მეტაკლასები და დესკრიპტორები არის Python-ის მოწინავე ფუნქციები მეტა-პროგრამირებისთვის — კლასების და ატრიბუტების წვდომის ქცევის კონტროლირება. ისინი ძლევენ ძალას "ჯადოსნური" ფუნქციონალობას ჩარჩოებში (ORM-ები, Pydantic), თუმცა ნაკლებად წერთ მათ პირდაპირ აპლიკაციის კოდში.
:
(Dog)
(Dog())
ისე, როგორც კლასი იქმნის ინსტანციებს, მეტაკლასი იქმნის კლასებს. მეტაკლასის მორგებით, თქვენ შეგიძლიათ გაჩერდეთ და შეცვალოთ კლასის შექმნა:
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
ეს საშუალებას აძლევს ჩარჩოებს ავტომატურად დაარეგისტრირონ კლასები, გადაამოწმონ განმარტებები ან დაამატონ ქცევა ყველა ქვეკლასზე — მაგალითად, როგორ აქცევენ ORM-ები კლასის ატრიბუტებს მონაცემთა ბაზის სვეტებში.
დესკრიპტორი არის ობიექტი, რომელიც განსაზღვრავს __get__/__set__/__delete__, კონტროლირებს რა ხდება, როდესაც ატრიბუტი იკითხება ან იწერება:
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
დესკრიპტორები გაჩერდებიან ატრიბუტის წვდომას — ლოგიკური გადამოწმება, გამოთვლილი ატრიბუტები და ზარი ჯამური დატვირთვა. ფაქტობრივად, @property, @classmethod და @staticmethod ყველა დესკრიპტორებად განხორციელებულია.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
მეტაკლასები და დესკრიპტორები არის მეტა-პროგრამირების მეხანიკა Python-ის ყველაზე მძლავრი ბიბლიოთეკების უკან — ORM-ები, რომლებიც კლასის განმარტებებს ტრიალებს მონაცემთა ბაზის სქემებში, Pydantic-სგან დამტკიცების ჩარჩოები და თუნდაც დაშენებულებთან @property (დესკრიპტორი).
მაშინ როცა უმეტეს დეველოპერს ნაკლებად უწერთ მათ პირდაპირ (და არ უნდა ეცადოთ, როდესაც უფრო მარტივი ხელსაწყოები არსებობს), მათი გაგება გამჭირვალოა თუ როგორ აღწევს ეს ჩარჩოები "ჯადოსნურობას" კლასების დონეზე კასტომიზაციის და კონტროლირებული ატრიბუტის წვდომის.
ეს ცოდნა მოსახლეობაა მოწინავე ბიბლიოთეკის დიზაინისთვის, ჩარჩოს ქცევის გამართვა და Python-ის ობიექტის მოდელის ღრმა გაგება — ეს არის ის, რაც აყოფს შუა დონეს ექსპერტის დონის გაგებიდან ენაში.