接触过 Django 的同学都应该十分熟悉它的 ORM 系统。对于 python 新手而言，这是一项几乎可以被称作“黑科技”的特性：只要你在models.py中随便定义一个Model的子类，Django 便可以：
- 获取它的字段定义，并转换成表结构
- 读取Meta内部类，并转化成相应的配置信息。对于特殊的Model（如abstract、proxy），还要进行相应的转换
- 为没有定义objects的Model加上一个默认的Manager
开发之余，我也曾脑补过其背后的原理。曾经，我认为是这样的：
启动时，遍历models.py中的所有属性，找到Model的子类，并对其进行上述的修改。
当初，我还以为自己触碰到了真理，并曾将其应用到实际生产中——为 SAE 的 KVDB 写了一个类 ORM 系统。然而在实现的过程中，我明显感受到了这种方法的丑陋，而且性能并不出色（因为要遍历所有的定义模块）。
那么事实上，Django 是怎么实现的呢？
自古以来我们制造东西的方法都是“自上而下”的，是用切削、分割、组合的方法来制造。然而，生命是自下而上地，自发地建造起来的，这个过程极为低廉。 ——王晋康 《水星播种》
这句话揭示了生命的神奇所在：真正的生命都是由基本物质自发构成的，而非造物主流水线式的加工。
那么，如果 类 也有生命的话，对它自己的修饰就不应该由调用者来完成，而应该是自发的。
幸而，python 提供了造物主的接口——这便是 Meta Classes，或者称为“元类”。
元类 是什么？
简单说：元类就是类的类。
首先，要有一个概念：
python 中，一切都是对象。
没错，一切，包括 类 本身。
既然，类 是 对象，对象 是 类的实例，那么——类 也应该有 类 才对。
类的类：type
在 python 中，我们可以用type检测一个对象的类，如：
print type(1) # <type 'int'>
如果对一个类操作呢？
print type(int) # <type 'type'> class MyClass(object): pass print type(MyClass) # <type 'type'> print type(type) # <type 'type'>
这说明：type其实是一个类型，所有类——包括type自己——的类都是type。
type 简介
从 官方文档 中，我们可以知道：
和 dict 类似，type 也是一个工厂构造函数，调用其将返回 一个type类型的实例（即 类）。
type 有两个重载版本：
+ `type(object)`，即我们最常用的版本。
+ `type(name, bases, dict)`，一个更强大的版本。通过指定 类名称（`name`）、父类列表（`bases`）和 属性字典（`dict`） 动态合成一个类。
下面两个语句等价：
class Integer(int):
name = 'my integer'
def increase(self, num):
return num + 1
# -------------------
Integer = type('Integer', (int, ), {
'name': 'my integer',
'increase': lambda self, num: num + 1 # 很酷的写法，不是么
})
也就是说：类的定义过程，其实是type类型实例化的过程。
然而这和修饰一个已定义的类有什么关系呢？
当然有啦～既然“类的定义”就是“type类型的初始化过程”，那其中必定会调用到type的构造函数(__new__() 或 __init__())。只要我们继承 type类 并修改其 __new__函数，在这里面动手脚就可以啦。
接下来我们将通过一个栗子感受 python 的黑魔法，不过在此之前，我们要先了解一个语法糖。
__metaclass__ 属性
有没觉得上面第二段示例有些鬼畜呢？它勒令程序员将类的成员写成一个字典，简直是反人类。如果我们真的是要通过修改 元类 来改变 类 的行为的话，似乎就必须采用这种方法了～～简直可怕～～
好在，python 2.2 时引进了一个语法糖：__metaclass__。
class Integer(int): __metaclass__ = IntMeta
现在将会等价于：
Integer = IntMeta('Integer', (int, ), {})
由此一来，我们在使用传统类定义的同时，也可以使用元类啦。
栗子：子类净化器
需求描述
你是一个有语言洁癖的开发者，平时容不得别人讲一句脏话，在开发时也是如此。现在，你写出了一个非常棒的框架，并马上要将它公之于众了。不过，你的强迫症又犯了：如果你的使用者在代码中写满了脏话，怎么办？岂不是玷污了自己的纯洁？
假如你就是这个丧心病狂的开发者，你会怎么做？
在知道元类之前，你可能会无从下手。不过，这个问题你可以用 元类 轻松解决——只要在类定义时过滤掉不干净的字眼就好了（百度贴吧的干活～～）。
我们的元类看起来会是这样的：
sensitive_words_list = ['asshole', 'fuck', 'shit']
def detect_sensitive_words(string):
'''检测敏感词汇'''
words_detected = filter(lambda word: word in string.lower(), sensitive_words_list)
if words_detected:
raise NameError('Sensitive words {0} detected in the string "{1}".' .format(
', '.join(map(lambda s: '"%s"' % s, words_detected)),
string
)
)
class CleanerMeta(type):
def __new__(cls, class_name, bases, attrs):
detect_sensitive_words(class_name) # 检查类名
map(detect_sensitive_words, attrs.iterkeys()) # 检查属性名
print "Well done! You are a polite coder!" # 如无异常，输出祝贺消息
return super(CleanerMeta, cls).__new__(cls, class_name, bases, attrs)
# 重要！这行一定不能漏！！这回调用内建的类构造器来构造类，否则定义好的类将会变成 None
现在，只需这样定义基类：
class APIBase(object):
__metaclass__ = CleanerMeta
# ...
那么所有 APIBase 的派生类都会接受安全审查（奸笑～～）：
class ImAGoodBoy(APIBase):
a_polite_attribute = 1
# [Output] Well done! You are a polite coder!
class FuckMyBoss(APIBase):
pass
# [Output] NameError: Sensitive words "fuck" detected in the string "FuckMyBoss".
class PretendToBePolite(APIBase):
def __fuck_your_asshole(self):
pass
# [Output] NameError: Sensitive words "asshole", "fuck" detected in the string "_PretendToBePolite__fuck_your_asshole".
看，即使像最后一个例子中的私有属性也难逃审查，因为它们本质都是相同的。
甚至，你还可以对有问题的属性进行偷偷的修改，比如 让不文明的函数在调用时打出一行警告 等等，这里就不多说了。
元类 在实际开发中的应用
日常开发时，元类 常用吗？
当然，Django 的 ORM 就是一个例子，大名鼎鼎的 SQLAlchemy 也用了这种黑魔法。
此外，在一些小型的库中，也有 元类 的身影。比如 abc（奇怪的名字～～）——这是 python 的一个内建库，用于模拟 抽象基类（Abstract Base Classes）。开发者可以使用 abc.abstractmethod 装饰器，将 指定了 __metaclass__ = abc.ABCMeta 的类的方法定义成 抽象方法，同时这个类也成了 抽象基类，抽象基类是不可实例化的。这便实现了对 抽象基类 的模拟。
倘若你也有需要动态修改类定义的需求，不妨也试试这种“黑魔法”。
小结
- 类 也是 对象，所有的类都是type的实例
- 元类（Meta Classes）是类的类
- __metaclass__ = Meta 是 Meta(name, bases, dict) 的 语法糖
- 可以通过重载元类的 __new__ 方法，修改 类定义 的行为