在运行时的python中，确定对象是否为类（旧类型和新类型）实例
问题内容：
我正在尝试使用h5py模块为HDF5文件编写一组深层嵌套的类，属性，绑定方法等，以进行长期存储。我真的很亲近
我唯一无法解决的问题是在运行时以编程方式找出一种确定某项是否是类实例类型而不是列表，int等的方法。我需要递归到类实例，但显然不应该递归为int，float等。这对于旧式和新式类均适用。我研究过的东西不起作用/我无法工作：
使用检查模块
>>> class R(object): pass
...
>>> _R = R()
>>> import inspect
>>> inspect.isclass(_R)
False
>>> inspect.isclass(R)
True
这没有帮助，我需要一个函数inspect.isclassinstance(_R)来返回True
使用类型模块
如果您使用老式类，则有一个名为InstanceType的类型，它与老式类的实例匹配，如下面的代码所示
>>> import types
>>> class R(): pass #old-style class
...
>>> _R = R()
>>> import types
>>> type(_R) is types.InstanceType
True
>>> class R(object): pass #new-style class
...
>>> _R = R()
>>> type(_R) is types.InstanceType
False
但是，如果您使用新样式的类，则没有相应的类型 types
问题答案：
尽管发帖人很可能需要重新考虑他的设计，但在某些情况下，确实有必要使用Cclass语句来区分使用C创建的内置/扩展类型实例和使用Python创建的类实例。虽然两者都是类型，但后者是CPython内部称为“堆类型”的类型类别，因为它们的类型结构是在运行时分配的。在__repr__输出中可以看到python继续区分它们：
>>> int # "type"
<type 'int'>
>>> class X(object): pass
...
>>> X # "class"
<class '__main__.X'>
__repr__可以通过检查类型是否为堆类型来准确实现此区别。
根据应用程序的确切需求，is_class_instance可以通过以下方式之一实现功能：
# Built-in types such as int or object do not have __dict__ by
# default. __dict__ is normally obtained by inheriting from a
# dictless type using the class statement. Checking for the
# existence of __dict__ is an indication of a class instance.
#
# Caveat: a built-in or extension type can still request instance
# dicts using tp_dictoffset, and a class can suppress it with
# __slots__.
def is_class_instance(o):
return hasattr(o, '__dict__')
# A reliable approach, but one that is also more dependent
# on the CPython implementation.
Py_TPFLAGS_HEAPTYPE = (1<<9) # Include/object.h
def is_class_instance(o):
return bool(type(o).__flags__ & Py_TPFLAGS_HEAPTYPE)
编辑
这是该功能第二个版本的说明。它实际上使用CPython内部出于其自身目的而使用的相同测试来测试类型是否为“堆类型”。这样可以确保对于堆类型（“类”）的实例始终返回True，对于非堆类型（“
types”，以及易于修复的旧类）实例始终返回False。它通过检查C级结构的tp_flags成员是否设置了位来实现。该实现的弱点是它会硬编码PyTypeObjectPy_TPFLAGS_HEAPTYPE``Py_TPFLAGS_HEAPTYPE恒定到当前观测值。（这是必需的，因为该常量不会以符号名称显示给Python。）虽然从理论上讲该常量可以更改，但实际上不太可能发生，因为这样的更改会无意破坏现有扩展模块的ABI。纵观定义Py_TPFLAGS常量中Include/object.h，显而易见的是，新的，而不会干扰旧的被小心地加入。另一个缺点是该代码在非CPython实现（如Jython或IronPython）上运行的机会为零。
