# Python 编程思想：名字、对象与资源边界

> 用小例子理解赋值、浅拷贝、深拷贝、可变对象和上下文管理，去掉依赖旧版本的技巧。

- 作者：[小土刀](https://wdxtub.com/about)
- 发布日期：2016-03-24
- 更新日期：2026-11-06
- 原文（引用请使用此链接）：https://wdxtub.com/blog/language/python-object-model
- 所属系列：language 编程语言与英语
- 标签：Python、编程
- 许可：CC BY-NC-SA 4.0（https://creativecommons.org/licenses/by-nc-sa/4.0/deed.zh）
- 正文中的站内图片路径以 https://wdxtub.com 为根目录。

---

Python 中很多看似奇怪的行为，都可以回到三个问题：名字绑定了哪个对象，对象是否可变，谁负责释放外部资源。把这三件事弄清楚，比记住一串“黑魔法”更有用。

本文重写自《Python 编程思想》，保留对象与资源管理主线，示例使用 Python 3，不沿用旧版字节码细节和实现偶然行为。

## 赋值没有复制对象

```python
a = [1, 2]
b = a
b.append(3)
assert a == [1, 2, 3]
assert a is b
```

`a` 和 `b` 绑定到同一个列表。`==` 比较值是否相等，`is` 比较是否为同一对象；不要用字符串或小整数缓存的现象推导通用规则。

对象的身份、类型和值是不同概念。元组不能替换成员引用，但成员指向的对象仍可能可变：

```python
items = ([1], 'label')
items[0].append(2)
assert items == ([1, 2], 'label')
```

这里没有改变元组保存的引用，改变的是列表内容。定义见 [Python 数据模型](https://docs.python.org/3/reference/datamodel.html)。

## 浅拷贝只复制外层

```python
from copy import deepcopy

original = [[1], [2]]
shallow = original.copy()
deep = deepcopy(original)
original[0].append(3)
assert shallow[0] == [1, 3]
assert deep[0] == [1]
```

浅拷贝产生新容器，成员仍指向原对象；深拷贝递归复制成员。深拷贝也不是万能的资源克隆：文件、套接字等并不会被复制成等价的独立资源，类还可以定制复制行为。见 [copy 模块](https://docs.python.org/3/library/copy.html)。

选择哪种复制方式，要从是否允许共享成员状态出发，而不是把深拷贝当成默认的“更安全”。有时共享就是设计的一部分。

## 区分修改对象与重新绑定

对列表，`append` 增加一个元素，`extend` 逐个加入可迭代对象中的元素。`+` 通常创建新列表，`+=` 对列表通常原地扩展；对于其他类型，行为由相应协议决定。

```python
a = [1]
b = a
a = a + [2]
assert b == [1]
a = b
a += [3]
assert b == [1, 3]
```

函数参数同样遵循名字绑定。函数内重新给参数赋值，不会重新绑定调用者的名字；修改共同引用的可变对象，则可能被调用者观察到。

可变默认参数也与此相关。默认值在函数定义时求值，而不是每次调用都重新创建：

```python
def add_item(value, items=None):
    if items is None:
        items = []
    items.append(value)
    return items

assert add_item(1) == [1]
assert add_item(2) == [2]
```

## with 明确资源生命周期

文件、锁和事务有明确的开始与结束。用上下文管理器表达这个边界，能够在正常退出和异常退出时执行约定的清理逻辑。

```python
from contextlib import contextmanager

@contextmanager
def tracked(events):
    events.append('enter')
    try:
        yield
    finally:
        events.append('exit')

events = []
try:
    with tracked(events):
        raise ValueError('example')
except ValueError:
    pass
assert events == ['enter', 'exit']
```

这个例子不会吞掉异常；外层仍需要决定怎样处理它。实际上下文管理器是否抑制异常、如何提交或回滚，由具体实现决定。[contextlib 文档](https://docs.python.org/3/library/contextlib.html)说明了协议与生成器形式的管理器。

## 语言规则与实现细节分开

CPython 的引用计数、垃圾回收和对象缓存，是理解性能时的重要背景，但不应据此依赖某个对象恰好何时销毁。需要及时关闭的外部资源，使用明确的生命周期管理。

分析复杂行为时，可以先画出名字与对象的引用关系，再写一个最小例子。能清楚解释哪个引用被替换、哪个对象被修改，很多问题就已经解决了一半。

