Odpowiedź.

W Pythonie tworzenie obiektu klasy to proces dwuetapowy:

1. Najpierw wywoływana jest metoda statyczna __new__, która odpowiada za przydzielenie i zwrócenie nowej instancji klasy.
2. Następnie wywoływana jest __init__, która inicjalizuje już utworzony obiekt.

Różnice:

• __new__ — tworzenie (można zwrócić dowolny nowy obiekt; obowiązkowy parametr — klasa).
• __init__ — inicjalizacja (pracuje z self, już przydzieloną instancją).
• Zwykle __new__ jest przesłaniane dla dziedziczących po niemutowalnych typach (tuple, str, int), tworzenia singletonów i wzorca "fabryka".

Przykład użycia:

class MyStr(str):
    def __new__(cls, value):
        print("__new__ wywołane")
        instance = super().__new__(cls, value.upper())  # zmieniamy wartość przed utworzeniem
        return instance
    def __init__(self, value):
        print("__init__ wywołane", value)

s = MyStr('abc')  # __new__ wywołane -> __init__ wywołane abc
print(s)  # 'ABC'

Pytanie z pułapką.

Czy można zainicjować niemutowalny obiekt przez __init__, jeśli w klasie nie zrealizowano __new__?

Odpowiedź z przykładem:

Nie! Na przykład dla niemutowalnych typów (jak str, int, tuple) wszelkie zmiany nad polami/wartością muszą odbywać się w __new__, inaczej w __init__ nie można zmienić wartości.

class MyTuple(tuple):
    def __init__(self, items):
        print(f'__init__! {items}')
    
    def __new__(cls, items):
        print(f'__new__! {items}')
        return super().__new__(cls, map(str, items))

t = MyTuple([1, 2, 3])
print(t)  # ('1', '2', '3')

Przykłady rzeczywistych błędów z powodu niewiedzy o szczegółach tematu

---

Historia

W dużym projekcie Django zaimplementowano dziedziczenie po str do przechowywania specjalnych typów ciągów. Próbowano zmieniać wartość w __init__ — ale wynik nie zmieniał się, ponieważ str jest niemutowalny. Naprawiono to dopiero po zbadaniu i przesłonięciu __new__.

---

Historia

Podczas implementacji wzorca Singleton zapomniano zaimplementować logikę zwracania istniejącej instancji w __new__: kilka wywołań klasy nadal tworzyło nowe obiekty, co prowadziło do fragmentacji pamięci.

---

Historia

W bibliotece do serializacji danych podczas cachowania użyto klasy z przesłoniętym __init__, ale nie zauważono, że do cachowania potrzebny jest właśnie zwrot tego samego obiektu przez __new__. Z tego powodu cache psuł się przy każdym nowym wywołaniu, ponieważ tworzone były różne obiekty.