千万不要被所谓“元类是99%的python程序员不会用到的特性”这类的说辞吓住。因为每个中国人，都是天生的元类使用者
学懂元类，你只需要知道两句话：
- 道生一，一生二，二生三，三生万物
- 我是谁？我从哪来里？我要到哪里去？
在python世界，拥有一个永恒的道，那就是“type”，请记在脑海中，type就是道。如此广袤无垠的python生态圈，都是由type产生出来的。
道生一，一生二，二生三，三生万物。
- 道 即是 type
- 一 即是 metaclass(元类，或者叫类生成器)
- 二 即是 class(类，或者叫实例生成器)
- 三 即是 instance(实例)
- 万物 即是 实例的各种属性与方法，我们平常使用python时，调用的就是它们。
道和一，是我们今天讨论的命题，而二、三、和万物，则是我们常常使用的类、实例、属性和方法，用hello world来举例：
|
1
2
3
4
5
6
7
8
9
10
11
|
# 创建一个Hello类，拥有属性say_hello ----二的起源
class Hello():
def say_hello(self, name='world'):
print('Hello, %s.' % name)
# 从Hello类创建一个实例hello ----二生三
hello = Hello()
# 使用hello调用方法say_hello ----三生万物
hello.say_hello()
|
输出效果：
|
1
|
Hello, world.
|
这就是一个标准的“二生三，三生万物”过程。 从类到我们可以调用的方法，用了这两步。
那我们不由自主要问，类从何而来呢？回到代码的第一行。
class Hello其实是一个函数的“语义化简称”，只为了让代码更浅显易懂，它的另一个写法是：
|
1
2
3
4
|
def fn(self, name='world'): # 假如我们有一个函数叫fn
print('Hello, %s.' % name)
Hello = type('Hello', (object,), dict(say_hello=fn)) # 通过type创建Hello class ---- 神秘的“道”，可以点化一切，这次我们直接从“道”生出了“二”
|
这样的写法，就和之前的Class Hello写法作用完全相同，你可以试试创建实例并调用
|
1
2
3
4
5
|
# 从Hello类创建一个实例hello ----二生三，完全一样
hello = Hello()
# 使用hello调用方法say_hello ----三生万物，完全一样
hello.say_hello()
|
输出效果：
|
1
|
Hello, world. ----调用结果完全一样。
|
我们回头看一眼最精彩的地方，道直接生出了二：
Hello = type(‘Hello’, (object,), dict(say_hello=fn))
这就是“道”，python世界的起源，你可以为此而惊叹。
注意它的三个参数！暗合人类的三大永恒命题：我是谁，我从哪里来，我要到哪里去。
- 第一个参数：我是谁。 在这里，我需要一个区分于其它一切的命名，以上的实例将我命名为“Hello”
- 第二个参数：我从哪里来
在这里，我需要知道从哪里来，也就是我的“父类”，以上实例中我的父类是“object”——python中一种非常初级的类。 - 第三个参数：我要到哪里去
在这里，我们将需要调用的方法和属性包含到一个字典里，再作为参数传入。以上实例中，我们有一个say_hello方法包装进了字典中。
值得注意的是，三大永恒命题，是一切类，一切实例，甚至一切实例属性与方法都具有的。理所应当，它们的“创造者”，道和一，即type和元类，也具有这三个参数。但平常，类的三大永恒命题并不作为参数传入，而是以如下方式传入
|
1
2
3
4
5
6
7
8
|
class Hello(object){
# class 后声明“我是谁”
# 小括号内声明“我来自哪里”
# 中括号内声明“我要到哪里去”
def say_hello(){
}
}
|
- 造物主，可以直接创造单个的人，但这是一件苦役。造物主会先创造“人”这一物种，再批量创造具体的个人。并将三大永恒命题，一直传递下去。
- “道”可以直接生出“二”，但它会先生出“一”，再批量地制造“二”。
- type可以直接生成类（class），但也可以先生成元类（metaclass），再使用元类批量定制类（class）。
元类——道生一，一生二
一般来说，元类均被命名后缀为Metalass。想象一下，我们需要一个可以自动打招呼的元类，它里面的类方法呢，有时需要say_Hello，有时需要say_Hi，有时又需要say_Sayolala，有时需要say_Nihao。
如果每个内置的say_xxx都需要在类里面声明一次，那将是多么可怕的苦役！ 不如使用元类来解决问题。
以下是创建一个专门“打招呼”用的元类代码：
|
1
2
3
4
5
|
class SayMetaClass(type):
def __new__(cls, name, bases, attrs):
attrs['say_'+name] = lambda self,value,saying=name: print(saying+','+value+'!')
return type.__new__(cls, name, bases, attrs)
|
记住两点：
1、元类是由“type”衍生而出，所以父类需要传入type。【道生一，所以一必须包含道】
2、元类的操作都在 __new__中完成，它的第一个参数是将创建的类，之后的参数即是三大永恒命题：我是谁，我从哪里来，我将到哪里去。 它返回的对象也是三大永恒命题，接下来，这三个参数将一直陪伴我们。
在__new__中，我只进行了一个操作，就是
|
1
|
attrs['say_'+name] = lambda self,value,saying=name: print(saying+','+value+'!')
|
它跟据类的名字，创建了一个类方法。比如我们由元类创建的类叫“Hello”，那创建时就自动有了一个叫“say_Hello”的类方法，然后又将类的名字“Hello”作为默认参数saying，传到了方法里面。然后把hello方法调用时的传参作为value传进去，最终打印出来。
那么，一个元类是怎么从创建到调用的呢？
来！一起根据道生一、一生二、二生三、三生万物的准则，走进元类的生命周期吧！
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# 道生一：传入type
class SayMetaClass(type):
# 传入三大永恒命题：类名称、父类、属性
def __new__(cls, name, bases, attrs):
# 创造“天赋”
attrs['say_'+name] = lambda self,value,saying=name: print(saying+','+value+'!')
# 传承三大永恒命题：类名称、父类、属性
return type.__new__(cls, name, bases, attrs)
# 一生二：创建类
class Hello(object, metaclass=SayMetaClass):
pass
# 二生三：创建实列
hello = Hello()
# 三生万物：调用实例方法
hello.say_Hello('world!')
|
输出为
|
1
|
Hello, world!
|
注意：通过元类创建的类，第一个参数是父类，第二个参数是metaclass
普通人出生都不会说话，但有的人出生就会打招呼说“Hello”，“你好”,“sayolala”，这就是天赋的力量。它会给我们面向对象的编程省下无数的麻烦。
现在，保持元类不变，我们还可以继续创建Sayolala， Nihao类，如下：
|
1
2
3
4
5
6
7
8
9
|
# 一生二：创建类
class Sayolala(object, metaclass=SayMetaClass):
pass
# 二生三：创建实列
s = Sayolala()
# 三生万物：调用实例方法
s.say_Sayolala('japan!')
|
输出
|
1
|
Sayolala, japan!
|
也可以说中文
|
1
2
3
4
5
6
7
8
9
|
# 一生二：创建类
class Nihao(object, metaclass=SayMetaClass):
pass
# 二生三：创建实列
n = Nihao()
# 三生万物：调用实例方法
n.say_Nihao('中华!')
|
输出
|
1
|
Nihao, 中华!
|
再来一个小例子：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
# 道生一
class ListMetaclass(type):
def __new__(cls, name, bases, attrs):
# 天赋：通过add方法将值绑定
attrs['add'] = lambda self, value: self.append(value)
return type.__new__(cls, name, bases, attrs)
# 一生二
class MyList(list, metaclass=ListMetaclass):
pass
# 二生三
L = MyList()
# 三生万物
L.add(1)
|
现在我们打印一下L
|
1
2
3
|
print(L)
>>> [1]
|
而普通的list没有add()方法
|
1
2
3
4
|
L2 = list()
L2.add(1)
>>>AttributeError: 'list' object has no attribute 'add'
|
太棒了！学到这里，你是不是已经体验到了造物主的乐趣？
python世界的一切，尽在掌握。
年轻的造物主，请随我一起开创新世界。
我们选择两个领域，一个是Django的核心思想，“Object Relational Mapping”，即对象-关系映射，简称ORM。
这是Django的一大难点，但学完了元类，一切变得清晰。你对Django的理解将更上一层楼！
另一个领域是爬虫领域（黑客领域），一个自动搜索网络上的可用代理，然后换着IP去突破别的人反爬虫限制。
这两项技能非常有用，也非常好玩！
挑战一：通过元类创建ORM
准备工作，创建一个Field类
|
1
2
3
4
5
6
7
8
|
class Field(object):
def __init__(self, name, column_type):
self.name = name
self.column_type = column_type
def __str__(self):
return '<%s:%s>' % (self.__class__.__name__, self.name)
|
它的作用是
在Field类实例化时将得到两个参数，name和column_type，它们将被绑定为Field的私有属性，如果要将Field转化为字符串时，将返回“Field:XXX” ， XXX是传入的name名称。
准备工作：创建StringField和IntergerField
|
1
2
3
4
5
6
7
8
9
|
class StringField(Field):
def __init__(self, name):
super(StringField, self).__init__(name, 'varchar(100)')
class IntegerField(Field):
def __init__(self, name):
super(IntegerField, self).__init__(name, 'bigint')
|
它的作用是
在StringField,IntegerField实例初始化时，时自动调用父类的初始化方式。
道生一
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
class ModelMetaclass(type):
def __new__(cls, name, bases, attrs):
if name=='Model':
return type.__new__(cls, name, bases, attrs)
print('Found model: %s' % name)
mappings = dict()
for k, v in attrs.items():
if isinstance(v, Field):
print('Found mapping: %s ==> %s' % (k, v))
mappings[k] = v
for k in mappings.keys():
attrs.pop(k)
attrs['__mappings__'] = mappings # 保存属性和列的映射关系
attrs['__table__'] = name # 假设表名和类名一致
return type.__new__(cls, name, bases, attrs)
|
它做了以下几件事
- 创建一个新的字典mapping
- 将每一个类的属性，通过.items()遍历其键值对。如果值是Field类，则打印键值，并将这一对键值绑定到mapping字典上。
- 将刚刚传入值为Field类的属性删除。
- 创建一个专门的__mappings__属性，保存字典mapping。
- 创建一个专门的__table__属性，保存传入的类的名称。
一生二
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
class Model(dict, metaclass=ModelMetaclass):
def __init__(self, **kwarg):
super(Model, self).__init__(**kwarg)
def __getattr__(self, key):
try:
return self[key]
except KeyError:
raise AttributeError("'Model' object has no attribute '%s'" % key)
def __setattr__(self, key, value):
self[key] = value
# 模拟建表操作
def save(self):
fields = []
args = []
for k, v in self.__mappings__.items():
fields.append(v.name)
args.append(getattr(self, k, None))
sql = 'insert into %s (%s) values (%s)' % (self.__table__, ','.join(fields), ','.join([str(i) for i in args]))
print('SQL: %s' % sql)
print('ARGS: %s' % str(args))
|
如果从Model创建一个子类User：
|
1
2
3
4
5
6
|
class User(Model):
# 定义类的属性到列的映射：
id = IntegerField('id')
name = StringField('username')
email = StringField('email')
password = StringField('password')
|
这时
id= IntegerField(‘id’)就会自动解析为：
Model.__setattr__(self, ‘id’, IntegerField(‘id’))
因为IntergerField(‘id’)是Field的子类的实例，自动触发元类的__new__，所以将IntergerField(‘id’)存入__mappings__并删除这个键值对。
二生三、三生万物
当你初始化一个实例的时候并调用save()方法时候
|
1
2
|
u = User(id=12345, name='Batman', email='batman@nasa.org', password='iamback')
u.save()
|
这时先完成了二生三的过程：
- 先调用Model.__setattr__，将键值载入私有对象
- 然后调用元类的“天赋”，ModelMetaclass.__new__，将Model中的私有对象，只要是Field的实例，都自动存入u.__mappings__。
接下来完成了三生万物的过程：
通过u.save()模拟数据库存入操作。这里我们仅仅做了一下遍历__mappings__操作，虚拟了sql并打印，在现实情况下是通过输入sql语句与数据库来运行。
输出结果为
|
1
2
3
4
5
6
7
|
Found model: User
Found mapping: name ==> <StringField:username>
Found mapping: password ==> <StringField:password>
Found mapping: id ==> <IntegerField:id>
Found mapping: email ==> <StringField:email>
SQL: insert into User (username,password,id,email) values (Batman,iamback,12345,batman@nasa.org)
ARGS: ['Batman', 'iamback', 12345, 'batman@nasa.org']
|
- 年轻的造物主，你已经和我一起体验了由“道”演化“万物”的伟大历程，这也是Django中的Model版块核心原理。
- 接下来，请和我一起进行更好玩的爬虫实战（嗯，你现在已经是初级黑客了）：网络代理的爬取吧！
挑战二：网络代理的爬取
准备工作，先爬个页面玩玩
请确保已安装requests和pyquery这两个包。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
|
# 文件：get_page.py
import requests
base_headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/54.0.2840.71 Safari/537.36',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8'
}
def get_page(url):
headers = dict(base_headers)
print('Getting', url)
try:
r = requests.get(url, headers=headers)
print('Getting result', url, r.status_code)
if r.status_code == 200:
return r.text
except ConnectionError:
print('Crawling Failed', url)
return None
|
这里，我们利用request包，把百度的源码爬了出来。
试一试抓百度
把这一段粘在get_page.py后面，试完删除
|
1
2
3
|
if(__name__ == '__main__'):
rs = get_page('https://www.baidu.com')
print('result:
', rs)
|
试一试抓代理
把这一段粘在get_page.py后面，试完删除
|
1
2
3
4
5
6
7
8
9
10
11
12
|
if(__name__ == '__main__'):
from pyquery import PyQuery as pq
start_url = 'http://www.proxy360.cn/Region/China'
print('Crawling', start_url)
html = get_page(start_url)
if html:
doc = pq(html)
lines = doc('div[name="list_proxy_ip"]').items()
for line in lines:
ip = line.find('.tbBottomLine:nth-child(1)').text()
port = line.find('.tbBottomLine:nth-child(2)').text()
print(ip+':'+port)
|
接下来进入正题：使用元类批量抓取代理
批量处理抓取代理
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
|
from getpage import get_page
from pyquery import PyQuery as pq
# 道生一：创建抽取代理的metaclass
class ProxyMetaclass(type):
"""
元类，在FreeProxyGetter类中加入
__CrawlFunc__和__CrawlFuncCount__
两个参数，分别表示爬虫函数，和爬虫函数的数量。
"""
def __new__(cls, name, bases, attrs):
count = 0
attrs['__CrawlFunc__'] = []
attrs['__CrawlName__'] = []
for k, v in attrs.items():
if 'crawl_' in k:
attrs['__CrawlName__'].append(k)
attrs['__CrawlFunc__'].append(v)
count += 1
for k in attrs['__CrawlName__']:
attrs.pop(k)
attrs['__CrawlFuncCount__'] = count
return type.__new__(cls, name, bases, attrs)
# 一生二：创建代理获取类
class ProxyGetter(object, metaclass=ProxyMetaclass):
def get_raw_proxies(self, site):
proxies = []
print('Site', site)
for func in self.__CrawlFunc__:
if func.__name__==site:
this_page_proxies = func(self)
for proxy in this_page_proxies:
print('Getting', proxy, 'from', site)
proxies.append(proxy)
return proxies
def crawl_daili66(self, page_count=4):
start_url = 'http://www.66ip.cn/{}.html'
urls = [start_url.format(page) for page in range(1, page_count + 1)]
for url in urls:
print('Crawling', url)
html = get_page(url)
if html:
doc = pq(html)
trs = doc('.containerbox table tr:gt(0)').items()
for tr in trs:
ip = tr.find('td:nth-child(1)').text()
port = tr.find('td:nth-child(2)').text()
yield ':'.join([ip, port])
def crawl_proxy360(self):
start_url = 'http://www.proxy360.cn/Region/China'
print('Crawling', start_url)
html = get_page(start_url)
if html:
doc = pq(html)
lines = doc('div[name="list_proxy_ip"]').items()
for line in lines:
ip = line.find('.tbBottomLine:nth-child(1)').text()
port = line.find('.tbBottomLine:nth-child(2)').text()
yield ':'.join([ip, port])
def crawl_goubanjia(self):
start_url = 'http://www.goubanjia.com/free/gngn/index.shtml'
html = get_page(start_url)
if html:
doc = pq(html)
tds = doc('td.ip').items()
for td in tds:
td.find('p').remove()
yield td.text().replace(' ', '')
if __name__ == '__main__':
# 二生三：实例化ProxyGetter
crawler = ProxyGetter()
print(crawler.__CrawlName__)
# 三生万物
for site_label in range(crawler.__CrawlFuncCount__):
site = crawler.__CrawlName__[site_label]
myProxies = crawler.get_raw_proxies(site)
|
道生一：元类的__new__中，做了四件事：
- 将“crawl_”开头的类方法的名称推入ProxyGetter.__CrawlName__
- 将“crawl_”开头的类方法的本身推入ProxyGetter.__CrawlFunc__
- 计算符合“crawl_”开头的类方法个数
- 删除所有符合“crawl_”开头的类方法
怎么样？是不是和之前创建ORM的__mappings__过程极为相似？
一生二：类里面定义了使用pyquery抓取页面元素的方法
分别从三个免费代理网站抓取了页面上显示的全部代理。
如果对yield用法不熟悉，可以查看：
廖雪峰的python教程：生成器
二生三：创建实例对象crawler
略
三生万物：遍历每一个__CrawlFunc__
- 在ProxyGetter.__CrawlName__上面，获取可以抓取的的网址名。
- 触发类方法ProxyGetter.get_raw_proxies(site)
- 遍历ProxyGetter.__CrawlFunc__,如果方法名和网址名称相同的，则执行这一个方法
- 把每个网址获取到的代理整合成数组输出。
那么。。。怎么利用批量代理，冲击别人的网站，套取别人的密码，狂发广告水贴，定时骚扰客户？ 呃！想啥呢！这些自己悟！如果悟不到，请听下回分解！
年轻的造物主，创造世界的工具已经在你手上，请你将它的威力发挥到极致！
请记住挥动工具的口诀：
- 道生一，一生二，二生三，三生万物
- 我是谁，我来自哪里，我要到哪里去