Python面向對象的高級編程

數據封裝、繼承和多態只是面向對象程序設計中最基礎的3個概念。在Python中，面向對象還有很多高級特性，允許我們寫出非常強大的功能。

我們會討論多重繼承、定製類、元類等概念。

使用__slots__

正常情況下，當我們定義了一個class，創建了一個class的實例後，我們可以給該實例綁定任何屬性和方法，這就是動態語言的靈活性。先定義class：

class Student(object):
    pass

然後，嘗試給實例綁定一個屬性：

>>> s = Student()
>>> s.name = 'Michael' # 動態給實例綁定一個屬性
>>> print(s.name)
Michael

 還可以嘗試給實例綁定一個方法：

>>> def set_age(self, age): # 定義一個函數作爲實例方法
...     self.age = age
...
>>> from types import MethodType
>>> s.set_age = MethodType(set_age, s) # 給實例綁定一個方法
>>> s.set_age(25) # 調用實例方法
>>> s.age # 測試結果
25

但是，給一個實例綁定的方法，對另一個實例是不起作用的：

>>> s2 = Student() # 創建新的實例
>>> s2.set_age(25) # 嘗試調用方法
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute 'set_age'

爲了給所有實例都綁定方法，可以給class綁定方法：

>>> def set_score(self, score):
...     self.score = score
...
>>> Student.set_score = set_score

給class綁定方法後，所有實例均可調用：

>>> s.set_score(100)
>>> s.score
100
>>> s2.set_score(99)
>>> s2.score
99

通常情況下，上面的set_score方法可以直接定義在class中，但動態綁定允許我們在程序運行的過程中動態給class加上功能，這在靜態語言中很難實現。

使用__slots__

但是，如果我們想要限制實例的屬性怎麼辦？比如，只允許對Student實例添加name和age屬性。

爲了達到限制的目的，Python允許在定義class的時候，定義一個特殊的__slots__變量，來限制該class實例能添加的屬性：

class Student(object):
    __slots__ = ('name', 'age') # 用tuple定義允許綁定的屬性名稱

然後，我們試試：

>>> s = Student() # 創建新的實例
>>> s.name = 'Michael' # 綁定屬性'name'
>>> s.age = 25 # 綁定屬性'age'
>>> s.score = 99 # 綁定屬性'score'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'Student' object has no attribute 'score'

由於'score'沒有被放到__slots__中，所以不能綁定score屬性，試圖綁定score將得到AttributeError的錯誤。

使用__slots__要注意，__slots__定義的屬性僅對當前類實例起作用，對繼承的子類是不起作用的：

>>> class GraduateStudent(Student):
...     pass
...
>>> g = GraduateStudent()
>>> g.score = 9999

除非在子類中也定義__slots__，這樣，子類實例允許定義的屬性就是自身的__slots__加上父類的__slots__。

使用@property

在綁定屬性時，如果我們直接把屬性暴露出去，雖然寫起來很簡單，但是，沒辦法檢查參數，導致可以把成績隨便改：

s = Student()
s.score = 9999

這顯然不合邏輯。爲了限制score的範圍，可以通過一個set_score()方法來設置成績，再通過一個get_score()來獲取成績，這樣，在set_score()方法裏，就可以檢查參數：

class Student(object):

    def get_score(self):
         return self._score

    def set_score(self, value):
        if not isinstance(value, int):
            raise ValueError('score must be an integer!')
        if value < 0 or value > 100:
            raise ValueError('score must between 0 ~ 100!')
        self._score = value

現在，對任意的Student實例進行操作，就不能隨心所欲地設置score了：

>>> s = Student()
>>> s.set_score(60) # ok!
>>> s.get_score()
60
>>> s.set_score(9999)
Traceback (most recent call last):
  ...
ValueError: score must between 0 ~ 100!

但是，上面的調用方法又略顯複雜，沒有直接用屬性這麼直接簡單。（TMD，嫌煩還不先介紹簡單方法

有沒有既能檢查參數，又可以用類似屬性這樣簡單的方式來訪問類的變量呢？對於追求完美的Python程序員來說，這是必須要做到的！

還記得裝飾器（decorator）可以給函數動態加上功能嗎？對於類的方法，裝飾器一樣起作用。Python內置的@property裝飾器就是負責把一個方法變成屬性調用的：

class Student(object):

    @property
    def score(self):
        return self._score

    @score.setter
    def score(self, value):
        if not isinstance(value, int):
            raise ValueError('score must be an integer!')
        if value < 0 or value > 100:
            raise ValueError('score must between 0 ~ 100!')
        self._score = value

@property的實現比較複雜，我們先考察如何使用。把一個getter方法變成屬性，只需要加上@property就可以了，此時，@property本身又創建了另一個裝飾器@score.setter，負責把一個setter方法變成屬性賦值，於是，我們就擁有一個可控的屬性操作：

>>> s = Student()
>>> s.score = 60 # OK，實際轉化爲s.set_score(60)
>>> s.score # OK，實際轉化爲s.get_score()
60
>>> s.score = 9999
Traceback (most recent call last):
  ...
ValueError: score must between 0 ~ 100!

注意到這個神奇的@property，我們在對實例屬性操作的時候，就知道該屬性很可能不是直接暴露的，而是通過getter和setter方法來實現的。

還可以定義只讀屬性，只定義getter方法，不定義setter方法就是一個只讀屬性：

class Student(object):

    @property
    def birth(self):
        return self._birth

    @birth.setter
    def birth(self, value):
        self._birth = value

    @property
    def age(self):
        return 2015 - self._birth

上面的birth是可讀寫屬性，而age就是一個只讀屬性，因爲age可以根據birth和當前時間計算出來。

小結

@property廣泛應用在類的定義中，可以讓調用者寫出簡短的代碼，同時保證對參數進行必要的檢查，這樣，程序運行時就減少了出錯的可能性。

多重繼承

繼承是面向對象編程的一個重要的方式，因爲通過繼承，子類就可以擴展父類的功能。

回憶一下Animal類層次的設計，假設我們要實現以下4種動物：

• Dog - 狗狗；
• Bat - 蝙蝠；
• Parrot - 鸚鵡；
• Ostrich - 鴕鳥。

如果按照哺乳動物和鳥類歸類，我們可以設計出這樣的類的層次：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │   Mammal    │           │    Bird     │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │   Bat   │  │ Parrot  │  │ Ostrich │
└─────────┘  └─────────┘  └─────────┘  └─────────┘

但是如果按照“能跑”和“能飛”來歸類，我們就應該設計出這樣的類的層次：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │  Runnable   │           │   Flyable   │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │ Ostrich │  │ Parrot  │  │   Bat   │
└─────────┘  └─────────┘  └─────────┘  └─────────┘

如果要把上面的兩種分類都包含進來，我們就得設計更多的層次：

• 哺乳類：能跑的哺乳類，能飛的哺乳類；
• 鳥類：能跑的鳥類，能飛的鳥類。

這麼一來，類的層次就複雜了：

                ┌───────────────┐
                │    Animal     │
                └───────────────┘
                        │
           ┌────────────┴────────────┐
           │                         │
           ▼                         ▼
    ┌─────────────┐           ┌─────────────┐
    │   Mammal    │           │    Bird     │
    └─────────────┘           └─────────────┘
           │                         │
     ┌─────┴──────┐            ┌─────┴──────┐
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│  MRun   │  │  MFly   │  │  BRun   │  │  BFly   │
└─────────┘  └─────────┘  └─────────┘  └─────────┘
     │            │            │            │
     │            │            │            │
     ▼            ▼            ▼            ▼
┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐
│   Dog   │  │   Bat   │  │ Ostrich │  │ Parrot  │
└─────────┘  └─────────┘  └─────────┘  └─────────┘

如果要再增加“寵物類”和“非寵物類”，這麼搞下去，類的數量會呈指數增長，很明顯這樣設計是不行的。

正確的做法是採用多重繼承。首先，主要的類層次仍按照哺乳類和鳥類設計：

class Animal(object):
    pass

# 大類:
class Mammal(Animal):
    pass

class Bird(Animal):
    pass

# 各種動物:
class Dog(Mammal):
    pass

class Bat(Mammal):
    pass

class Parrot(Bird):
    pass

class Ostrich(Bird):
    pass

現在，我們要給動物再加上Runnable和Flyable的功能，只需要先定義好Runnable和Flyable的類：

class Runnable(object):
    def run(self):
        print('Running...')

class Flyable(object):
    def fly(self):
        print('Flying...')

對於需要Runnable功能的動物，就多繼承一個Runnable，例如Dog：

class Dog(Mammal, Runnable):
    pass

對於需要Flyable功能的動物，就多繼承一個Flyable，例如Bat：

class Bat(Mammal, Flyable):
    pass

通過多重繼承，一個子類就可以同時獲得多個父類的所有功能。

MixIn

在設計類的繼承關係時，通常，主線都是單一繼承下來的，例如，Ostrich繼承自Bird。但是，如果需要“混入”額外的功能，通過多重繼承就可以實現，比如，讓Ostrich除了繼承自Bird外，再同時繼承Runnable。這種設計通常稱之爲MixIn。

爲了更好地看出繼承關係，我們把Runnable和Flyable改爲RunnableMixIn和FlyableMixIn。類似的，你還可以定義出肉食動物CarnivorousMixIn和植食動物HerbivoresMixIn，讓某個動物同時擁有好幾個MixIn：

class Dog(Mammal, RunnableMixIn, CarnivorousMixIn):
    pass

MixIn的目的就是給一個類增加多個功能，這樣，在設計類的時候，我們優先考慮通過多重繼承來組合多個MixIn的功能，而不是設計多層次的複雜的繼承關係。

Python自帶的很多庫也使用了MixIn。舉個例子，Python自帶了TCPServer和UDPServer這兩類網絡服務，而要同時服務多個用戶就必須使用多進程或多線程模型，這兩種模型由ForkingMixIn和ThreadingMixIn提供。通過組合，我們就可以創造出合適的服務來。

比如，編寫一個多進程模式的TCP服務，定義如下：

class MyTCPServer(TCPServer, ForkingMixIn):
    pass

編寫一個多線程模式的UDP服務，定義如下：

class MyUDPServer(UDPServer, ThreadingMixIn):
    pass

如果你打算搞一個更先進的協程模型，可以編寫一個CoroutineMixIn：

class MyTCPServer(TCPServer, CoroutineMixIn):
    pass

這樣一來，我們不需要複雜而龐大的繼承鏈，只要選擇組合不同的類的功能，就可以快速構造出所需的子類。

小結

由於Python允許使用多重繼承，因此，MixIn就是一種常見的設計。

只允許單一繼承的語言（如Java）不能使用MixIn的設計。

 

定製類

看到類似__slots__這種形如__xxx__的變量或者函數名就要注意，這些在Python中是有特殊用途的。

__slots__我們已經知道怎麼用了，__len__()方法我們也知道是爲了能讓class作用於len()函數。

除此之外，Python的class中還有許多這樣有特殊用途的函數，可以幫助我們定製類。

__str__

我們先定義一個Student類，打印一個實例：

>>> class Student(object):
...     def __init__(self, name):
...         self.name = name
...
>>> print(Student('Michael'))
<__main__.Student object at 0x109afb190>

怎麼才能打印得好看呢？只需要定義好__str__()方法，返回一個好看的字符串就可以了：

>>> class Student(object):
...     def __init__(self, name):
...         self.name = name
...     def __str__(self):
...         return 'Student object (name: %s)' % self.name
...
>>> print(Student('Michael'))
Student object (name: Michael)

但是細心的朋友會發現直接敲變量不用print，打印出來的實例還是不好看：

這是因爲直接顯示變量調用的不是__str__()，而是__repr__()，兩者的區別是__str__()返回用戶看到的字符串，而__repr__()返回程序開發者看到的字符串，也就是說，__repr__()是爲調試服務的。

解決辦法是再定義一個__repr__()。但是通常__str__()和__repr__()代碼都是一樣的，所以，有個偷懶的寫法：

class Student(object):
    def __init__(self, name):
        self.name = name
    def __str__(self):
        return 'Student object (name=%s)' % self.name
    __repr__ = __str__

__iter__

如果一個類想被用於for ... in循環，類似list或tuple那樣，就必須實現一個__iter__()方法，該方法返回一個迭代對象，然後，Python的for循環就會不斷調用該迭代對象的__next__()方法拿到循環的下一個值，直到遇到StopIteration錯誤時退出循環。

我們以斐波那契數列爲例，寫一個Fib類，可以作用於for循環：

class Fib(object):
    def __init__(self):
        self.a, self.b = 0, 1 # 初始化兩個計數器a，b

    def __iter__(self):
        return self # 實例本身就是迭代對象，故返回自己

    def __next__(self):
        self.a, self.b = self.b, self.a + self.b # 計算下一個值
        if self.a > 100000: # 退出循環的條件
            raise StopIteration()
        return self.a # 返回下一個值

現在，試試把Fib實例作用於for循環：

>>> for n in Fib():
...     print(n)
...
1
1
2
3
5
...
46368
75025

__getitem__

Fib實例雖然能作用於for循環，看起來和list有點像，但是，把它當成list來使用還是不行，比如，取第5個元素：

>>> Fib()[5]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'Fib' object does not support indexing

要表現得像list那樣按照下標取出元素，需要實現__getitem__()方法：

class Fib(object):
    def __getitem__(self, n):
        a, b = 1, 1
        for x in range(n):
            a, b = b, a + b
        return a

但是list有個神奇的切片方法：

>>> list(range(100))[5:10]
[5, 6, 7, 8, 9]

對於Fib卻報錯。原因是__getitem__()傳入的參數可能是一個int，也可能是一個切片對象slice，所以要做判斷

class Fib(object):
    def __getitem__(self, n):
        if isinstance(n, int): # n是索引
            a, b = 1, 1
            for x in range(n):
                a, b = b, a + b
            return a
        if isinstance(n, slice): # n是切片
            start = n.start
            stop = n.stop
            if start is None:
                start = 0
            a, b = 1, 1
            L = []
            for x in range(stop):
                if x >= start:
                    L.append(a)
                a, b = b, a + b
            return L

現在試試Fib的切片：

>>> f = Fib()
>>> f[0:5]
[1, 1, 2, 3, 5]
>>> f[:10]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

但是沒有對step參數作處理：

>>> f[:10:2]
[1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89]

也沒有對負數作處理，所以，要正確實現一個__getitem__()還是有很多工作要做的。

此外，如果把對象看成dict，__getitem__()的參數也可能是一個可以作key的object，例如str。

與之對應的是__setitem__()方法，把對象視作list或dict來對集合賦值。最後，還有一個__delitem__()方法，用於刪除某個元素。

總之，通過上面的方法，我們自己定義的類表現得和Python自帶的list、tuple、dict沒什麼區別，這完全歸功於動態語言的“鴨子類型”，不需要強制繼承某個接口。

__getattr__

正常情況下，當我們調用類的方法或屬性時，如果不存在，就會報錯。比如定義Student類：

class Student(object):
    
    def __init__(self):
        self.name = 'Michael'

調用name屬性，沒問題，但是，調用不存在的score屬性，就有問題了：

>>> s = Student()
>>> print(s.name)
Michael
>>> print(s.score)
Traceback (most recent call last):
  ...
AttributeError: 'Student' object has no attribute 'score'

錯誤信息很清楚地告訴我們，沒有找到score這個attribute。

要避免這個錯誤，除了可以加上一個score屬性外，Python還有另一個機制，那就是寫一個__getattr__()方法，動態返回一個屬性。修改如下：

class Student(object):

    def __init__(self):
        self.name = 'Michael'

    def __getattr__(self, attr):
        if attr=='score':
            return 99

當調用不存在的屬性時，比如score，Python解釋器會試圖調用__getattr__(self, 'score')來嘗試獲得屬性，這樣，我們就有機會返回score的值：

>>> s = Student()
>>> s.name
'Michael'
>>> s.score
99

返回函數也是完全可以的：

class Student(object):

    def __getattr__(self, attr):
        if attr=='age':
            return lambda: 25

只是調用方式要變爲：

>>> s.age()
25

注意，只有在沒有找到屬性的情況下，才調用__getattr__，已有的屬性，比如name，不會在__getattr__中查找。

此外，注意到任意調用如s.abc都會返回None，這是因爲我們定義的__getattr__默認返回就是None。要讓class只響應特定的幾個屬性，我們就要按照約定，拋出AttributeError的錯誤：

class Student(object):

    def __getattr__(self, attr):
        if attr=='age':
            return lambda: 25
        raise AttributeError('\'Student\' object has no attribute \'%s\'' % attr)

這實際上可以把一個類的所有屬性和方法調用全部動態化處理了，不需要任何特殊手段。

這種完全動態調用的特性有什麼實際作用呢？作用就是，可以針對完全動態的情況作調用。

舉個例子：

現在很多網站都搞REST API，比如新浪微博、豆瓣啥的，調用API的URL類似：

• http://api.server/user/friends
• http://api.server/user/timeline/list

如果要寫SDK，給每個URL對應的API都寫一個方法，那得累死，而且，API一旦改動，SDK也要改。

利用完全動態的__getattr__，我們可以寫出一個鏈式調用：

class Chain(object):

    def __init__(self, path=''):
        self._path = path

    def __getattr__(self, path):
        return Chain('%s/%s' % (self._path, path))

    def __str__(self):
        return self._path

    __repr__ = __str__

>>> Chain().status.user.timeline.list
'/status/user/timeline/list'

這樣，無論API怎麼變，SDK都可以根據URL實現完全動態的調用，而且，不隨API的增加而改變！

還有些REST API會把參數放到URL中，比如GitHub的API：

GET /users/:user/repos

調用時，需要把:user替換爲實際用戶名。如果我們能寫出這樣的鏈式調用：

Chain().users('michael').repos

就可以非常方便地調用API了。有興趣的童鞋可以試試寫出來。

__call__

一個對象實例可以有自己的屬性和方法，當我們調用實例方法時，我們用instance.method()來調用。能不能直接在實例本身上調用呢？在Python中，答案是肯定的。

任何類，只需要定義一個__call__()方法，就可以直接對實例進行調用。請看示例：

class Student(object):
    def __init__(self, name):
        self.name = name

    def __call__(self):
        print('My name is %s.' % self.name)

調用方式如下：

>>> s = Student('Michael')
>>> s() # self參數不要傳入
My name is Michael.

__call__()還可以定義參數。對實例進行直接調用就好比對一個函數進行調用一樣，所以你完全可以把對象看成函數，把函數看成對象，因爲這兩者之間本來就沒啥根本的區別。

如果你把對象看成函數，那麼函數本身其實也可以在運行期動態創建出來，因爲類的實例都是運行期創建出來的，這麼一來，我們就模糊了對象和函數的界限。

那麼，怎麼判斷一個變量是對象還是函數呢？其實，更多的時候，我們需要判斷一個對象是否能被調用，能被調用的對象就是一個Callable對象，比如函數和我們上面定義的帶有__call__()的類實例：

>>> callable(Student())
True
>>> callable(max)
True
>>> callable([1, 2, 3])
False
>>> callable(None)
False
>>> callable('str')
False

通過callable()函數，我們就可以判斷一個對象是否是“可調用”對象。

小結

Python的class允許定義許多定製方法，可以讓我們非常方便地生成特定的類。

本節介紹的是最常用的幾個定製方法，還有很多可定製的方法，請參考Python的官方文檔。

 

使用枚舉類

當我們需要定義常量時，一個辦法是用大寫變量通過整數來定義，例如月份：

JAN = 1
FEB = 2
MAR = 3
...
NOV = 11
DEC = 12

好處是簡單，缺點是類型是int，並且仍然是變量。

更好的方法是爲這樣的枚舉類型定義一個class類型，然後，每個常量都是class的一個唯一實例。Python提供了Enum類來實現這個功能：

from enum import Enum

Month = Enum('Month', ('Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'))

這樣我們就獲得了Month類型的枚舉類，可以直接使用Month.Jan來引用一個常量，或者枚舉它的所有成員：

for name, member in Month.__members__.items():
    print(name, '=>', member, ',', member.value)

value屬性則是自動賦給成員的int常量，默認從1開始計數。

如果需要更精確地控制枚舉類型，可以從Enum派生出自定義類：

from enum import Enum, unique

@unique
class Weekday(Enum):
    Sun = 0 # Sun的value被設定爲0
    Mon = 1
    Tue = 2
    Wed = 3
    Thu = 4
    Fri = 5
    Sat = 6

@unique裝飾器可以幫助我們檢查保證沒有重複值。

訪問這些枚舉類型可以有若干種方法：

訪問這些枚舉類型可以有若干種方法：

>>> day1 = Weekday.Mon
>>> print(day1)
Weekday.Mon
>>> print(Weekday.Tue)
Weekday.Tue
>>> print(Weekday['Tue'])
Weekday.Tue
>>> print(Weekday.Tue.value)
2
>>> print(day1 == Weekday.Mon)
True
>>> print(day1 == Weekday.Tue)
False
>>> print(Weekday(1))
Weekday.Mon
>>> print(day1 == Weekday(1))
True
>>> Weekday(7)
Traceback (most recent call last):
  ...
ValueError: 7 is not a valid Weekday
>>> for name, member in Weekday.__members__.items():
...     print(name, '=>', member)
...
Sun => Weekday.Sun
Mon => Weekday.Mon
Tue => Weekday.Tue
Wed => Weekday.Wed
Thu => Weekday.Thu
Fri => Weekday.Fri
Sat => Weekday.Sat

可見，既可以用成員名稱引用枚舉常量，又可以直接根據value的值獲得枚舉常量。

小結

Enum可以把一組相關常量定義在一個class中，且class不可變，而且成員可以直接比較。

 

使用元類

type()

動態語言和靜態語言最大的不同，就是函數和類的定義，不是編譯時定義的，而是運行時動態創建的。

比方說我們要定義一個Hello的class，就寫一個hello.py模塊：

class Hello(object):
    def hello(self, name='world'):
        print('Hello, %s.' % name)

當Python解釋器載入hello模塊時，就會依次執行該模塊的所有語句，執行結果就是動態創建出一個Hello的class對象，測試如下：

>>> from hello import Hello
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class 'hello.Hello'>

type()函數可以查看一個類型或變量的類型，Hello是一個class，它的類型就是type，而h是一個實例，它的類型就是class Hello。

我們說class的定義是運行時動態創建的，而創建class的方法就是使用type()函數。

type()函數既可以返回一個對象的類型，又可以創建出新的類型，比如，我們可以通過type()函數創建出Hello類，而無需通過class Hello(object)...的定義：

>>> def fn(self, name='world'): # 先定義函數
...     print('Hello, %s.' % name)
...
>>> Hello = type('Hello', (object,), dict(hello=fn)) # 創建Hello class
>>> h = Hello()
>>> h.hello()
Hello, world.
>>> print(type(Hello))
<class 'type'>
>>> print(type(h))
<class '__main__.Hello'>

要創建一個class對象，type()函數依次傳入3個參數：

1. class的名稱；
2. 繼承的父類集合，注意Python支持多重繼承，如果只有一個父類，別忘了tuple的單元素寫法；
3. class的方法名稱與函數綁定，這裏我們把函數fn綁定到方法名hello上。

通過type()函數創建的類和直接寫class是完全一樣的，因爲Python解釋器遇到class定義時，僅僅是掃描一下class定義的語法，然後調用type()函數創建出class。

正常情況下，我們都用class Xxx...來定義類，但是，type()函數也允許我們動態創建出類來，也就是說，動態語言本身支持運行期動態創建類，這和靜態語言有非常大的不同，要在靜態語言運行期創建類，必須構造源代碼字符串再調用編譯器，或者藉助一些工具生成字節碼實現，

metaclass

除了使用type()動態創建類以外，要控制類的創建行爲，還可以使用metaclass。

metaclass，直譯爲元類，簡單的解釋就是：

當我們定義了類以後，就可以根據這個類創建出實例，所以：先定義類，然後創建實例。

但是如果我們想創建出類呢？那就必須根據metaclass創建出類，所以：先定義metaclass，然後創建類。

連接起來就是：先定義metaclass，就可以創建類，最後創建實例。

所以，metaclass允許你創建類或者修改類。換句話說，你可以把類看成是metaclass創建出來的“實例”

metaclass是Python面向對象裏最難理解，也是最難使用的魔術代碼。正常情況下，你不會碰到需要使用metaclass的情況，所以，以下內容看不懂也沒關係，因爲基本上你不會用到。

不看了，溜了