Python的类属性把我带进沟里了,原来实例查找和类查找顺序这么反直觉

简介: 本文以真实踩坑案例切入,深入剖析Python类属性与实例属性的核心区别:查找时“先实例后类”,但赋值与修改行为截然不同。重点揭示可变类属性(如列表、字典)引发的共享陷阱,并用“公共储物柜vs私人抽屉”生动比喻助你彻底理解。

讲个真事儿。

去年我写了一个小型的任务管理模块,里面有个 Task 类,用来表示一个任务。我心想,每个任务都应该有一个标签列表,方便分类。于是我在类里定义了一个类属性:

class Task:
   tags = []
   
   def __init__(self, name):
       self.name = name
   
   def add_tag(self, tag):
       self.tags.append(tag)

看起来没问题。我创建了两个任务:

t1 = Task("写文档")
t2 = Task("改bug")

t1.add_tag("紧急")
print(t2.tags)  # 输出什么?

我预期 t2.tags 是空的,因为 t2 还没加过标签。结果它输出 ['紧急']。

我盯着屏幕看了半天,以为是自己眼花了。t1 加标签,怎么 t2 也跟着有了?它们不是两个独立的对象吗?

那天我花了两个小时才彻底搞明白:类属性和实例属性的查找顺序,以及赋值和修改的区别,比我以为的要反直觉得多。

代理 IP 使用小技巧 让你的数据抓取效率翻倍 (85).png

类属性和实例属性,到底有什么区别

先从头说清楚。

在 Python 里,属性分为两种:

  • 类属性:定义在类里面、方法外面的属性。它属于类本身,所有实例共享。
  • 实例属性:定义在 __init__ 里,或者通过 self.xxx = ... 动态添加的属性。它属于每个实例自己。

class Dog:
   species = "犬科"          # 类属性,所有狗共享
   
   def __init__(self, name):
       self.name = name      # 实例属性,每只狗独有

访问属性时,Python 的查找顺序是:

  1. **先找实例自己的 __dict__**(实例属性)
  2. **如果没找到,再找类的 __dict__**(类属性)
  3. 如果还没找到,沿着继承链往上找父类(MRO)
  4. 最后找不到就抛 AttributeError

这个顺序本身不反直觉。反直觉的地方在于赋值和修改的区别。

赋值:在哪个字典里写,就在哪个字典里读

当你写 self.tags = [...] 时,Python 会在实例的 __dict__ 里创建一个新的键值对。这叫做“实例属性赋值”。

当你写 Task.tags = [...] 时,Python 会在类的 __dict__ 里修改。这叫做“类属性赋值”。

但如果你写 self.tags.append(...),情况就完全不一样了。

self.tags 首先触发查找:先看实例 __dict__ 里有没有 tags。如果没有,就去找类 __dict__。找到了类属性 tags,它是一个列表。然后 .append() 是原地修改这个列表。这个列表是类属性,属于类本身,所有实例共享。

所以 t1 和 t2 的 self.tags 最终指向的是同一个列表对象。t1 往里加东西,t2 看到的自然也是同一个列表。

这就是我踩的坑:我以为 self.tags 是每个实例自己的,但其实它只是一个查找结果。查找找到的是类属性,修改它就是在修改类属性。

用生活场景理解:公共储物柜和私人抽屉

我想到一个比喻。

类属性就像公司里的公共储物柜。所有员工(实例)都可以打开它,往里放东西,或者拿东西。你放进去的东西,别人也能看到。

实例属性就像每个员工工位上的私人抽屉。你自己往里放东西,别人看不到。

当你执行 self.tags.append("紧急") 时,你实际上是在说:“先去我的私人抽屉找 tags,没找到?那去公共储物柜找。找到了?好,往公共储物柜里塞一个‘紧急’。”

而当你执行 self.tags = ["紧急"] 时,你是在说:“在我的私人抽屉里放一个叫 tags 的东西,值是一个新列表。”

前者修改了公共物品,后者创建了私有物品。这就是区别。

可变类属性的坑:列表、字典、集合

这个坑最常出现在列表、字典、集合这些可变对象上。因为它们可以被原地修改,而不是被重新赋值。

class User:
   permissions = []   # 危险:所有用户共享这个列表
   
   def add_permission(self, perm):
       self.permissions.append(perm)

如果你真的希望每个用户有独立的权限列表,应该这样写:

class User:
   def __init__(self):
       self.permissions = []   # 每个实例自己的列表

或者,如果你确实需要一个类级别的默认值,但不想共享,可以用 None 作为占位符:

class User:
   permissions = None
   
   def add_permission(self, perm):
       if self.permissions is None:
           self.permissions = []   # 第一次访问时创建实例属性
       self.permissions.append(perm)

这样,第一次调用 add_permission 时,会在实例的 __dict__ 里创建一个新的 permissions 列表。之后所有操作都在实例自己的列表上进行,不会影响其他实例。

继承中的查找顺序:比你想的复杂

类属性的查找顺序在单继承时还算直观:先实例,再子类,再父类。

但在多继承时,Python 使用 C3 线性化算法 来确定方法的解析顺序(MRO,Method Resolution Order)。这个顺序有时候很反直觉。

看一个经典的“钻石继承”:

class A:
   def who(self):
       print("A")

class B(A):
   def who(self):
       print("B")

class C(A):
   def who(self):
       print("C")

class D(B, C):
   pass

d = D()
d.who()  # 输出什么?

如果你以为输出 A,那就错了。输出是 B。

因为 D 的 MRO 是:D → B → C → A → object。

查找 who 方法时,先找 D(没有),再找 B(有),所以输出 B。

这个顺序不是简单的“深度优先”,而是 C3 线性化计算出来的。它的规则是:子类永远在父类前面,多个父类按声明顺序从左到右,但如果有共同的祖先,要保证祖先在多个路径中只出现一次且位置正确。

你可以用 D.__mro__ 查看:

print(D.__mro__)
# (<class '__main__.D'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.A'>, <class 'object'>)

这个顺序在属性查找时同样适用。所以如果你在 B 和 C 里都定义了同名的类属性,D 的实例会优先找到 B 的那个。

一个更隐蔽的坑:子类覆盖类属性

假设你有一个基类,定义了一个类属性:

class Base:
   config = {"timeout": 30, "retries": 3}

class Child(Base):
   pass

然后你修改 Child.config:

Child.config["timeout"] = 60

你以为只改了 Child 的配置?错了。因为 Child.config 先查找 Child 的 __dict__,没找到,去 Base 找,找到了那个字典。然后你原地修改了它。Base 的 config 也被改了。

print(Base.config)  # {'timeout': 60, 'retries': 3}

如果你想让 Child 有自己独立的配置,应该重新赋值:

Child.config = {"timeout": 60, "retries": 3}

这样会在 Child 的 __dict__ 里创建一个新的字典,Base 不受影响。

类属性什么时候该用

类属性不是坏东西,用对了地方很方便。以下场景适合用类属性:

  • 常量:比如 PI = 3.14159,所有实例共享,不需要修改。
  • 共享的不可变配置:比如 species = "犬科"。
  • 类级别的计数器:但要注意线程安全和并发问题。
  • 单例模式中的实例引用。

但以下场景应该避免用类属性:

  • 可变对象作为默认值(列表、字典、集合),除非你明确希望所有实例共享。
  • 需要每个实例独立维护的状态。
  • 在继承中可能被修改的配置。

如何正确管理属性

一个简单的原则:如果一个属性的值会因实例而异,就放在 __init__ 里作为实例属性。如果一个属性是所有实例共享且不会变的,才放在类里作为类属性。

class Task:
   # 类属性:所有任务共享的常量
   MAX_RETRIES = 3
   
   def __init__(self, name):
       # 实例属性:每个任务独有的
       self.name = name
       self.tags = []
       self.retries = 0

如果你需要在类级别共享一个可变对象,但又希望每个实例可以独立修改,可以用 None 占位,在 __init__ 或首次访问时创建实例属性。

查看 __dict__ 来理解一切

Python 中一切皆对象,类和实例都有自己的 __dict__。查看它们能帮你理解属性到底存在哪里。

class Task:
   tags = []
   def __init__(self, name):
       self.name = name

t = Task("写文档")
print(t.__dict__)        # {'name': '写文档'}
print(Task.__dict__)     # 包含 tags, __init__ 等

当你访问 t.tags 时,Python 先看 t.__dict__,没有;再看 Task.__dict__,有,返回那个列表。

当你执行 t.tags.append("紧急"),t.__dict__ 依然只有 name,Task.__dict__ 里的 tags 被修改了。

当你执行 t.tags = ["紧急"],t.__dict__ 里多了一个 tags 键,之后 t.tags 就优先用这个了。

多重继承中的 super() 也依赖 MRO

super() 的行为也由 MRO 决定。它不是在找“父类”,而是在 MRO 列表里找“下一个类”。

class A:
   def __init__(self):
       print("A")

class B(A):
   def __init__(self):
       super().__init__()
       print("B")

class C(A):
   def __init__(self):
       super().__init__()
       print("C")

class D(B, C):
   def __init__(self):
       super().__init__()
       print("D")

d = D()
# 输出顺序:A, C, B, D

因为 D 的 MRO 是 D → B → C → A。super() 从 B 开始,B 的 super() 找到 C,C 的 super() 找到 A。所以初始化顺序是 A → C → B → D。

这个顺序和单继承的直觉完全不同,但它是 C3 线性化的必然结果。

总结

Python 的类属性查找顺序,核心就三句话:

  1. 查找时:先实例,后类,再父类,按 MRO 顺序。
  2. 赋值时:self.x = ... 创建实例属性;Class.x = ... 修改类属性。
  3. 修改可变类属性时:如果实例没有自己的同名属性,修改的是类属性,所有实例共享。

记住那个储物柜的比喻:类属性是公共储物柜,实例属性是私人抽屉。查找时先翻自己的抽屉,再翻公共储物柜。直接赋值等于往自己抽屉里放东西,原地修改等于在公共储物柜里动手脚。

我那个任务管理模块后来改成了在 __init__ 里初始化 self.tags = [],所有实例就都独立了。从那以后,每次定义类属性,我都会问自己一句:这个属性,是所有实例共享的,还是每个实例独有的?答案清楚了,坑就绕过去了。

目录
相关文章
|
2月前
|
数据采集 JavaScript 前端开发
房产数据对比爬虫:同时爬取链家+贝壳+安居客,做房价横向对比
本文详解如何突破链家/贝壳(JS渲染+字体反爬)与安居客(动态Token+请求头校验)的差异化反爬机制,基于适配器模式构建跨平台爬虫架构,结合站大爷隧道代理实现IP隔离,并通过小区名+户型+面积模糊匹配,完成房价横向对比分析,助力识别虚高挂牌与低价引流。
568 1
|
2月前
|
TensorFlow 算法框架/工具 Python
Python的虚拟环境把我整不会了,原来venv和conda背后藏着这么多坑
本文通过实习生踩坑经历,深入对比Python虚拟环境工具venv与conda的核心差异:venv轻量专注包隔离,但绑定Python版本;conda全能自包含,支持多版本及系统级依赖。二者逻辑迥异,混用易致环境崩溃。文末给出选型指南与Poetry+pyenv现代方案建议。(239字)
331 0
|
1月前
|
人工智能 编解码 自然语言处理
从 AI 图表初稿到技术文档:Mermaid 校验、修复与导出实践
大模型可以根据自然语言快速生成 Mermaid 流程图和时序图,但生成结果并不一定能够直接放进 README、技术方案或接口文档。除了语法错误,还可能存在参与者不一致、异常分支缺失、节点命名过长以及图表类型选择不当等问题。 本文以一个订单接口调用流程为例,介绍如何对 AI 生成的 Mermaid 图进行预览、业务校验、语法修复和文档交付,并整理一份可复用的发布前检查清单。
|
2月前
|
人工智能 算法 测试技术
一边是 AI 岗扩招、一边是手工测试岗在减少:新人第一份测试工作该怎么选方向
2027届校招呈现明显分化:AI全栈、测试开发等技术岗需求超70%,纯手工测试岗持续收缩。本文厘清趋势本质——非岗位消失,而是价值上移至“定义验收标准”与“构建可回归资产”。提供业务测试vs测试开发能力对照表,并强调新人首年必校准三大核心能力:系统化用例设计、模糊需求转验收条件、基础自动化实践。
|
2月前
|
弹性计算 安全 Linux
阿里云优惠活动怎么参与?新客户云服务器特惠活动入口、资格规则选购指南
阿里云新客户优惠活动,是新手低成本上云的渠道,参与流程核心是注册实名、进入活动页核验新人资格、挑选机型下单。轻量应用服务器适合建站、学习,ECS适合自由度更高的开发业务。网页控制台适合零基础用户,阿里云CLI命令适合开发者批量管理实例。在参与活动时,一定要读懂限购规则、地域限制、计费模式,避开资格失效、选错实例、安全配置疏漏等问题。根据自身业务规模选择合适规格,合理利用新人特惠,用较低成本完成项目部署、技术学习等需求。
312 0
|
2月前
|
人工智能 API 开发者
TokenPlan闭坑指南
阿里云百炼Token Plan是AI大模型按需订阅套餐,分个人版(39元/月起)和团队版(150元/月起)。本文梳理8大避坑要点:仅限北京地域、API Key与Base URL不可混用、Credits不结转、视频生成异步扣费、个人版有滚动限额、免费额度不适用、密钥勿硬编码、第三方工具需支持自定义Base URL。
446 0
|
2月前
|
弹性计算 监控 测试技术
阿里云最便宜服务器新版测评:38元/年、99元、199元三款实例性能、限制与选购全解析
对于个人站长、编程学习者、毕业设计项目、小微企业来说,云服务器的采购成本是首要考量因素。很多新手在挑选云服务器的时候,优先寻找最低价格套餐,但是低价实例往往附带购买门槛、资源限制、续费溢价、流量约束等隐藏规则,如果没有提前了解,很容易出现第一年低价,第二年续费价格暴涨,或是业务上线之后因为资源限制出现网站卡顿、访问超时等问题。阿里云推出的38元一年、99元一年、199元一年三款特价实例,是当前入门级云服务器当中热度最高的产品,分别对应轻量应用服务器与ECS弹性云服务器,三者定位、硬件配置、网络能力、续费政策存在明显区别。本文会对这三款特价服务器做完整的横向测评,包含硬件参数、带宽实测、磁盘IO
610 0
|
2月前
|
人工智能 编解码 API
阿里云Token Plan是什么?百炼TokenPlan介绍、费用、API调用及问题解答FAQ
阿里云百炼Token Plan是面向AI开发者的统一计费订阅服务,以Credits为通用消耗单位,覆盖文本、图像、视频、语音及Harness工具,兼容OpenAI/Anthropic协议。支持个人版(7天滚动限额)与团队版(坐席制+月度额度),助力开发者降本增效、简化成本管理。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
276 0
|
2月前
|
存储 JSON 数据格式
Python的生成器把我内存救活了,原来return和yield差距这么大
本文通过真实案例对比`return`与`yield`:前者一次性加载50万条JSON数据致内存飙至14GB,后者用生成器逐行处理仅耗80MB。深入剖析二者在执行机制、内存模型及编程思维(批处理vs流式)的本质差异,并详解生成器的惰性求值、状态保持、一次性等特性及典型应用场景。
122 0
|
2月前
|
数据采集 安全 JavaScript
Python的默认参数把我坑惨了,原来可变对象当默认值等于给自己埋雷
本文详解Python经典陷阱:可变对象作默认参数。因默认值在函数定义时仅创建一次,`def f(lst=[])` 中的列表会被所有调用共享,导致数据意外累积、污染。推荐统一用 `None` 占位,在函数内初始化,避免隐蔽bug。
178 0

热门文章

最新文章