当前位置:首页 > 文章列表 > 文章 > python教程 > Python 获取函数参数信息的技巧

Python 获取函数参数信息的技巧

2026-04-05 18:14:16 0浏览 收藏
本文深入解析了 Python 中获取函数参数信息的核心技巧,重点介绍了 `inspect.signature()` 这一现代、可靠的标准方法——它能精准提取函数签名中的参数名、类型注解、默认值、调用约束(如位置参数、关键字仅限参数、`*args`/`**kwargs`)等完整结构化信息,远超旧式 `getargspec()` 的能力;同时揭示了实际应用中的关键陷阱:内置函数签名缺失、装饰器未正确传递 `__signature__` 导致信息失真、`bind()` 方法在参数合法性验证中的妙用与局限,以及为何直接读取 `__annotations__` 或 `__defaults__` 等魔术属性极易出错。无论你是开发调试工具、实现通用装饰器,还是构建 API 文档生成器,掌握这些细节都将帮你避开隐蔽坑洞,写出真正健壮的元编程代码。

Python 获取函数签名与参数信息的方法

inspect.signature() 是最直接的获取方式

Python 3.5+ 中,inspect.signature() 是读取函数签名的标准方法,它返回一个 Signature 对象,包含参数名、类型注解、默认值、是否可变参数等全部结构化信息。比旧的 inspect.getargspec() 更可靠,能正确处理 *args、**kwargs、带注解的参数和 keyword-only 参数。

  • 对普通函数、lambda、绑定方法都有效;但对内置函数(如 len、print)可能只返回 (*args, **kwargs),因为它们没有 Python 层签名
  • 如果函数用了 @functools.wraps 包装,必须确保装饰器正确复制了 __signature__,否则会拿到包装器的签名而非原函数的
  • 示例:
    import inspect
    def foo(a: int, b=2, *args, c: str = "x", **kw):
        pass
    

    sig = inspect.signature(foo) print(list(sig.parameters.keys())) # ['a', 'b', 'args', 'c', 'kw']

参数对象的 kind 字段决定调用规则

Signature.parameters 是个有序字典,每个值是 Parameter 实例,其 .kind 属性决定了参数在调用时的语法位置和约束——这是动态检查函数能否被某组参数调用的关键依据。

  • Parameter.POSITIONAL_ONLY:只能按位置传(如内置函数中的某些参数),Python 代码里极少显式声明
  • Parameter.POSITIONAL_OR_KEYWORD:最常见,位置或关键字均可
  • Parameter.VAR_POSITIONAL:对应 *args,.name 就是 "args"
  • Parameter.KEYWORD_ONLY:必须用关键字传(如上面的 c),出现在 *args 之后
  • Parameter.VAR_KEYWORD:对应 **kwargs

inspect.Signature.bind() 能提前验证参数合法性

光看签名不够,真正要判断“这组参数能不能调用这个函数”,得用 bind() 方法。它模拟绑定过程,把实际参数映射到签名上,成功则返回 BoundArguments,失败抛出 TypeError。

  • 注意:bind() 不执行函数,只做静态检查;即使参数类型错误(比如传了 str 给标注为 int 的参数),它也不会报错——类型检查是运行时或靠第三方工具(如 mypy)做的
  • 如果函数有 **kwargs,而你传了未声明的关键字参数,bind() 默认不拒绝;需手动检查 bound.arguments 是否包含所有预期键
  • 示例:
    try:
        bound = sig.bind(1, c="ok")  # 缺少 b,但有默认值 → 成功
        bound.apply_defaults()       # 补全默认值
    except TypeError as e:
        print(e)  # 如 "missing 1 required argument: 'b'"

__annotations__ 和 __defaults__ 不能替代 signature()

直接读 func.__annotations__ 或 func.__defaults__ 看似简单,但极易漏掉关键信息:没有参数顺序保证(__annotations__ 是 dict)、无法区分 *args/**kwargs、keyword-only 参数的默认值存在 __kwdefaults__ 里,且不包含无默认值的 keyword-only 参数。

  • 在 Python 3.6+ 中,__annotations__ 可能是字符串(PEP 563 延迟求值),直接访问可能得到未解析的表达式,而非真实类型
  • __defaults__ 是 tuple,长度只对应尾部有默认值的 positional-or-keyword 参数,无法知道哪些参数其实没默认值
  • 依赖这些魔术属性写通用参数检查逻辑,大概率在遇到 lambda、装饰器函数或复杂签名时崩溃或行为异常

真正难的是处理装饰器链和 __signature__ 被篡改的情况——哪怕只有一层没传透 __signature__,inspect.signature() 返回的就是错的。这时候得人工 fallback 到 getattr(func, '__wrapped__', None) 往里挖,或者干脆放弃自动推导,靠文档或约定。

今天关于《Python 获取函数参数信息的技巧》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!

Python 2.7与3.5主要区别解析Python 2.7与3.5主要区别解析
上一篇
Python 2.7与3.5主要区别解析
PHP如何用Spiral框架开发,RoadRunner构建现代应用
下一篇
PHP如何用Spiral框架开发,RoadRunner构建现代应用
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    436次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    509次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    526次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    469次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    296次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码