在 Python 开发中，你可能听说过「描述符」这个概念，由于我们很少直接使用它，所以大部分开发人员并不了解它的原理。

但作为熟练使用 Python，想要进阶的你，建议还是了解一下描述符的原理，这也便于你更深层次地理解 Python 的设计思想。

其实，在开发过程中，虽然我们没有直接使用到描述符，但是它在底层却无时不刻地被使用到，例如以下这些：

function、bound method、unbound method装饰器property、staticmethod、classmethod

是不是都很熟悉？

这些都与描述符有着千丝万缕的关系，这篇文章我们就来看一下描述符背后的工作原理。

什么是描述符？

在解释什么是「描述符」之前，我们先来看一个简单的例子。

class A:    x = 10    print(A.x) # 10

这个例子非常简单，我们在类 A 中定义了一个类属性 x，然后打印它的值。

其实，除了直接定类属性之外，我们还可以这样定义一个类属性：

class Ten:    def __get__(self, obj, objtype=None):        return 10class A:    x = Ten()   # 属性换成了一个类    print(A.x) # 10

仔细看，这次类属性 x 不再是一个具体的值，而是一个类 Ten。Ten 中定义了一个 __get__ 方法，返回具体的值。

在 Python 中，允许把一个类属性，托管给一个类，这个属性就是一个「描述符」。

换句话说，「描述符」是一个「绑定行为」的属性。

怎么理解这句话？

回忆一下，我们开发时，一般把「行为」叫做什么？是的，「行为」一般指的是一个方法。

所以我们也可以把「描述符」理解为：对象的属性不再是一个具体的值，而是交给了一个方法去定义。

可以想一下，如果我们用一个方法去定义一个属性，这么做的好处是什么？

有了方法，我们就可以在方法内实现自己的逻辑，最简单的，我们可以根据不同的条件，在方法内给属性赋予不同的值，就像下面这样：

class Age:    def __get__(self, obj, objtype=None):        if obj.name == 'zhangsan':            return 20        elif obj.name == 'lisi':            return 25        else:            return ValueError("unknow")class Person:    age = Age()    def __init__(self, name):        self.name = namep1 = Person('zhangsan')print(p1.age)   # 20p2 = Person('lisi')print(p2.age)   # 25p3 = Person('wangwu')print(p3.age)   # unknow

这个例子中，age 类属性被另一个类托管了，在这个类的 __get__ 中，它会根据 Person 类的属性 name，决定 age 是什么值。

这只是一个非常简单的例子，我们可以看到，通过描述符的使用，我们可以轻易地改变一个类属性的定义方式。

描述符协议

了解了描述符的定义，现在我们把重点放到托管属性的类上。

其实，一个类属性想要托管给一个类，这个类内部实现的方法不能是随便定义的，它必须遵守「描述符协议」，也就是要实现以下几个方法：

__get__(self, obj, type=None) -> value__set__(self, obj, value) -> None__delete__(self, obj) -> None

只要是实现了以上几个方法的其中一个，那么这个类属性就可以称作描述符。

另外，描述符又可以分为「数据描述符」和「非数据描述符」：

只定义了 __get___，叫做非数据描述符除了定义 __get__ 之外，还定义了 __set__ 或 __delete__，叫做数据描述符

它们两者有什么区别，我会在下面详述。

现在我们来看一个包含 __get__ 和 __set__ 方法的描述符例子：

# coding: utf8class Age:    def __init__(self, value=20):        self.value = value    def __get__(self, obj, type=None):        print('call __get__: obj: %s type: %s' % (obj, type))        return self.value    def __set__(self, obj, value):        if value <= 0:            raise ValueError("age must be greater than 0")        print('call __set__: obj: %s value: %s' % (obj, value))        self.value = valueclass Person:    age = Age()    def __init__(self, name):        self.name = namep1 = Person('zhangsan')print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: <class '__main__.Person'># 20print(Person.age)# call __get__: obj: None type: <class '__main__.Person'># 20p1.age = 25# call __set__: obj: <__main__.Person object at 0x1055509e8> value: 25print(p1.age)# call __get__: obj: <__main__.Person object at 0x1055509e8> type: <class '__main__.Person'># 25p1.age = -1# ValueError: age must be greater than 0

在这例子中，类属性 age 是一个描述符，它的值取决于 Age 类。

从输出结果来看，当我们获取或修改 age 属性时，调用了 Age 的 __get__ 和 __set__ 方法：

当调用 p1.age 时，__get__ 被调用，参数 obj 是 Person 实例，type 是 type(Person)当调用 Person.age 时，__get__ 被调用，参数 obj 是 None，type 是 type(Person)当调用 p1.age = 25时，__set__ 被调用，参数 obj 是 Person 实例，value 是25当调用 p1.age = -1时，__set__ 没有通过校验，抛出 ValueError

其中，调用 __set__ 传入的参数，我们比较容易理解，但是对于 __get__ 方法，通过类或实例调用，传入的参数是不同的，这是为什么？

这就需要我们了解一下描述符的工作原理。

描述符的工作原理

要解释描述符的工作原理，首先我们需要先从属性的访问说起。

在开发时，不知道你有没有想过这样一个问题：通常我们写这样的代码 a.b，其背后到底发生了什么？

这里的 a 和 b 可能存在以下情况：

a 可能是一个类，也可能是一个实例，我们这里统称为对象b 可能是一个属性，也可能是一个方法，方法其实也可以看做是类的属性

其实，无论是以上哪种情况，在 Python 中，都有一个统一的调用逻辑：

先调用 __getattribute__ 尝试获得结果如果没有结果，调用 __getattr__

用代码表示就是下面这样：

def getattr_hook(obj, name):    try:        return obj.__getattribute__(name)    except AttributeError:        if not hasattr(type(obj), '__getattr__'):            raise    return type(obj).__getattr__(obj, name)

我们这里需要重点关注一下 __getattribute__，因为它是所有属性查找的入口，它内部实现的属性查找顺序是这样的：

要查找的属性，在类中是否是一个描述符如果是描述符，再检查它是否是一个数据描述符如果是数据描述符，则调用数据描述符的 __get__如果不是数据描述符，则从 __dict__ 中查找如果 __dict__ 中查找不到，再看它是否是一个非数据描述符如果是非数据描述符，则调用非数据描述符的 __get__如果也不是一个非数据描述符，则从类属性中查找如果类中也没有这个属性，抛出 AttributeError 异常

写成代码就是下面这样：

# 获取一个对象的属性def __getattribute__(obj, name):    null = object()    # 对象的类型 也就是实例的类    objtype = type(obj)    # 从这个类中获取指定属性    cls_var = getattr(objtype, name, null)    # 如果这个类实现了描述符协议    descr_get = getattr(type(cls_var), '__get__', null)    if descr_get is not null:        if (hasattr(type(cls_var), '__set__')            or hasattr(type(cls_var), '__delete__')):            # 优先从数据描述符中获取属性            return descr_get(cls_var, obj, objtype)    # 从实例中获取属性    if hasattr(obj, '__dict__') and name in vars(obj):        return vars(obj)[name]    # 从非数据描述符获取属性    if descr_get is not null:        return descr_get(cls_var, obj, objtype)    # 从类中获取属性    if cls_var is not null:        return cls_var    # 抛出 AttributeError 会触发调用 __getattr__    raise AttributeError(name)

如果不好理解，你最好写一个程序测试一下，观察各种情况下的属性的查找顺序。

到这里我们可以看到，在一个对象中查找一个属性，都是先从 __getattribute__ 开始的。

在 __getattribute__ 中，它会检查这个类属性是否是一个描述符，如果是一个描述符，那么就会调用它的 __get__ 方法。但具体的调用细节和传入的参数是下面这样的：

如果 a 是一个实例，调用细节为：

type(a).__dict__['b'].__get__(a, type(a))

a.__dict__['b'].__get__(None, a)

所以我们就能看到上面例子输出的结果。

数据描述符和非数据描述符

了解了描述符的工作原理，我们继续来看数据描述符和非数据描述符的区别。

从定义上来看，它们的区别是：

只定义了 __get___，叫做非数据描述符除了定义 __get__ 之外，还定义了 __set__ 或 __delete__，叫做数据描述符

此外，我们从上面描述符调用的顺序可以看到，在对象中查找属性时，数据描述符要优先于非数据描述符调用。

在之前的例子中，我们定义了 __get__ 和 __set__，所以那些类属性都是数据描述符。

我们再来看一个非数据描述符的例子：

class A:    def __init__(self):        self.foo = 'abc'    def foo(self):        return 'xyz'print(A().foo)  # 输出什么？

这段代码，我们定义了一个相同名字的属性和方法 foo，如果现在执行 A().foo，你觉得会输出什么结果？

答案是 abc。

为什么打印的是实例属性 foo 的值，而不是方法 foo 呢？

这就和非数据描述符有关系了。

我们执行 dir(A.foo)，观察结果：

print(dir(A.foo))# [... '__get__', '__getattribute__', ...]

看到了吗？A 的 foo 方法其实实现了 __get__，我们在上面的分析已经得知：只定义 __get__ 方法的对象，它其实是一个非数据描述符，也就是说，我们在类中定义的方法，其实本身就是一个非数据描述符。

所以，在一个类中，如果存在相同名字的属性和方法，按照上面所讲的 __getattribute__ 中查找属性的顺序，这个属性就会优先从实例中获取，如果实例中不存在，才会从非数据描述符中获取，所以在这里优先查找的是实例属性 foo 的值。

到这里我们可以总结一下关于描述符的相关知识点：

描述符必须是一个类属性__getattribute__ 是查找一个属性（方法）的入口__getattribute__ 定义了一个属性（方法）的查找顺序：数据描述符、实例属性、非数据描述符、类属性如果我们重写了 __getattribute__ 方法，会阻止描述符的调用所有方法其实都是一个非数据描述符，因为它定义了 __get__描述符的使用场景

了解了描述符的工作原理，那描述符一般用在哪些业务场景中呢？

在这里我用描述符实现了一个属性校验器，你可以参考这个例子，在类似的场景中去使用它。

首先我们定义一个校验基类 Validator，在 __set__ 方法中先调用 validate 方法校验属性是否符合要求，然后再对属性进行赋值。

class Validator:    def __init__(self):        self.data = {}    def __get__(self, obj, objtype=None):        return self.data[obj]    def __set__(self, obj, value):        # 校验通过后再赋值        self.validate(value)        self.data[obj] = value    def validate(self, value):        pass

接下来，我们定义两个校验类，继承 Validator，然后实现自己的校验逻辑。

class Number(Validator):    def __init__(self, minvalue=None, maxvalue=None):        super(Number, self).__init__()        self.minvalue = minvalue        self.maxvalue = maxvalue    def validate(self, value):        if not isinstance(value, (int, float)):            raise TypeError(f'Expected {value!r} to be an int or float')        if self.minvalue is not None and value < self.minvalue:            raise ValueError(                f'Expected {value!r} to be at least {self.minvalue!r}'            )        if self.maxvalue is not None and value > self.maxvalue:            raise ValueError(                f'Expected {value!r} to be no more than {self.maxvalue!r}'            )class String(Validator):    def __init__(self, minsize=None, maxsize=None):        super(String, self).__init__()        self.minsize = minsize        self.maxsize = maxsize    def validate(self, value):        if not isinstance(value, str):            raise TypeError(f'Expected {value!r} to be an str')        if self.minsize is not None and len(value) < self.minsize:            raise ValueError(                f'Expected {value!r} to be no smaller than {self.minsize!r}'            )        if self.maxsize is not None and len(value) > self.maxsize:            raise ValueError(                f'Expected {value!r} to be no bigger than {self.maxsize!r}'            )

最后，我们使用这个校验类：

class Person:    # 定义属性的校验规则 内部用描述符实现    name = String(minsize=3, maxsize=10)    age = Number(minvalue=1, maxvalue=120)    def __init__(self, name, age):        self.name = name        self.age = age# 属性符合规则p1 = Person('zhangsan', 20)print(p1.name, p1.age)# 属性不符合规则p2 = person('a', 20)# ValueError: Expected 'a' to be no smaller than 3p3 = Person('zhangsan', -1)# ValueError: Expected -1 to be at least 1

现在，当我们对 Person 实例进行初始化时，就可以校验这些属性是否符合预定义的规则了。

function与method

我们再来看一下，在开发时经常看到的 function、unbound method、bound method 它们之间到底有什么区别？

来看下面这段代码：

class A:    def foo(self):        return 'xyz'print(A.__dict__['foo']) # <function foo at 0x10a790d70>print(A.foo)     # <unbound method A.foo>print(A().foo)   # <bound method A.foo of <__main__.A object at 0x10a793050>>

从结果我们可以看出它们的区别：

function 准确来说就是一个函数，并且它实现了 __get__ 方法，因此每一个 function 都是一个非数据描述符，而在类中会把 function 放到 __dict__ 中存储当 function 被实例调用时，它是一个 bound method当 function 被类调用时， 它是一个 unbound method

function 是一个非数据描述符，我们之前已经讲到了。

而 bound method 和 unbound method 的区别就在于调用方的类型是什么，如果是一个实例，那么这个 function 就是一个 bound method，否则它是一个 unbound method。

property/staticmethod/classmethod

我们再来看 property、staticmethod、classmethod。

这些装饰器的实现，默认是 C 来实现的。

其实，我们也可以直接利用 Python 描述符的特性来实现这些装饰器，

property 的 Python 版实现：

class property:    def __init__(self, fget=None, fset=None, fdel=None, doc=None):        self.fget = fget        self.fset = fset        self.fdel = fdel        self.__doc__ = doc    def __get__(self, obj, objtype=None):        if obj is None:            return self.fget        if self.fget is None:            raise AttributeError(), "unreadable attribute"        return self.fget(obj)    def __set__(self, obj, value):        if self.fset is None:            raise AttributeError, "can't set attribute"        return self.fset(obj, value)    def __delete__(self, obj):        if self.fdel is None:            raise AttributeError, "can't delete attribute"        return self.fdel(obj)    def getter(self, fget):        return type(self)(fget, self.fset, self.fdel, self.__doc__)    def setter(self, fset):        return type(self)(self.fget, fset, self.fdel, self.__doc__)    def deleter(self, fdel):        return type(self)(self.fget, self.fset, fdel, self.__doc__)

staticmethod 的 Python 版实现：

class staticmethod:    def __init__(self, func):        self.func = func    def __get__(self, obj, objtype=None):        return self.func

classmethod 的 Python 版实现：

class classmethod:    def __init__(self, func):        self.func = func    def __get__(self, obj, klass=None):        if klass is None:            klass = type(obj)        def newfunc(*args):            return self.func(klass, *args)        return newfunc

除此之外，你还可以实现其他功能强大的装饰器。

由此可见，通过描述符我们可以实现强大而灵活的属性管理功能，对于一些要求属性控制比较复杂的场景，我们可以选择用描述符来实现。

总结

这篇文章我们主要讲了 Python 描述符的工作原理。

首先，我们从一个简单的例子了解到，一个类属性是可以托管给另外一个类的，这个类如果实现了描述符协议方法，那么这个类属性就是一个描述符。此外，描述符又可以分为数据描述符和非数据描述符。

之后我们又分析了获取一个属性的过程，一切的入口都在 __getattribute__ 中，这个方法定义了寻找属性的顺序，其中实例属性优先于数据描述符调用，数据描述符要优先于非数据描述符调用。

另外我们又了解到，方法其实就是一个非数据描述符，如果我们在类中定义了相同名字的实例属性和方法，按照 __getattribute__ 中的属性查找顺序，实例属性优先访问。

最后我们分析了 function 和 method 的区别，以及使用 Python 描述符也可以实现 property、staticmethod、classmethod 装饰器。

Python 描述符提供了强大的属性访问控制功能，我们可以在需要对属性进行复杂控制的场景中去使用它。