Python中的类与实例属性查找顺序与描述符协议交互机制

一、题目描述

在Python中，当我们通过一个实例访问某个属性时（如obj.attr），解释器会按照特定的顺序在多个位置查找这个属性。这个过程不仅涉及类的继承链（MRO），还与描述符协议密切相关。本题目将详细讲解：

1. 属性查找的基本顺序
2. 描述符（数据描述符 vs 非数据描述符）如何影响查找过程
3. 整个过程背后的源码逻辑（简化版）

二、解题过程

步骤1：属性查找的基本顺序

当我们执行obj.attr时，解释器会按照以下顺序查找：

1. 数据描述符（优先级最高）
2. 实例属性（obj.__dict__中的键）
3. 非数据描述符
4. 类属性（包括父类链中的属性）
5. __getattr__()（如果定义了）

注意：这个顺序是理解整个机制的关键。数据描述符的优先级甚至高于实例属性。

步骤3：什么是数据描述符 vs 非数据描述符？

• 数据描述符：同时实现了__get__()和__set__()方法的描述符。
• 非数据描述符：只实现了__get__()方法，没有实现__set__()。

示例：

# 数据描述符
class DataDescriptor:
    def __get__(self, instance, owner):
        return "data descriptor"
    def __set__(self, instance, value):
        pass

# 非数据描述符
class NonDataDescriptor:
    def __get__(self, instance, owner):
        return "non-data descriptor"

步骤4：查找顺序的完整流程图

obj.attr 查找流程：
1. 检查 type(obj).__dict__ 中 'attr' 是否是一个数据描述符？
   └─ 是 → 调用 type(obj).__dict__['attr'].__get__(obj, type(obj))
   └─ 否 → 进入下一步
2. 检查 obj.__dict__ 中是否有 'attr'？
   └─ 是 → 返回 obj.__dict__['attr']
   └─ 否 → 进入下一步
3. 检查 type(obj).__dict__ 中 'attr' 是否是一个非数据描述符？
   └─ 是 → 调用 type(obj).__dict__['attr'].__get__(obj, type(obj))
   └─ 否 → 进入下一步
4. 检查 type(obj).__dict__ 中是否有普通属性 'attr'？
   └─ 是 → 返回 type(obj).__dict__['attr']
   └─ 否 → 进入下一步
5. 沿MRO链在父类中重复步骤1-4
6. 如果以上都未找到，调用 obj.__getattr__('attr')（如果定义了）
7. 如果仍未找到，抛出 AttributeError

步骤5：通过代码示例验证查找顺序

class DataDescriptor:
    def __get__(self, instance, owner):
        return "DataDescriptor.__get__"
    def __set__(self, instance, value):
        instance.__dict__["_storage"] = value

class NonDataDescriptor:
    def __get__(self, instance, owner):
        return "NonDataDescriptor.__get__"

class MyClass:
    data_desc = DataDescriptor()      # 数据描述符
    non_data_desc = NonDataDescriptor() # 非数据描述符
    normal_attr = "class_attr"        # 普通类属性

obj = MyClass()
obj.instance_attr = "instance_attr"   # 实例属性
obj.data_desc = "instance_attr_for_data_desc"  # 这个赋值会被描述符拦截

# 测试1：数据描述符优先级高于实例属性
print(obj.data_desc)  # 输出: DataDescriptor.__get__
# 虽然我们赋值了，但数据描述符的__get__被调用

# 测试2：实例属性优先级高于非数据描述符
obj.non_data_desc = "instance_attr_for_non_data_desc"
print(obj.non_data_desc)  # 输出: instance_attr_for_non_data_desc
# 这里访问的是实例属性，因为非数据描述符优先级低于实例属性

# 测试3：删除实例属性后，非数据描述符生效
del obj.non_data_desc
print(obj.non_data_desc)  # 输出: NonDataDescriptor.__get__

# 测试4：普通类属性的访问
print(obj.normal_attr)  # 输出: class_attr

步骤6：背后原理（简化版源码逻辑）

在CPython中，属性查找的核心函数是_PyObject_GenericGetAttrWithDict()（简化）：

/* 伪代码逻辑 */
查找属性(obj, name):
    // 1. 在类中查找描述符
    descr = find_descriptor_in_class(type(obj), name)
    
    if descr is not NULL and descr 是数据描述符:
        // 数据描述符：调用其__get__方法
        return descr->__get__(obj, type(obj))
    
    // 2. 在实例字典中查找
    value = obj.__dict__.get(name)
    if value is not NULL:
        return value
    
    // 3. 非数据描述符或类属性
    if descr is not NULL:
        // 非数据描述符
        return descr->__get__(obj, type(obj))
    else:
        // 普通类属性
        value = find_in_class_and_parents(type(obj), name)
        if value is not NULL:
            return value
    
    // 4. 尝试__getattr__
    if hasattr(obj, '__getattr__'):
        return obj.__getattr__(name)
    
    // 5. 未找到
    raise AttributeError

步骤7：特殊案例说明

1. 属性赋值obj.attr = value的规则：

   • 如果类中有数据描述符attr → 调用描述符.__set__(obj, value)
   • 否则 → 存入obj.__dict__['attr'] = value

2. @property装饰器是数据描述符：

   class MyClass:
       @property
       def x(self):
           return "property"
   
   obj = MyClass()
   obj.x = 1  # 报错！因为property是只读的数据描述符
   

3. @classmethod和@staticmethod是非数据描述符：
   因为它们只实现了__get__()，没有__set__()。

步骤8：实际应用场景

理解这个机制对以下场景很重要：

1. 实现ORM框架：数据描述符可以拦截属性访问，实现延迟加载
2. 实现验证逻辑：在__set__中验证数据有效性
3. 实现缓存机制：在__get__中计算并缓存结果
4. 实现代理模式：描述符可以代理到其他对象的属性

三、关键总结

1. 数据描述符优先级最高：高于实例属性
2. 非数据描述符优先级较低：低于实例属性
3. 查找顺序是固定的：数据描述符 → 实例属性 → 非数据描述符 → 类属性 → __getattr__
4. 赋值操作也受描述符影响：数据描述符会拦截赋值操作
5. 这是Python动态性的核心机制之一：允许灵活地控制属性访问行为

这个机制确保了Python既保持了灵活性（通过描述符可以自定义行为），又有了明确的优先级规则，避免了查找时的歧义。