1826 字
9 分钟
Python面向对象编程终极指南:原理、进阶与元编程
一篇涵盖 Python 面向对象编程(OOP)所有核心细节的终极指南。从底层的对象模型、内存管理,到进阶的描述符、MRO 算法、元类编程及设计模式。
2026-01-19
-
-

这是一篇旨在彻底讲透 Python 面向对象编程(OOP)的终极指南。我们将不再局限于基础语法,而是深入到 Python 的对象模型底层,探讨元类描述符方法解析顺序 (MRO) 以及内存管理等高级话题。

目录#

  1. 对象模型底层__new__ vs __init__
  2. 深入属性系统__slots__ 与 描述符协议
  3. 继承的奥秘:多重继承、Mixin 与 C3 算法
  4. 接口与约束:抽象基类 (ABC) 与 协议 (Protocol)
  5. 元编程 (Metaprogramming):动态创建类与元类
  6. 魔术方法大全:模拟 Python 内置行为
  7. 内存管理与垃圾回收

1. 对象模型底层:__new__ vs __init__#

很多人认为 __init__ 是构造函数,其实不然。对象的创建过程分为两步:

  1. 构造 (Construction)__new__ 分配内存,创建对象实例。
  2. 初始化 (Initialization)__init__ 给这个已经创建好的实例设置初始值。

1.1 __new__ 方法#

__new__ 是一个静态方法(虽然不需要写 @staticmethod),它的第一个参数是 cls。它必须返回一个实例。

应用场景

  • 不可变对象 (Immutable Objects):继承自 str, int, tuple 的子类,因为它们一旦创建就无法修改,所以必须在 __new__ 中定制。
  • 单例模式 (Singleton):控制只创建一个实例。
  • 元类编程
class UpperStr(str):
def __new__(cls, value):
# 在对象创建前拦截,强制转换为大写
return super().__new__(cls, value.upper())
s = UpperStr("hello")
print(s) # HELLO (str 是不可变的,必须在 __new__ 处理)

1.2 单例模式实现#

class Singleton:
_instance = None
def __new__(cls, *args, **kwargs):
if cls._instance is None:
# 只有第一次调用时才真正创建对象
cls._instance = super().__new__(cls)
return cls._instance
a = Singleton()
b = Singleton()
print(a is b) # True

2. 深入属性系统:__slots__ 与 描述符#

2.1 __slots__:内存优化#

默认情况下,Python 对象使用字典 (__dict__) 存储属性。这提供了极大的灵活性,但对于创建数百万个小对象的场景,内存消耗巨大。

__slots__ 告诉 Python:“这个类只有这些属性,不要创建 __dict__”。

class Pixel:
__slots__ = ('x', 'y') # 锁定属性,禁止动态添加其他属性
def __init__(self, x, y):
self.x = x
self.y = y
p = Pixel(10, 20)
# p.z = 30 # AttributeError: 'Pixel' object has no attribute 'z'

副作用

  • 对象不再有 __dict__
  • 无法动态添加新属性。
  • 继承时如果不重复定义 __slots__,子类依然会有 __dict__

2.2 描述符 (Descriptors)#

这是 Python 属性魔法的核心@property、类方法、静态方法,底层全都是描述符。

一个实现了 __get__, __set__, 或 __delete__ 方法的,就是一个描述符。

class Integer:
"""数据描述符:强制属性必须是整数"""
def __init__(self, name):
self.name = name
def __get__(self, instance, owner):
if instance is None:
return self
return instance.__dict__.get(self.name)
def __set__(self, instance, value):
if not isinstance(value, int):
raise ValueError(f"{self.name} must be an integer")
instance.__dict__[self.name] = value
class Point:
x = Integer("x") # 描述符实例作为类属性
y = Integer("y")
def __init__(self, x, y):
self.x = x # 触发 Integer.__set__
self.y = y
p = Point(1, 2)
# p.x = "hello" # ValueError: x must be an integer

3. 继承的奥秘:多重继承、Mixin 与 MRO#

3.1 多重继承与菱形问题#

Python 支持多重继承。当一个类继承多个父类时,如果父类中有同名方法,Python 如何决定调用哪一个?

Python 2.3 之后引入了 C3 线性化算法 来计算 MRO (Method Resolution Order)

class A:
def say(self): print("A")
class B(A):
def say(self): print("B")
class C(A):
def say(self): print("C")
class D(B, C):
pass
d = D()
d.say() # 输出 B
print(D.mro())
# [<class 'D'>, <class 'B'>, <class 'C'>, <class 'A'>, <class 'object'>]

原则

  1. 子类优先于父类。
  2. 多个父类按照从左到右的顺序检查。
  3. 如果出现菱形继承(如上图,B和C都继承A),确保公共基类(A)最后被检查(但在 object 之前)。

3.2 Mixin 模式#

Mixin(混入)是一种设计模式,利用多重继承给类添加单一功能的“插件”,而不需要建立严格的父子关系。

class JsonSerializableMixin:
def to_json(self):
import json
return json.dumps(self.__dict__)
class User(JsonSerializableMixin):
def __init__(self, name):
self.name = name
u = User("Alice")
print(u.to_json()) # {"name": "Alice"}

4. 接口与约束:ABC 与 Protocol#

Python 是动态语言,通常不强制类型。但为了大型项目的健壮性,我们需要接口约束。

4.1 抽象基类 (Abstract Base Classes)#

使用 abc 模块定义抽象基类,强制子类实现特定方法。

from abc import ABC, abstractmethod
class Shape(ABC):
@abstractmethod
def area(self):
pass
class Circle(Shape):
def __init__(self, r):
self.r = r
def area(self):
return 3.14 * self.r ** 2
# s = Shape() # TypeError: Can't instantiate abstract class
c = Circle(5) # OK

4.2 Protocol (鸭子类型的静态检查)#

Python 3.8 引入了 typing.Protocol。它不需要继承,只要类实现了协议规定的方法,类型检查器(如 MyPy)就认为它符合要求。

from typing import Protocol
class Flyer(Protocol):
def fly(self) -> None:
...
class Bird:
def fly(self): print("Bird flying")
class Plane:
def fly(self): print("Plane flying")
def lift_off(obj: Flyer):
obj.fly()
# Bird 和 Plane 不需要显式继承 Flyer
lift_off(Bird())
lift_off(Plane())

5. 元编程 (Metaprogramming)#

元编程是“编写写代码的代码”。在 Python 中,类也是对象,元类 (Metaclass) 就是用来创建类的类。

默认情况下,type 是所有类的元类。

class 关键字背后的逻辑:

# class MyClass: pass
# 等价于:
MyClass = type('MyClass', (), {})

自定义元类#

自定义元类通常继承自 type,并重写 __new____init__。可以在类创建时修改类的定义(自动添加方法、验证属性等)。

class AutoDebugMeta(type):
"""自动给类中的所有方法添加打印调试信息的元类"""
def __new__(mcs, name, bases, attrs):
new_attrs = {}
for key, value in attrs.items():
if callable(value) and not key.startswith("__"):
# 包装函数
def wrapper(*args, **kwargs):
print(f"Calling {key}...")
return value(*args, **kwargs)
new_attrs[key] = wrapper
else:
new_attrs[key] = value
return super().__new__(mcs, name, bases, new_attrs)
class MyService(metaclass=AutoDebugMeta):
def process(self):
print("Processing...")
s = MyService()
s.process()
# 输出:
# Calling process...
# Processing...

6. 魔术方法大全#

除了常见的 __init__, __str__,Python 提供了极其丰富的魔术方法。

属性访问控制#

  • __getattr__(self, name): 访问不存在的属性时调用(兜底)。
  • __getattribute__(self, name): 访问任何属性时都会调用(拦截所有访问,慎用,易递归)。
  • __setattr__(self, name, value): 设置属性时调用。

容器模拟#

  • __len__(self)
  • __getitem__(self, key)
  • __setitem__(self, key, value)
  • __delitem__(self, key)
  • __iter__(self)
  • __contains__(self, item): in 操作符。

上下文管理#

  • __enter__, __exit__: with 语句支持。

调用#

  • __call__: 让实例像函数一样被调用 instance()

7. 内存管理与垃圾回收#

Python 使用引用计数 (Reference Counting) 为主,标记-清除 (Mark and Sweep)分代回收 (Generational Collection) 为辅的垃圾回收机制。

7.1 __del__ 析构方法#

当对象的引用计数降为 0 时,__del__ 会被调用。

警告:尽量不要依赖 __del__ 来进行资源释放(如关闭文件),因为在循环引用等复杂情况下,它可能不会被立即调用,甚至不会被调用。应使用上下文管理器 (with)。

7.2 弱引用 (Weak Reference)#

weakref 模块允许创建不增加引用计数的引用。常用于缓存实现,避免对象无法被回收。

import weakref
class Data:
def __del__(self):
print("Data died")
d = Data()
r = weakref.ref(d) # 创建弱引用
print(r()) # 获取对象: <__main__.Data object ...>
del d # 删除唯一强引用,对象立即被回收,输出 "Data died"
print(r()) # None

结语#

Python 的面向对象远比表面看起来深奥。从简单的 class 定义,到背后的元类机制、描述符协议以及 C3 算法,Python 提供了一套逻辑自洽且极具扩展性的对象模型。

掌握这些细节,不仅能让你写出更高效、更健壮的代码,更能让你在阅读 Django, SQLAlchemy 等顶级框架源码时游刃有余。

这篇文章是否对你有帮助?

发现错误或想要改进这篇文章?

在 GitHub 上编辑此页
Python面向对象编程终极指南:原理、进阶与元编程
作者
MeowRain
发布于
2026-01-19
许可协议
CC BY-NC-SA 4.0