Las metaclases y los descriptores son características avanzadas de Python para la metaprogramación: controlar cómo se comportan las clases y el acceso a atributos. Impulsan gran parte de la "magia" de los frameworks (ORMs, Pydantic), aunque rara vez los escribes directamente en código de aplicación.
:
(Dog)
(Dog())
Así como una clase crea instancias, una metaclase crea clases. Al personalizar la metaclase, puedes interceptar y modificar la creación de clases:
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
Esto permite a los frameworks registrar clases automáticamente, validar definiciones o añadir comportamiento a cada subclase; por ejemplo, cómo los ORM convierten atributos de clase en columnas de base de datos.
Un descriptor es un objeto que define __get__/__set__/__delete__, controlando qué sucede cuando se lee o escribe un atributo:
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
Los descriptores interceptan el acceso a atributos, habilitando validación, atributos calculados y carga perezosa. De hecho, @property, @classmethod y @staticmethod están todos implementados como descriptores.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
Las metaclases y los descriptores son la maquinaria de metaprogramación detrás de muchas de las librerías más potentes de Python: ORMs que convierten definiciones de clases en esquemas de base de datos, frameworks de validación como Pydantic e incluso elementos integrados como @property (un descriptor).
Aunque la mayoría de los desarrolladores rara vez los escriben directamente (y no deberían recurrir a ellos cuando bastan herramientas más simples), comprenderlos desmitifica cómo estos frameworks logran su "magia" de personalización a nivel de clase y control de acceso a atributos.
Este conocimiento es valioso para el diseño avanzado de librerías, la depuración del comportamiento de frameworks y la comprensión profunda del modelo de objetos de Python: es lo que separa un entendimiento intermedio de uno experto del lenguaje.