外观
函数调用之间为什么会串数据:参数、作用域与闭包
摘要
第一次调用返回一个标签,第二次却带上了上次结果,通常是默认对象被共享。本文面向 Python 初学者,从两类稳定误用切入,讲清参数绑定、名称查找和闭包,帮助解释跨调用状态污染。
1. 场景:局部参数为什么保留上次状态
这是一个教学场景:你把日志标签添加逻辑封装成 add_tag(value, bucket=[]),希望没传列表时自动创建空列表。第一次得到 ['a'],第二次却得到 ['a', 'b'],甚至第一次保存的返回值也变了。函数不是每次都有自己的局部变量吗?是的,但局部名称独立,不等于名称指向的对象独立。默认列表在函数定义执行时创建,之后多次调用可以绑定到同一个列表。
再看生成三份任务的同一类误用:循环保存 lambda: index,执行时全返回二。将两类问题放到时间线上:定义时创建默认对象,调用时建立形参绑定,执行到名称读取时才取得相应值。 默认列表把多次调用接到同一对象,闭包则让多个任务在稍后读取同一外层绑定。它们都涉及绑定,却不发生在同一个时刻。
先预测循环结束后才执行任务会读到哪个 index,再追踪零、一、二如何更新同一绑定;任务保存了读取动作,不是三个数字快照。默认参数捕获当时的整数可以改变这个读取时点,但若捕获的是字典引用,内容仍会变化。后面实验分别查看 defaults、closure 和配置修改后的三种结果。
function(函数)是可以调用的对象。执行 def 语句会创建并绑定函数对象,函数体通常在调用时执行。函数对象还关联代码、定义环境及默认参数等信息。把函数作为参数或放进列表时,并没有因此执行它;fn 是引用,fn() 才是调用。这个模型会在装饰器和回调中反复出现。
2. 参数绑定先于函数体执行
parameter(形参)是定义中的名称,argument(实参)是调用时提供的值。def parse(line, default=0): ... 中 line 和 default 是形参;parse("200", default=5) 中字符串和整数是实参。位置参数按位置匹配,关键字参数按名称匹配。缺少必需参数、给同一参数传两次、提供不认识的关键字,都会在正常函数体执行前触发参数绑定错误。
*args 收集多余位置参数为元组,**kwargs 收集多余关键字参数为字典,名称并非保留字,但惯例有助阅读。调用中的 fn(*values, **options) 则是展开数据用于传参。不要把二者理解成“自动接受任何输入”:函数仍需要定义业务接口和校验。无限扩大 **kwargs 会隐藏拼错的配置项,也让接口依赖难以发现。
定义中 / 前面的参数仅允许按位置提供,独立 * 后面的参数仅允许按关键字提供。例如 def query(path, /, *, timeout=3): ... 要求 query("/orders", timeout=2) 这种形式。关键字限定适合多个含义接近的选项,避免 query(path, 2, True, 5) 这种难以阅读的调用;位置限定则可以让内部参数名字不成为公开调用协议。相关语法与默认参数规则见 Python 3.14 函数教程。
调用建立局部名称到实参对象的绑定。第三篇已经验证,重绑形参不会重绑调用者名称,修改共享列表却会影响调用者。返回语句也只是把结果对象交回调用方,不会自动深拷贝。不显式返回的函数返回 None;不要把打印出的值误认为函数返回值。将只打印结果的函数用于后续计算,会得到一个看似难解释的 None 传播问题。
3. 默认参数:创建时间决定共享范围
普通函数默认值在定义执行时求值一次,并由函数对象保留。函数通常在模块导入时被定义,因此那个默认列表可能跨所有调用存在;如果函数在另一个函数内部每次重新定义,则默认对象创建频率随外层定义执行次数变化。关键是“每次执行定义”,而不是简单背“程序启动时创建”。官方教程明确警告可变默认值会在后续调用间共享。
正例使用 bucket=None,函数体中 if bucket is None: bucket = [],让未提供时每次调用新建列表。这里必须用 is None,而不是 if not bucket。调用方主动传入空列表时,后者会替换它,破坏“写入调用方提供的容器”的约定。修复默认共享时,要同时保留显式输入的语义,不能仅让当前演示输出看起来正确。
如果 None 本身也是合法输入,可以创建专用 sentinel(哨兵,用于区分一种特殊状态):模块中 _MISSING = object(),默认参数使用它,通过身份判断。这样可以区分未传、显式传 None 和传其他值。哨兵适合需要精确区分状态的接口,简单函数没有这种需求就不必增加复杂度。
默认值求值时间还影响配置更新。例如 timeout = 3,随后定义 def fetch(wait=timeout): ...,再把全局 timeout 改为十,旧函数默认值仍是定义时取到的三。希望每次使用当前配置,应在函数体中读取配置或显式传参。这类问题不是“可变对象”才会出现;不可变默认值同样记录定义时得到的对象。
4. 名称查找:LEGB 是起点,不是全部语法规则
scope(作用域)是名称可以被解析的范围。普通函数名称查找常用 LEGB 概括:Local(当前局部)、Enclosing(外层函数)、Global(模块全局)、Builtins(内置名称)。每次函数调用有自己的局部环境;自由变量是函数使用但并非本地定义的名称,可能从外层函数绑定或模块全局查找。 可进一步阅读BeanScope与作用域代理:名称作用域与容器实例Scope不是同一概念。
一个容易踩的坑是 UnboundLocalError。模块有 count = 0,函数中先 print(count) 再 count += 1,并不会先读全局再建立局部。编译器看到函数代码块中存在该名称绑定,就通常按局部处理;读取时尚未赋值,于是报错。这是按整个代码块判定,不取决于赋值行在本次运行中是否已经执行。规则见 执行模型。
global count 指定相应名称使用模块全局绑定;nonlocal count 指定最近外层函数中已有的绑定。nonlocal 不是随意指向任何上层环境,找不到合适外层函数绑定会产生语法错误。修改外层可变对象的内容不需要 nonlocal,因为那不是名称重绑;count += 1 对整数会重绑,所以计数闭包需要它。
LEGB 不能简单覆盖类体、注解作用域等所有特殊规则。Python 3.14 的注解求值机制还有单独变化,本篇普通运行函数不涉及这些高级语法,第十三篇会注明版本边界。面试中先用 LEGB 解释普通函数,再说明它是常用概括,比强行把所有代码套入四个字母更准确。
5. 闭包:保留外层绑定,不是冻结某个瞬间的值
closure(闭包)是函数与它使用的外层函数绑定之间的组合。外层调用已经返回,内层函数仍能继续使用相关绑定,因为它们被保留下来。CPython 通常用 cell(单元对象)保存需要共享的外层变量关联;这样多个内层函数可以观察或更新同一个绑定。底层对象的具体实现会在解释器篇继续连接,这里重点理解为什么数据没有随外层返回消失。
循环生成的 lambda: index 在调用时读取外层绑定,创建函数时并没有把 index 的数值自动复制进函数代码。循环结束后绑定指向二,所以三个函数都读到二。将 lambda index=index: index 改成默认参数,会在每次定义时读取当前值,调用时使用各自默认绑定。这利用了默认值求值时间,不是 lambda 特殊的捕获语法。
如果捕获对象可变,默认参数固定的是引用,仍不是深快照。lambda settings=settings: settings 会保留那个字典,其他代码修改字典后任务仍看到变化。希望冻结状态时,应根据数据模型显式复制或构建不可变表示。另一个清晰的修复是工厂函数:每次调用工厂建立独立局部绑定,再返回读取它的闭包。工厂与默认参数各有适用范围,选择能表达所有权的方式。
图表将在阅读到此处时加载…
箭头表示名称与对象关联,不表示计数器天然线程安全。多个线程读改写仍需同步;保留状态与保护状态是两回事。
6. 最小实验:稳定复现两种串改并修复
用三个时点阅读代码:bad_add 定义时已有一个列表,第一次调用追加 a,第二次追加 b,两个返回引用都仍指向它;任务循环结束时 index 为二,随后三次读取都得到二。正例只改变对象创建或数值捕获的时点,预测结果应分别成为独立列表和 [0,1,2]。配置回调的 (20,10,20) 再检验“固定绑定”是否真的固定内容。
完整程序在 05_functions.py:
python
"""复现默认对象共享与闭包延迟绑定。"""
def bad_add(value, bucket=[]):
bucket.append(value)
return bucket
def good_add(value, bucket=None):
if bucket is None:
bucket = []
bucket.append(value)
return bucket
def make_counter():
count = 0
def increment():
nonlocal count
count += 1
return count
return increment
def main():
first = bad_add("a")
second = bad_add("b")
assert first is second and first == ["a", "b"]
assert bad_add.__defaults__[0] is first
assert good_add("a") == ["a"] and good_add("b") == ["b"]
bad = [lambda: index for index in range(3)]
good = [lambda index=index: index for index in range(3)]
assert [fn() for fn in bad] == [2, 2, 2]
assert [fn() for fn in good] == [0, 1, 2]
counter = make_counter()
assert (counter(), counter()) == (1, 2)
assert counter.__closure__[0].cell_contents == 2
# 在任务创建后改变配置,区分标量快照与可变引用。
config = {"timeout": 10}
late = lambda: config["timeout"]
snapshot = lambda timeout=config["timeout"]: timeout
shared = lambda config=config: config["timeout"]
config["timeout"] = 20
assert (late(), snapshot(), shared()) == (20, 10, 20)
def broken():
count += 1 # 赋值让 count 成为局部名称,读取时尚未绑定。
try:
broken()
except UnboundLocalError:
print("unbound local reproduced")
else:
raise AssertionError("expected UnboundLocalError")
print("task late/scalar/shared:", late(), snapshot(), shared())
print("default:", first)
print("closures:", [fn() for fn in bad], [fn() for fn in good])
if __name__ == "__main__":
main()执行 python docs/python/examples/05_functions.py,预期输出 default: ['a', 'b'] 和 closures: [2, 2, 2] [0, 1, 2]。计数器通过断言检查连续调用分别得到一和二。bad_add 是刻意保留的反例,名字说明不应该被复制进业务代码;正例每次未传容器都新建对象。
列表推导式中 index 在其相应作用域内变化,三个函数共享那一绑定,而不需要假设它污染了外部函数局部变量。解释现代 Python 的推导式时,不要沿用 Python 2 循环变量泄漏的旧印象。实验只验证指定写法,不将其推广成所有循环、异步回调或默认参数都共享同一对象。
7. 从修复代码到建立接口约束
设计函数时先说明是否允许修改实参。append_tag 这类名字可以提示就地修改,纯计算函数则应明确返回新结果。把输入输出边界写在说明中,调用方才知道是否能继续复用原数据。参数数量变多时,用仅关键字选项降低误传概率,不靠读者记住五个位置参数的含义。
跨请求污染排查要检查函数对象的定义时点。模块级函数默认值、闭包、缓存装饰器都可能长期保留状态;在请求内部看到一个局部参数名,并不能证明对象在请求内创建。找到创建点、引用保留者和修改者,再决定应新建、复制或共享加锁。只在污染出现后清空列表,往往会破坏其他并发请求,不能替代所有权修复。
闭包还可能保留大型对象。若回调只需要某个 ID,却捕获包含整批日志的上下文,对象生命周期可能被延长到回调释放时。尽量捕获需要的数据,避免让回调不必要地引用整个业务对象图。第十八篇会通过保留路径解释内存增长,这里先建立“函数对象也能保留引用”的认识。
8. 把状态放在哪里:显式参数、闭包和对象
日志处理函数如果只依赖输入行,适合把所有必要值作为参数,并返回解析结果。这样同样输入更容易产生同样结果,也容易在隔离实验里复现。若每次调用还偷偷读取模块全局配置、修改全局计数,函数签名就没有描述真实依赖。局部看起来简单,部署配置和测试顺序却可能影响行为。
闭包适合封装一小块状态,例如为某个任务创建独立计数器。调用 make_counter() 两次会产生两个相应外层环境,两个计数器可以独立更新;同一个计数器传给多处调用者,则共享那一块状态。决定共享的是工厂调用次数和引用分发方式,不是 def 写在几层缩进中。代码评审时可以明确标注“每任务创建”或“全局复用”。
状态和操作变多时,用类对象组织通常更直观:属性保存状态,方法完成操作,生命周期由调用方创建与释放。第九篇会补齐类的基础。闭包并不一定比类更轻、更快,类也不一定更适合所有小函数;没有对应工作负载测量不做性能断言。选择依据应是接口清晰度和状态边界。
另外,递归会为每次调用建立新的执行环境,但不会自动复制传入对象。如果递归处理中同一个列表被传给下一层,所有层仍能修改它;如果退出时没有恢复临时修改,可能污染其他分支。这是回溯算法中的常见坑。可以使用新结果对象,或明确成对执行加入与撤销,并对异常路径设计清理。函数调用层数增加不等于数据隔离层数增加。
返回多个结果时,Python 常用元组解包,例如 return status, duration。调用方 status, duration = parse(line) 获得两个对象引用,不是两个独立的传输通道。接口变更返回数量会让旧解包失败;字段含义变更更可能静默出错。结果结构稳定且字段增多后,应考虑命名数据结构,而不是让调用方记住第六个元素是什么。
高阶函数是接收或返回函数的函数。sorted(events, key=...) 这类接口使用回调计算排序键,回调可能在之后由库调用;创建时点和调用时点分开,正是闭包捕获问题出现的条件。给回调显式绑定所需参数,避免它依赖不断变化的全局状态,通常更容易复现。也不要在回调中产生与排序无关的更新,否则调用次数与顺序可能成为隐含业务协议。
最后,函数注解只表达预期类型,不会自动复制实参或改变作用域。给 bucket 标成列表类型,不会修复默认对象共享;给返回值加类型,也不会防止外部修改内部列表。语法层的说明与运行时对象关系必须分开验证,第十三篇会进一步建立静态检查、运行时校验和测试各自的责任。
9. 面试与延伸
为什么默认参数共享? 默认表达式在定义执行时求值,函数对象保留结果,多次调用未提供实参时使用同一对象。答到“列表可变”还不够,必须说清创建时点。
闭包为何读取循环最后值? 多个函数使用同一绑定,真正读取发生在调用时。默认参数或工厂调用可以建立不同绑定,但可变对象仍有引用共享问题。
什么时候用 global,什么时候用 nonlocal? 前者选择模块绑定,后者选择外层函数已有绑定;它们处理名称重绑,不是赋予对象“可修改权限”。实际工程优先显式传依赖或封装状态,避免不必要的全局写入。
把绑定时间迁移到提交后的配置变化
将循环任务改为排队等待的后台回调,核心选择仍是提交时快照还是执行时读取。变化的是等待时间和配置可能被修改的次数,不是 lambda 语法。第十二篇把这条时间线移到装饰器:工厂和包装器分别在定义与调用时执行;先定位绑定时点,再判断缓存或重试保存了什么状态。
默认对象断言直接查看 bad_add.__defaults__:默认列表就是首次返回对象;计数器的 __closure__ 中 cell(保存外层名称绑定的单元)则在两次调用后持有二。这些属性是解释结构的证据,业务代码不应靠修改它们管理请求状态。
更贴近任务队列的实验先创建三个回调,再把配置的 timeout 从十改为二十。普通回调执行时读配置,得到二十;默认参数捕获当时的整数得到十;默认参数捕获配置字典本身仍得到二十。于是“用 x=x 修复延迟绑定”只冻结了绑定到哪个对象,若对象可变,内容仍可能变化。希望任务使用提交时配置,就复制经过校验的标量字段或构造不可变配置值;希望任务执行时读取最新配置,就把这种动态语义写在契约里。
broken 中的 count += 1 同时包含读与写,编译器将该名称认作局部,读取发生时局部未绑定,于是稳定复现 UnboundLocalError。这与 nonlocal 指向外层 cell 的计数器形成对照,不是解释器在运行时随意选了另一个变量。首次理解失败时可先按对象引用篇画图,再按执行机制篇观察局部/闭包访问。
独立练习:创建三个任务,提交后先修改字典、再把外层配置名称重绑到新字典;分别验收延迟读取、标量快照、对象引用捕获的结果。必须写出每种任务希望读取哪个时间点的配置,并证明修改旧字典是否会影响任务。仅把所有 lambda 换成默认参数不算完成。
一句话总结:函数状态是否独立,取决于对象创建时点、名称绑定范围和读取时点。
- 默认值在定义执行时求值,未提供时需要新容器就放到函数体创建。
- 参数传递共享对象,局部改绑与原地修改要分别分析。
- 闭包保留绑定而非自动快照,捕获可变对象时仍需说明所有权。
参考:函数参数、名称解析、函数对象属性。独立示例已在 Windows x64 的 CPython 3.14.0 和 3.13.7 验证通过。
上一篇:容器选型与实现。下一篇:文本二进制与数据转换。延伸:装饰器与函数包装。