在 Python 中，一切皆对象。属性访问可以理解为是从一个已有的对象中获得另一个对象的方法。对象属性的访问涉及到对象的 __dict__ 属性、描述符等概念，以及 __getattribute__、__getattr__ 等方法。
对象字典属性
Python 中的对象有一个 __dict__ 属性，其是一个字典类型，对象当前可用的属性和方法都保存在合格字典中。它存储着对象属性的名称与值的键值对。示例(在 Python 2.7 环境测试)：
>>> class C(object):
... x = 1
...
>>> C.__dict__
dict_proxy({
'__dict__': ,
'x': 1, '__module__': '__console__',
'__weakref__': ,
'__doc__': None
})
>>> c = C()
>>> c.__dict__
{}
>>> c.y = 1
>>> c.__dict__
{'y': 1}
>>> c.x
1
>>> c.x = 2
>>> c.x
2
>>> C.x
1
>>> c.__dict__
{'y': 1, 'x': 2}
由上例应该注意到，类变量 x 存储在类 C 的 dict 属性中，而由 C 初始化的对象 c 的属性 y 则在 c 的 dict 中。对象 c 仍然可以访问其类型 C 中的类变量 x。但是，如果在对象 c 中重新设置属性 x 之后，则 C 与 c 中各自有自己的 x 属性，此时 c.x 不再访问其类的属性，而是访问自己的 x 属性。
还应注意到，类对象的 __dict__ 属性为普通的 dict 类型，而类定义的 __dict__ 则为 dict_proxy 类型（在 Python3 中为 mappingproxy 类型）。类对象的该属性是可以被直接修改的，而类的却不行。因为类的 __dict__ 是只读的，所以其命名中被加入了 proxy 字眼，这样做的目的是为了防止其被意外修改而导致意想不到的错误发生。
>>> c.__dict__['x'] = 5
>>> C.__dict__['x'] = 6
Traceback (most recent call last):
File "", line 1, in
C.__dict__['x'] = 6
TypeError: 'dictproxy' object does not support item assignment
>>> c.x
5
>>> C.x
1
>>> c.__dict__ = {}
>>> C.__dict__ = {}
Traceback (most recent call last):
File "", line 1, in
C.__dict__ = {}
AttributeError: attribute '__dict__' of 'type' objects is not writable
>>> c.__dict__
{}
>>> c.x
1
>>> C.x
1
并不是所有的对象都有 __dict__ 这个属性，例如实现了 __slots__ 属性的类的对象。拥有 __slots__ 属性的类在实例化对象时不会自动分配 __dict__， 只有在 __slots__ 中的属性才能被使用，但它的设置只对对象真正的属性有限制作用。如果是用 property 修饰的属性以及属性是一个描述符对象时是不受限制的。
描述符
描述符是实现了描述符协议的对象，本质上是一种拥有绑定行为的对象属性。描述符的访问行为被如下的描述符协议方法覆盖：
__get__(self, obj, type=None) --> value
__set__(self, obj, value) --> None
__delete__(self, obj) --> None
描述符协议只是一种在模型中引用属性时指定将要发生事件的方法。实现了以上描述符协议三个方法中任意一个的对象即是描述符。同时定义了 __get__ 和 __set__ 方法的对象就叫作数据描述符(Data Descriptor)，也被成为资源描述符。而只定义了 __get__ 方法的对象被叫做非数据描述符(Non-data Descriptor)。实际上类方法(classmethod)即为一个非数据描述符。数据描述符与非数据描述会影响其被访问的顺序。如果实例中存在与数据描述符同名的属性，则会优先访问数据描述符。如果实例中存在与非数据描述符同名的属性，则优先访问实例属性。一个描述符的定义类似如下形式：
class Descriptor(object):
def __init__(slef):
pass
def __get__(self, instance, owner):
"""用于访问属性
返回属性的值，或者在所请求的属性不存在的情况下出现 AttributeError 异常
"""
pass
def __set__(self, instance, value):
"""用于设置属性值
将在属性分配操作中调用，不会返回任何内容
"""
pass
def __delete__(self, ):
"""用于删除属性
控制删除操作，不会返回内容
"""
pass
描述符将某种特殊类型的类的实例指派给另一个类的属性(注意： 这里是类属性，而不是对象属性，即描述符被分配给一个类，而不是实例)。描述符相当于是一种创建托管属性的方法。托管属性可以用于保护属性不受修改，对传递的值做检查，或自动更新某个依赖属性的值。下面是一个简单的示例：
class Descriptor(object):
def __init__(self, m):
self.m = m
def __get__(self, instance, owner):
return instance.n * self.m
def __set__(self, instance, value):
if value < 0:
raise ValueError("Negative value not allowed:%s" % value)
instance.n = value
class Foo(object):
bar = Descriptor(0)
har = Descriptor(1)
tar = Descriptor(2)
yar = Descriptor(3)
def __init__(self, n):
self.n = n
"""
>>> f = Foo(10)
>>> f.bar
0
>>> f.bar = 100
>>> f.bar
0
>>> f.har
100
>>> f.har = 10
>>> f.har
10
>>> f.yar
30
>>> f.yar = 12345
>>> f.yar
37035
"""
Python 中的类方法装饰器 classmethod、staticmethod 实际上是一个非数据描述符，下面是他们的纯 Python 实现示例：
class StaticMethod(object):
def __init__(self, f):
self.f = f
def __get__(self, instance, owner):
return self.f
class ClassMethod(object):
def __init__(self, f):
self.f = f
def __get__(self, instance, owner):
if owner is None:
owner = type(instance)
def _func(*args):
return self.f(owner, *args)
return _func
此外，Python 的 property 则是一个数据描述符，它将对象属性的访问转化为方法调用。类中的 property 装饰器有一个缺陷，每次试图访问 property 属性时其装饰的函数都会被调用，而有时候可能只希望函数被调用一次。于是，可以模仿 property 来实现一个惰性属性(lazy property)，即在必要的时候（属性被真正访问到时）才初始化属性。以下是惰性属性描述符的实现示例：
class lazy_property(object):
def __init__(self, func):
self.func = func
def __get__(self, obj, cls):
if obj is None:
return self
value = obj.__dict__[self.func.__name__] = self.func(obj)
return value
上例中实现一个非数据描述来达到惰性初始化属性的目的。对象惰性属性在被访问时会调用 func 初始化得到 value，然后再在对象的 __dict__ 中设置同名的属性，下一次再访问属性时，会直接返回 __dict__ 中保存的值，而不再去访问描述符。这里涉及到了对象属性的访问优先级顺序问题。
属性访问顺序
Python 在对象属性访问时会无条件调用 __getttribute__() 方法。在属性搜索的优先级链中，类字典中发现的数据描述符的优先级高于实例变量，实例变量优先级高于非数据描述符。如果提供了 __getattr__()，优先级链会为 __getattr__() 分配最低优先级。除非 __getttribute__() 显示调用或者抛出 AttributeError 异常，否则 __getattr__() 将不会被调用。
描述符的调用是通过 _getattribute__() 方法实现的，重写该方法可以阻止描述符的自动调用。数据描述符总是覆盖类实例的 __dict__，而非数据描述符可能会被类实例的 __dict__ 覆盖。_getattribute__() 方法的实现大概类似如下形式：
def __getattribute__(self, key):
"Emulate type_getattro() in Objects/typeobject.c"
v = object.__getattribute__(self, key)
if hasattr(v, '__get__'):
return v.__get__(None, self)
return v
需要注意的是，重写 __getttribute__() 方法时，不能在其实现中使用 self.xxx 的形式访问自己的属性，这样会导致无限递归。而需要访问自己的属性时，应该调用基类的方法。如 object.__getattribute__(self, name)。
下面详细描述下对象属性的访问顺序。假设有 class C, c = C(), 那么 c.x 的执行顺序为：
（1）如果 x 是出现在 C 或其基类的 __dict__ 中，且是数据描述符， 那么调用其 __get__ 方法，否则
（2）如果 x 出现在 c 的 __dict__ 中，那么直接返回 c.__dict__['x']，否则
（3）如果 x 出现在 C 或其基类的 __dict__ 中，那么
（3.1）如果 x 是非数据描述符，那么调用其 __get__ 方法，否则
（3.2）返回 __dict__['x']
（4）如果 C 有 __getattr__ 方法，调用 __getattr__ 方法，否则
（5）抛出 AttributeError
处理缺失值
默认情况下，当访问的属性在对象中不存在时，会抛出 AttributeError 异常。而在有些场景中我们并不希望这样，比如在我工作的项目中，当访问一项配置时，如果该配置项不存在，我们希望其返回 None，而不是发生异常。这用 __getattr__ 方法很容易实现，该方法通常与 __setattr__、__delattr__ 方法配合使用，__setattr__ 方法会改变属性的复制行为：
class Foo(object):
def __init__(self):
self.x = 1
def __getattr__(self, key):
try:
return self.__dict__[key]
except KeyError:
return None
def __setattr__(self, key, value):
self.__dict__[key] = value
def __delattr__(self, key):
try:
del self.__dict__[key]
except KeyError:
return None
如果对象时一个字典，则当访问一个不存在的 key 时，会发生 KeyError 异常。字典也有一个方法可以用来处理缺失值，即 __missing__。这个方法虽然与属性访问无关，这里也做一下简单的介绍。当访问的键不存在时，dict.__getitem__() 方法会自动调用该方法。需要注意的是 dict 中并没这个方法，需要在子类中实现。示例：
class FooDict(dict):
def __missing__(self, key):
self[key] = "hello"
return "hello"
fdict = FooDict()
print fdict
print fdict["bar"]
# 执行结果：
# {}
# hello
可以用该方法来实现一个缺省字典：
class defaultdict(dict):
def __init__(self, default_factory=None, *a, **kw):
dict.__init__(self, *a, **kw)
self.default_factory = default_factory
def __missing__(self, key):
self[key] = value = self.default_factory()
return value
参考资料
合并)
