✨✨ 欢迎大家来到景天科技苑✨✨

🎈🎈 养成好习惯，先赞后看哦~🎈🎈

🏆 作者简介：景天科技苑
🏆《头衔》：大厂架构师，华为云开发者社区专家博主，阿里云开发者社区专家博主，CSDN全栈领域优质创作者，掘金优秀博主，51CTO博客专家等。
🏆《博客》：Python全栈，PyQt5，Tkinter，小程序开发，人工智能，js逆向，App逆向，网络系统安全，数据分析，Django，fastapi，flask等框架，云原生K8S，linux，shell脚本等实操经验，网站搭建，数据库等分享。

所属的专栏：python入门必备，基础语法到进阶实战教学
景天的主页：景天科技苑

Python中闭包

在Python中，闭包（Closure）是一个非常重要的概念，它允许函数访问并操作其词法作用域之外的变量。闭包是由一个函数以及创建该函数时的作用域中变量的引用环境共同组成的。这个环境在闭包创建时确定，并且即便外部函数已经执行完毕，这个环境也不会被销毁。闭包在函数式编程、数据封装、装饰器等多个领域都有广泛的应用。

一、闭包的基本概念

闭包的核心在于它能够记住并访问其外部作用域中的变量，即使那个作用域已经不存在了。这是通过Python的作用域规则和函数对象实现的。

二、闭包的工作原理

闭包的工作原理依赖于Python的LEGB（Local, Enclosed, Global, Built-in）作用域规则。当Python查找一个变量的值时，它会按照以下顺序查找：

1. Local（局部作用域）：函数内部定义的变量。
2. Enclosed（闭包作用域）：闭包中外部函数定义的变量，但非全局变量。
3. Global（全局作用域）：在模块级别定义的变量。
4. Built-in（内置作用域）：Python内置的变量和函数。

闭包主要利用的是“Enclosed”作用域，这是由闭包函数和其外部函数共同创建的一个作用域。

三、闭包的创建

闭包通常是通过在一个外部函数中定义内部函数，并让内部函数引用外部函数的局部变量来创建的。然后，外部函数返回内部函数，这个返回的内部函数就形成了闭包。

示例代码：

def outer_function(text):def inner_function():print(text)return inner_function# 创建闭包
my_closure = outer_function("Hello, World!")# 调用闭包
my_closure()  # 输出: Hello, World!

在这个例子中，outer_function是外部函数，它接收一个参数text并定义了一个内部函数inner_function。inner_function没有参数，但它引用了outer_function中的变量text。当outer_function被调用时，它返回了inner_function，此时inner_function就形成了一个闭包，因为它携带了text变量的引用环境。

四、闭包的应用场景

1. 数据封装和隐私：
   闭包可以用来封装数据，通过内部函数来访问这些数据，而外部代码无法直接访问。这增加了数据的安全性。

2. 函数工厂：
   闭包可以用来创建具有特定行为或状态的函数对象。这些函数对象可以根据需要定制。

3. 装饰器：
   Python中的装饰器本质上就是闭包的一种应用。装饰器接收一个函数作为参数，并返回一个新的函数，这个新函数在某种条件下会调用原函数。

4. 延迟计算：
   闭包可以用来实现惰性求值（Lazy Evaluation），即只有在需要的时候才进行计算。

示例代码：计数器

使用闭包实现一个简单的计数器，该计数器每次调用时都会递增并返回当前的计数值。

def create_counter():count = 0  # 计数器变量def counter():nonlocal count  # 声明count为外部函数的变量count += 1return countreturn counter# 创建计数器
my_counter = create_counter()# 调用计数器
print(my_counter())  # 输出: 1
print(my_counter())  # 输出: 2
print(my_counter())  # 输出: 3

示例代码：装饰器

使用闭包实现一个简单的装饰器，该装饰器用于记录函数的执行时间。

import timedef timeit(func):def wrapper(*args, **kwargs):start_time = time.time()  # 记录开始时间result = func(*args, **kwargs)  # 调用原始函数end_time = time.time()  # 记录结束时间print(f"Function {func.__name__} took {end_time - start_time:.6f} seconds.")return resultreturn wrapper@timeit
def slow_function():time.sleep(2)  # 模拟耗时操作slow_function()  # 调用被装饰的函数，并打印执行时间

五、闭包的注意事项

1. 内存管理：闭包会保持对其外部作用域的引用，这可能会导致一些意外的内存占用。如果闭包不再需要，并且外部作用域占用了大量内存，应该考虑如何释放这些内存。

2. 性能影响：虽然闭包在功能上非常强大，但它们可能会引入一些性能开销。因为闭包需要维护额外的引用环境，并且这些环境可能相对较大。

3. 可读性：闭包可以使得代码更加模块化和可重用，但有时也可能降低代码的可读性。特别是当闭包嵌套多层时，理解代码的逻辑可能会变得困难。

4. 错误处理：在使用闭包时，需要注意错误处理。特别是当闭包访问的外部变量可能不存在或已经被修改时，应该添加适当的错误处理逻辑。

通过以上内容，你应该对Python中的闭包有了更深入的理解。闭包是Python中一个非常强大且灵活的特性，它允许函数“记住”并访问其词法作用域中的变量，即使该函数在其外部作用域之外被调用。这种特性为Python编程带来了许多便利和可能性。

六、闭包的进阶用法

除了上述基本用法外，闭包还可以与其他Python特性结合，实现更复杂和强大的功能。

1. 闭包与生成器

闭包可以与生成器结合使用，以创建可以按需生成值的函数。生成器是Python中用于创建迭代器的简单而强大的工具，而闭包则提供了一种封装状态和逻辑的方式。

def create_counter(start=0):count = startdef counter_generator():nonlocal countcount += 1yield countreturn counter_generator# 创建计数器生成器
my_counter = create_counter(5)# 使用生成器
for _ in range(3):print(next(my_counter()))  # 注意：这里有个错误，应该是 my_counter() 改为 my_counter# 正确的使用方式应该是将 my_counter 作为生成器对象，而不是每次调用都重新创建# 修正后的使用方式
counter_gen = my_counter()
for _ in range(3):print(next(counter_gen))  # 输出: 6, 7, 8

注意：上面的代码在for循环中错误地每次都调用了my_counter()，这会导致每次循环都重新创建一个新的生成器。正确的做法是将my_counter()的调用结果（即生成器对象）保存在一个变量中，并在循环中重复使用该变量。

2. 闭包与类

虽然闭包通常与函数相关联，但它们也可以与类结合使用，特别是在实现某些设计模式（如单例模式）时。然而，闭包在类中的直接使用并不常见，因为它们更常用于函数式编程中。不过，了解闭包和类之间的关系有助于深入理解Python的作用域和对象模型。

3. 闭包与装饰器的高级用法

装饰器是闭包的一个非常有用的应用。除了简单的函数包装外，装饰器还可以用于实现诸如缓存、权限检查、日志记录等复杂功能。通过闭包，装饰器可以记住额外的状态信息，并在被装饰的函数执行时使用这些信息。

def memoize(func):cache = {}def memoized_func(*args):if args in cache:return cache[args]result = func(*args)cache[args] = resultreturn resultreturn memoized_func@memoize
def fibonacci(n):if n <= 1:return nreturn fibonacci(n-1) + fibonacci(n-2)# 使用缓存的斐波那契数列函数
print(fibonacci(10))  # 第一次计算，结果将被缓存
print(fibonacci(10))  # 第二次计算，直接从缓存中获取结果

在这个例子中，memoize装饰器创建了一个缓存来存储已计算的斐波那契数列值。当fibonacci函数被调用时，它会首先检查所需的参数是否已经在缓存中。如果是，它将直接返回缓存中的结果，从而避免了重复的计算。

七、总结

闭包是Python中一个非常强大的特性，它允许函数访问并操作其外部作用域的变量。通过闭包，我们可以实现数据封装、函数工厂、装饰器等多种高级功能。然而，闭包也可能带来一些挑战，如内存管理和性能开销。因此，在使用闭包时，我们需要仔细考虑其适用性和潜在的影响。通过理解和掌握闭包的概念和用法，我们可以编写出更加灵活、模块化和可重用的Python代码。