当前位置：首页 > news >正文

《Python 封装不是“锁门”，而是“贴标签”！深入 property、伪私有与 slots 的哲学》

news 2026/8/11 5:13:08

一、开篇：面向对象的“家务活”

在 Python 的世界里，类就像一个家庭，属性就是家里的“物件”。

公有（public）：客厅里的电视，谁来了都能按开关。
保护（protected）：卧室里的衣柜，家人可以随便翻，外人进来只能看不能摸（单下划线_）。
私有（private）：保险柜里的存折，只有主人（类内部）自己知道密码（双下划线__）。

今天我们就来聊聊，如何用 Python 的“门禁系统”把这些物件管得明明白白。

二、基础篇：三大访问级别演义

class Person: def __init__(self, name, age, gender): self.name = name # 公有 self.__age = age # 私有（双下划线） self._gender = gender # 保护（单下划线） def __str__(self): return f"{self.name}, {self.__age}, {self._gender}" p = Person("张三", 30, "男") print(p.name) # ✅ 正常 print(p._gender) # ⚠️ 可以访问，但不建议（君子协定） # print(p.__age) # ❌ AttributeError: 找不到！

三、进阶扩展①：撕开“私有”的画皮——Name Mangling（名称修饰）

Python 的私有其实是一层“皇帝的新衣”。它并没有真正锁死数据，只是偷偷改了个名字：

print(dir(p)) # 你会发现一个叫 _Person__age 的东西 print(p._Person__age) # 输出 30 （强制访问成功！）

核心结论：Python 的私有是“防君子不防小人”。它的目的是防止子类意外重写父类属性，而不是为了绝对安全。这也是 Python 社区的名言：“We are all consenting adults”（我们都是成年人，要为自己的行为负责）。

四、进阶扩展②：`@property`的“全家桶”（Get/Set/Delete）

光有私有属性还不够，我们得给外部提供优雅的访问通道。使用@property装饰器，可以让方法像属性一样调用。

class Person: def __init__(self, name): self.__name = name @property def name(self): print("正在读取姓名...") return self.__name @name.setter def name(self, value): if 2 <= len(value) <= 4: self.__name = value else: raise ValueError("名字长度必须在 2~4 之间") @name.deleter # 扩展：删除器 def name(self): print(f"删除姓名 {self.__name} 成功") self.__name = None p = Person("李四") p.name = "王五" # 调用 setter print(p.name) # 调用 getter del p.name # 调用 deleter

deleter 的应用场景：当删除属性时，需要释放外部资源（比如断开数据库连接、清除缓存），这时候 deleter 就派上了大用场。

五、进阶扩展③：保护变量（`_`）与子类继承的微妙关系

在父类中定义_gender，子类可以直接继承并使用它。但是！如果子类定义了__age（双下划线），它会被改写为_SuperPerson__age，完全独立于父类的_Person__age。这有效防止了继承链中的命名冲突。

六、进阶扩展④：性能大杀器`slots`

每个 Python 实例默认自带一个__dict__字典，用于存储属性。这在大量实例（比如游戏中成千上万个敌人）时会占用巨量内存。

如果你确定类只有固定的几个属性，加上__slots__瞬间降低内存占用：

class Person: __slots__ = ('__name', '__age') # 拒绝动态添加属性 def __init__(self, name, age): self.__name = name self.__age = age p = Person("张三", 30) # p.hobby = "coding" # ❌ AttributeError！不允许新增属性

面试考点：__slots__会牺牲动态赋值的灵活性，换取更高的内存访问效率。在大型数据科学或游戏项目中，这是必备优化手段。