|
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： # 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： 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： 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 # 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： 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 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： 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： 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】 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 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！ # 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 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： # 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 Sayolala, japan! 也可以说中文 # 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 Nihao, 中华! 再来一个小例子： # 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 print(L) >>> [1] 而普通的list没有add()方法 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 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 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 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 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： 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 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 Found model: User Found mapping: name ==> Found mapping: password ==> Found mapping: id ==> Found mapping: 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。 # 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 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 if(__name__ == '__main__'): from pyquery import PyQuery as pq start_url = 'http://www./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 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./{}.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./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./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
|
