序声明的字段与 CSV
文件中各列的顺序对应起来。

如前所述,type 构造方法及元类的 __new____init__ 方法都会收
到要计算的类的定义体,形式是名称到属性的映像。然而在默认情况
下,那个映射是字典;也就是说,元类或类装饰器获得映射时,属性在
类定义体中的顺序已经丢失了。

这个问题的解决办法是,使用 Python 3 引入的特殊方法 __prepare__
这个特殊方法只在元类中有用,而且必须声明为类方法(即,要使用
@classmethod 装饰器定义)。解释器调用元类的 __new__ 方法之前会
先调用 __prepare__ 方法,使用类定义体中的属性创建映
射。__prepare__ 方法的第一个参数是元类,随后两个参数分别是要
构建的类的名称和基类组成的元组,返回值必须是映射。元类构建新类
时,__prepare__ 方法返回的映射会传给 __new__ 方法的最后一个参
数,然后再传给 __init__ 方法。

理论听起来很复杂,但是我见过的 __prepare__ 方法都十分简单。请
看示例 21-16。

示例 21-16  model_v8.py:这一版 EntityMeta 元类用到了
__prepare__ 方法,而且为 Entity 类定义了 field_names 类方

class EntityMeta(type):"""元类,用于创建带有验证字段的业务实体"""@classmethoddef __prepare__(cls, name, bases):return collections.OrderedDict()def __init__(cls, name, bases, attr_dict):super().__init__(name, bases, attr_dict)cls._field_names = []for key, attr in attr_dict.items():if isinstance(attr, Validated):type_name = type(attr).__name__attr.storage_name = '_{}#{}'.form                  at(type_name, key)cls._field_names.append(key)class Entity(metaclass=EntityMeta):"""带有验证字段的业务实体"""@classmethoddef field_names(cls):for name in cls._field_names:yield name

❶ 返回一个空的 OrderedDict 实例,类属性将存储在里面。
❷ 在要构建的类中创建一个 _field_names 属性。
❸ 这一行与前一版相比没有变化,不过这里的 attr_dict 是那个
OrderedDict 对象,由解释器在调用 __init__ 方法之前调用
__prepare__ 方法时获得。因此,这个 for 循环会按照添加属性的顺
序迭代属性。
❹ 把找到的各个 Validated 字段添加到 _field_names 属性中。
❺ field_names 类方法的作用简单:按照添加字段的顺序产出字段的
名称。
像示例 21-16 那样添加一些简单的代码之后,我们可以使用
field_names 类方法迭代任何 Entity 子类的 Validated 字段。示例
21-17 演示了这个新功能。
示例 21-17 bulkfood_v8.py:展示 field_names 用法的 doctest
——无需修改 LineItem 类,field_names 方法继承自
model.Entity 类

>>> for name in LineItem.field_names():
... print(name)
...
description
weight
price

对元类的介绍到此结束。在现实世界中,框架和库会使用元类协助程序
员执行很多任务,例如:
验证属性
一次把装饰器依附到多个方法上
序列化对象或转换数据
对象关系映射
基于对象的持久存储
动态转换使用其他语言编写的类结构

http://www.xdnf.cn/news/18060.html

相关文章:

  • MixOne:Electron Remote模块的现代化继任者
  • 【低成本扩容】动态扩容实战指南
  • 选择式与生成式超启发算法总结
  • 《设计模式》代理模式
  • 基于Python的电影评论数据分析系统 Python+Django+Vue.js
  • 【运维心得】三步10分钟拆装笔记本键盘
  • Langfuse2.60.3:独立数据库+docker部署及环境变量详细说明
  • 数据清洗处理
  • 【数据结构】深入理解单链表与通讯录项目实现
  • 【洛谷刷题】用C语言和C++做一些入门题,练习洛谷IDE模式:分支机构(一)
  • 典型 RAG实现:NFRA智能问答系统实战的总结与反思
  • 数据结构:迭代方法(Iteration)实现树的遍历
  • ubuntu更新chrome版本
  • 平滑方法(smoothing)
  • 零知开源——基于STM32F407VET6的TCS230颜色识别器设计与实现
  • 两个简单的设计模式的例子
  • 【轨物方案】预防性运维:轨物科技用AI+机器人重塑光伏电站价值链
  • JavaScript 核心语法与实战笔记:从基础到面试高频题
  • NLP:Transformer模型构建
  • 驱动开发系列63 - 配置 nvidia 的 open-gpu-kernel-modules 调试环境
  • ES操作手册
  • 在本地部署Qwen大语言模型全过程总结
  • Linux -- 线程概念与控制
  • 【DDIA】第三部分:衍生数据
  • AI优质信息源汇总:含X账号,Newsletter,播客,App
  • python中的reduce函数
  • 2025戴尔科技峰会:破局者的力量与智慧
  • [ CSS 前端 ] 网页内容的修饰
  • 低资源语言翻译:数据增强与跨语言迁移学习策略
  • 蛋白质设计新高度,RFdiffusion 实现从零设计高亲和力蛋白质