1. Python对象创建的全景解读
对象创建过程在Python中可以拆解为两大核心阶段：内存分配与初始化。这两个阶段共同决定一个对象在代码中的最终形态与行为，所以理解它们的关系对掌握面向对象设计至关重要。
协作机制的核心要点
在默认实现里，__new__负责分配对象的内存并返回实例，而后续的__init__对该实例进行属性设定与状态初始化。只有__new__返回当前类的实例，__init__才会被调用，这也是设计模式中“实例化与初始化解耦”的核心表现。
如果你需要控制对象创建阶段的行为，重写__new__是第一梯队的入口，例如实现对象缓存、对象池或对不可变类型进行扩展。无论何时__new__返回的对象类型不再是当前类，__init__都不会执行，这点在高级用法中需要特别注意。
class Demo:def __new__(cls, *args, **kwargs):print("__new__ 被调用")instance = super().__new__(cls)return instancedef __init__(self, value):print("__init__ 被调用，value =", value)self.value = valued = Demo(10)
2. __new__的核心角色与细节
__new__是一个决定性的方法，它在对象创建的最前端介入，负责返回一个具体的实例对象。对不可变类型（如int、str、tuple）的子类化，往往需要在__new__中完成对底层数据的构建，而不是在__init__中修改。
在某些场景下，__new__可以实现对象缓存、单例模式、或自定义创建逻辑，而__init__则更多用于属性的初始化与状态设定。需要明确的是，__init__会在__new__返回当前类的实例后被调用，除非__new__返回一个不同类的实例。
下面给出一个缓存对象的示例，展示如何通过__new__实现对象级别的缓存，避免重复创建相同键值的对象，同时在__init__中控制仅初始化一次。
class CachedObject:_cache = {}def __new__(cls, key, *args, **kwargs):if key in cls._cache:return cls._cache[key]obj = super().__new__(cls)cls._cache[key] = objreturn objdef __init__(self, key, value):if hasattr(self, "_initialized"):returnself.key = keyself.value = valueself._initialized = True
3. __init__的职责与边界条件
__init__承担对象状态初始化的职责，它在对象真正就绪用于使用之前，完成对实例属性的赋值、默认行为的设定以及对外部依赖的注入。虽然它常被视为“初始化入口”，但它并不负责对象的分配工作。
一个重要的边界条件是：如果__new__返回的不是当前类的实例，__init__不会被调用，这在设计子类或实现某些工厂方法时需要格外留意。
为了避免重复初始化，通常会在__init__中加入初始化保护逻辑，例如通过一个标志位来判断是否已经初始化，确保在多次创建同一实例时不会重复覆盖状态。
class Simple:def __new__(cls, *args, **kwargs):return super().__new__(cls)def __init__(self, value):if getattr(self, "_initialized", False):returnself.value = valueself._initialized = True
4. __new__与__init__的协作机制
对象创建的典型流程是：先调用__new__，如果返回的是当前类的实例，系统再调用__init__对这个实例进行初始化。这一序列决定了很多设计上的边界与可控性。例如，在自定义元类或工厂模式中，开发者往往通过__new__来完成复杂的对象分派与缓存逻辑。
当__new__返回的是当前类的实例时，__init__将接着执行，否则如果__new__返回了其他类型的对象，__init__不会被调用，这对实现“多态实例化”提供了强大支撑。
一个常见的实践是对不可变类型的子类化，如下例所示，__new__用于构造底层数据结构，而__init__在某些情况下可以为空或仅做少量赋值。
class Point(tuple):def __new__(cls, x, y):obj = super().__new__(cls, (x, y))obj.x = xobj.y = yreturn objdef __init__(self, x, y):# 对不可变底层数据（tuple）的扩展属性初始化pass
5. 应用场景与模式
__new__与__init__的组合可以扩展多种设计模式，如对象缓存、单例模式、工厂方法与飞行权重模式等。通过对创建阶段的控制，可以在性能、内存 footprint以及对象生命周期方面带来显著影响。
示例场景一：实现单例模式时，__new__负责返回唯一实例，而__init__则需要避免重复初始化，通常通过初始化标志位实现，例如：
class Singleton:_instance = Nonedef __new__(cls, *args, **kwargs):if cls._instance is None:cls._instance = super().__new__(cls)return cls._instancedef __init__(self, value=None):if getattr(self, "_initialized", False):returnself.value = valueself._initialized = True
示例场景二：使用__new__实现对象缓存或对象池，以减少重复创建带来的开销；通过__init__保持对状态的一致性与可预测性。对于生产环境，需结合内存分析与对象生命周期的监控来确保健壮性。
对于不可变类型的子类化，__new__往往成为核心入口，因为它直接决定底层数据结构的构建方式，而__init__在此场景下的作用相对有限。
class CachedInt(int):_cache = {}def __new__(cls, value):if value in cls._cache:return cls._cache[value]obj = int.__new__(cls, value)cls._cache[value] = objreturn obj
6. 技术要点与调试技巧
在日常调试中，了解__new__与__init__的调用顺序尤为重要。通过在两者中添加打印或日志，可以直观地看到对象的实际创建路径，并据此优化设计。
实用要点包括：为复杂的创建逻辑留出可测试的入口，使用断言与单元测试覆盖边界场景；对不可变类型的子类化，优先落地__new__的实现；对需要重复初始化的场景，确保__init__具有幂等性。
def debug_flow():class Maker:def __new__(cls, *args, **kwargs):print("__new__ 调用，args =", args, "kwargs =", kwargs)return super().__new__(cls)def __init__(self, name):print("__init__ 调用，name =", name)self.name = namem = Maker("alpha")
debug_flow()
