__instancecheck__ 是Python中用于拦截并自定义 isinstance() 行为的魔术方法，它必须定义在元类中才能生效；若直接写在普通类里会被忽略。当调用 isinstance(obj, cls) 时，若 cls 的元类实现了 __instancecheck__，则解释器优先调用该方法，传入 cls 和 obj 进行自定义判断，否则回退至默认继承链检查。
__instancecheck__ 是什么，它真能拦截 isinstance？
能，但只对自定义的类生效，且必须定义在 metaclass 中。直接写在普通类里会被忽略——这是最常踩的坑。Python 的 isinstance(obj, cls) 在检查时，如果 cls 是一个有元类的类，会优先调用该元类的 __instancecheck__ 方法，而不是走默认的继承链判断。
为什么直接在类里定义 __instancecheck__ 没用？
因为 __instancecheck__ 是元类（type 或其子类）的方法，不是实例方法或类方法。Python 解释器在执行 isinstance(x, MyClass) 时，查的是 MyClass.__class__.__instancecheck__，也就是 MyClass 的元类的方法。
- 如果你没显式指定元类，
MyClass的元类就是type，而type.__instancecheck__不会看你类里写的__instancecheck__ - 必须让
MyClass的元类重载该方法，比如继承type并覆盖__instancecheck__
如何正确实现并测试拦截逻辑？
定义一个元类，在其中重写 __instancecheck__；再用这个元类创建目标类。注意：该方法接收两个参数 —— cls（被检查的类，即 isinstance(obj, cls) 中的 cls）和 instance（待检查的对象）。
class FlexibleMeta(type):
def __instancecheck__(self, instance):
# 拦截所有 isinstance(x, SomeClass) 调用
if hasattr(instance, 'is_valid') and instance.is_valid:
return True
if isinstance(instance, str) and 'magic' in instance:
return True
return super().__instancecheck__(instance)
<p>class MyType(metaclass=FlexibleMeta):
pass</p><h1>测试</h1><p>print(isinstance('magic-word', MyType)) # True
print(isinstance(type('dummy', (), {'is_valid': True})(), MyType)) # True
print(isinstance(42, MyType)) # False（走 super 回退到默认逻辑）
</p>
关键点：super().__instancecheck__(instance) 是必须的兜底，否则会完全绕过继承关系检查，导致 isinstance(MyType(), MyType) 都返回 False。
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
容易被忽略的边界和性能影响
__instancecheck__ 是运行时动态调用的，每次 isinstance 都触发，不适合做重操作（比如 IO、复杂反射）。另外，它不改变 issubclass 行为，也不影响 __class__ 或 __mro__ 结构 —— 它只是个“判断钩子”。还有两个隐蔽问题：
- 第三方库（如
dataclasses、pydantic）可能依赖标准类型检查逻辑，强行拦截可能导致它们内部行为异常 - 类型提示工具（mypy、pylance）完全不识别
__instancecheck__，静态分析仍按原始继承关系走 - 如果元类还同时实现了
__subclasscheck__，两者逻辑最好保持语义一致，否则isinstance和issubclass可能出现反直觉结果
真正要用它，通常是做协议式适配（比如让 dict 实例“假装”是某个接口类型），而不是替代继承设计。一旦开始依赖它，后续调试类型相关 bug 的路径就变长了。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
