Metaclasses und descriptors sind fortgeschrittene Python-Features für Meta-Programming — Kontrolle über das Verhalten von Klassen und Attributzugriff. Sie treiben vieles der "Magie" in Frameworks (ORMs, Pydantic) an, obwohl Sie sie in Anwendungscode normalerweise nicht direkt schreiben.
:
(Dog)
(Dog())
Wie eine Klasse Instanzen erstellt, erstellt eine Metaklasse Klassen. Durch Anpassung der Metaklasse können Sie die Klassenerstellung abfangen und ändern:
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
Dies ermöglicht es Frameworks, Klassen automatisch zu registrieren, Definitionen zu validieren oder jeder Unterklasse Verhalten hinzuzufügen — z. B. wie ORMs Klassenattribute in Datenbankspalten umwandeln.
Ein Deskriptor ist ein Objekt, das __get__/__set__/__delete__ definiert und kontrolliert, was beim Lesen oder Schreiben eines Attributs passiert:
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
Deskriptoren fangen Attributzugriff ab — aktivieren Validierung, berechnete Attribute und Lazy Loading. Tatsächlich sind @property, @classmethod und @staticmethod alle als Deskriptoren implementiert.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
Metaklassen und Deskriptoren sind die Meta-Programming-Maschinerie hinter vielen von Pythons mächtigsten Bibliotheken — ORMs, die Klassendefinitionen in Datenbankschemas umwandeln, Validierungsframeworks wie Pydantic und sogar Built-ins wie @property (ein Deskriptor).
Obwohl die meisten Entwickler sie normalerweise nicht direkt schreiben (und sollten nicht zu ihnen greifen, wenn einfachere Tools zur Verfügung stehen), entmystifiziert ihr Verständnis, wie diese Frameworks ihre "Magie" der Klassenstufen-Anpassung und des kontrollierten Attributzugriffs erreichen.
Dieses Wissen ist wertvoll für fortgeschrittenes Bibliotheks-Design, Debugging von Framework-Verhalten und tiefes Verständnis von Pythons Objektmodell — das ist es, was den mittleren vom experten-niveau Verständnis der Sprache unterscheidet.