Metaklasser og deskriptorer er avanserte Python-funksjoner for meta-programmering — som kontrollerer hvordan klasser og attributttilgang oppfører seg. De driver mye av "magien" i rammeverk (ORMer, Pydantic), selv om du sjelden skriver dem direkte i applikasjonskode.
:
(Dog)
(Dog())
Jakkurat som en klasse lager instanser, lager en metaklasse klasser. Ved å tilpasse metaklassen kan du avskjære og endre klasseopprettelse:
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 lar rammeverk automatisk registrere klasser, validere definisjoner, eller legge til oppførsel til hver underklasse — for eksempel hvordan ORMer gjør klasseattributter om til databasekolonner.
En deskriptor er et objekt som definerer __get__/__set__/__delete__, og kontrollerer hva som skjer når et attributt leses 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 avskjærer attributttilgang — og gjør mulig validering, beregnede attributter og treg lasting. Faktisk er @property, @classmethod og @staticmethod alle implementert som deskriptorer.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
Metaklasser og deskriptorer er meta-programmerings-maskineriet bak mye av Pythons mest kraftfulle biblioteker — ORMer som gjør klassedefinisjoner om til databaseskjemaer, valideringsrammeverk som Pydantic, og til og med innebygde som @property (en deskriptor).
Mens de fleste utviklere sjelden skriver dem direkte (og burde ikke ta til dem når enklere verktøy finnes), gir forståelse av dem klarhet i hvordan disse rammeverkene oppnår sin "magi" av klasse-nivå tilpasning og kontrollert attributttilgang.
Denne kunnskapen er verdifull for avansert bibliotekdesign, feilsøking av rammeverk-oppførsel, og dypt forståelse av Pythons objektmodell — det er det som skiller mellom mittels og ekspert-nivå forståelse av språket.