Метаклассы и дескрипторы — это продвинутые возможности Python для метапрограммирования — управления поведением классов и доступом к атрибутам. Они обеспечивают большую часть «магии» в фреймворках (ORM, Pydantic), хотя вы редко пишете их напрямую в прикладном коде.
:
(Dog)
(Dog())
Так же как класс создаёт экземпляры, метакласс создаёт классы. Путём настройки метакласса вы можете перехватить и изменить создание класса:
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
Это позволяет фреймворкам автоматически регистрировать классы, проверять определения или добавлять поведение каждому подклассу — например, как ORM превращают атрибуты класса в столбцы базы данных.
Дескриптор — это объект, который определяет __get__/__set__/__delete__, контролируя, что происходит при чтении или записи атрибута:
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
Дескрипторы перехватывают доступ к атрибутам — обеспечивая валидацию, вычисляемые атрибуты и ленивую загрузку. На самом деле, @property, @classmethod и @staticmethod — все реализованы как дескрипторы.
Metaclasses → Django/SQLAlchemy ORM models, ABCs, Pydantic, framework registration
Descriptors → @property, ORM fields, validation libraries, lazy attributes
Метаклассы и дескрипторы — это механизм метапрограммирования за большей частью самых мощных библиотек Python — ORM, которые превращают определения классов в схемы баз данных, фреймворки валидации как Pydantic, и даже встроенные возможности вроде @property (дескриптора).
Хотя большинство разработчиков редко пишут их напрямую (и не должны обращаться к ним, когда есть более простые инструменты), понимание их раскрывает, как эти фреймворки достигают своей «магии» настройки на уровне класса и контролируемого доступа к атрибутам.
Эти знания ценны для продвинутого проектирования библиотек, отладки поведения фреймворков и глубокого понимания объектной модели Python — это отличает промежуточный уровень от экспертного понимания языка.