深入理解attrs项目中类的双重初始化问题
在Python的attrs项目中,当使用类继承机制时,开发者可能会遇到一个有趣的现象:基类的__init_subclass__方法会被调用两次。这个问题看似简单,却涉及Python类创建机制和attrs内部实现的深层原理。
问题现象
当创建一个继承自普通基类的attrs类时,基类的__init_subclass__方法会被执行两次。通过打印类对象的信息可以发现,两次调用时传入的类对象实际上是不同的实例,它们的哈希值不同,且第二次调用时类已经被attrs处理过(has(cls)返回True)。
原因分析
这一现象的根本原因在于attrs对类创建过程的特殊处理:
-
默认情况下(使用slot):attrs会创建两个类对象 - 原始类和经过attrs处理的类。这种双重创建导致了
__init_subclass__的双重调用。 -
禁用slot的情况下:虽然不会创建两个类对象,但
__init_subclass__会在attrs完成类组装之前就被调用,同样不是理想的行为。
解决方案
attrs项目最新版本(2023年8月后)引入了一个新的解决方案:__attrs_init_subclass__方法。这个方法专门用于处理attrs类继承时的初始化逻辑,确保在适当的时机被调用。
开发者应该优先使用这个新方法,而不是直接使用__init_subclass__。如果确实需要同时使用两者,可以通过检查类名(cls.__name__)来区分不同的调用阶段。
最佳实践
- 对于纯attrs类,优先使用
__attrs_init_subclass__方法 - 如果需要与普通Python类兼容,可以同时实现两个方法,但要注意调用顺序和重复执行的问题
- 在混合使用时,可以通过类名或其他标志来识别不同的初始化阶段
技术背景
这一问题的出现源于Python的类创建机制和attrs的类转换过程之间的交互。attrs为了提供其强大的功能(如自动生成__init__方法、属性管理等),需要在类创建过程中进行额外的处理步骤,这自然会影响标准的类初始化流程。
理解这一机制有助于开发者更好地设计基于attrs的类层次结构,避免在类初始化时出现意外的副作用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
FreeSql功能强大的对象关系映射(O/RM)组件,支持 .NET Core 2.1+、.NET Framework 4.0+、Xamarin 以及 AOT。C#00