Metaclasses og descriptors er avancerede Python-funktioner til meta-programming — kontrol af hvordan klasser og attributadgang opfører sig. De driver meget af "magien" i frameworks (ORMs, Pydantic), selvom du sjældent skriver dem direkte i applikationskode.
:
(Dog)
(Dog())
Ligesom en klasse skaber instanser, skaber en metaklasse klasser. Ved at tilpasse metaklassen kan du opfange og ændre klassekreering:
class Meta(type):
def __new__(mcs, name, bases, namespace):
# runs when a class USING this metaclass is DEFINED
namespace["created_by"] = "Meta" # inject an attribute into every such class
return super().__new__(mcs, name, bases, namespace)
class MyClass(metaclass=Meta):
pass
MyClass.created_by # "Meta" — injected by the metaclass at class-creation time
Dette lader frameworks automatisk registrere klasser, validere definitioner eller tilføje adfærd til hver underklasse — f.eks. hvordan ORMs forvandler klasseattributter til databasekolonner.
En deskriptor er et objekt, der definerer __get__/__set__/__delete__, kontrollerende hvad der sker når en attribut læses eller skrives:
class Positive:
def __set_name__(self, owner, name):
self.name = f"_{name}"
def __get__(self, obj, objtype=None):
return getattr(obj, self.name)
def __set__(self, obj, value):
if value < 0:
raise ValueError("must be positive") # validate on assignment
setattr(obj, self.name, value)
class Account:
balance = Positive() # a descriptor as a class attribute
a = Account()
a.balance = 100 # calls Positive.__set__ → validates
a.balance = -5 # ❌ ValueError
Deskriptorer opfanger attributadgang — aktiverer validering, beregnede attributter og lazy loading. Faktisk er @property, @classmethod og @staticmethod alle implementeret som deskriptorer.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
Metaklasser og deskriptorer er meta-programming maskineriet bag meget af Pythons kraftigste biblioteker — ORMs der forvandler klassedefinitioner til databaseskemaer, valideringsframeworks som Pydantic, og endda built-ins som @property (en deskriptor).
Selvom de fleste udviklere sjældent skriver dem direkte (og burde ikke ty til dem når enklere værktøjer findes), afsløres deres forståelse hvordan disse frameworks opnår deres "magi" med klasseniveaukustomisering og kontrolleret attributadgang.
Denne viden er værdifuld for avanceret biblioteksdesign, debugging af frameworkadfærd og dyb forståelse af Pythons objektmodel — det er det der adskiller mellemliggende fra ekspertniveauforståelse af sproget.