Python上下文管理器与with用法详解
Python的with语句背后是强大而优雅的上下文管理器机制,它通过自动调用__enter__和__exit__方法,确保资源(如文件、网络连接、锁等)在进入和退出代码块时得到安全、可靠的初始化与清理——无论是否发生异常,都能避免资源泄漏;本文深入剖析其工作原理,详解异常抑制逻辑,并手把手带你实现自定义上下文管理器,同时介绍contextlib模块提供的@contextmanager等高效写法,助你写出更健壮、简洁、Pythonic的资源管理代码。

Python 的 with 语句背后是上下文管理器(Context Manager),它让资源管理更安全、简洁。核心在于自动执行“进入”和“退出”逻辑,比如打开文件后必定关闭,哪怕中间出错也不遗漏。
上下文管理器的本质:__enter__ 和 __exit__
一个对象只要实现了 __enter__ 和 __exit__ 这两个特殊方法,就是上下文管理器。__enter__ 在 with 开始时调用,通常返回要操作的对象(如文件句柄);__exit__ 在 with 块结束时调用,无论是否发生异常,都负责清理工作。
__exit__(self, exc_type, exc_value, traceback)的三个参数用于判断异常:如果没异常,三者都是None;有异常时分别对应异常类型、值和回溯信息- 若
__exit__返回True,表示已处理异常,不会向上抛出;返回False或None则继续传播异常 - 常见写法中,
__exit__通常只做清理(如close()),不主动吞异常,除非你明确想屏蔽某类错误
手动实现一个文件上下文管理器
理解原理最直接的方式是自己写一个。下面是一个简化版的文件管理器,模拟内置 open() 的行为:
class MyOpen:
def __init__(self, name, mode='r'):
self.name = name
self.mode = mode
self.file = None
def __enter__(self):
self.file = open(self.name, self.mode)
return self.file
def __exit__(self, exc_type, exc_value, traceback):
if self.file:
self.file.close()
# 不返回 True,确保异常正常抛出
使用方式和内置 open 一样:
with MyOpen('data.txt', 'w') as f:
f.write('Hello, context!')
# 退出 with 后,文件已自动关闭
用 contextlib 简化上下文管理器编写
手写类稍显繁琐,contextlib 提供了更轻量的方式。最常用的是 @contextmanager 装饰器,用生成器函数定义上下文逻辑:
- 函数中
yield之前的部分相当于__enter__ yield返回的值就是as后绑定的对象- yield 之后的部分相当于
__exit__,会确保执行(即使前面出错)
例如,为数据库连接写一个上下文管理器:
from contextlib import contextmanager@contextmanager def db_connection(db_url): conn = connect_to_db(db_url) # 假设这是连接函数 try: yield conn finally: conn.close() # 确保关闭,哪怕执行中抛异常
使用起来同样清晰:
with db_connection('sqlite:///app.db') as conn:
conn.execute('INSERT INTO logs VALUES (?)', ['start'])
多个上下文管理器的嵌套与合并
Python 3.1+ 支持在单个 with 语句中管理多个资源,用逗号分隔:
with open('input.txt') as fin, open('output.txt', 'w') as fout:
fout.write(fin.read().upper())
这等价于嵌套写法,但更扁平、可读性更好。注意:它们按顺序进入,逆序退出(类似栈)。如果某个 __enter__ 失败,前面已成功进入的会按相反顺序调用 __exit__ 清理。
对于动态数量的上下文管理器(比如不确定要打开几个文件),可用 contextlib.ExitStack:
from contextlib import ExitStackfilenames = ['a.txt', 'b.txt', 'c.txt'] with ExitStack() as stack: files = [stack.enter_context(open(name)) for name in filenames]
所有文件都会被自动关闭,无论中间是否出错
掌握上下文管理器不是为了炫技,而是写出更健壮、更易维护的代码。它把“一定会做的事”从手动重复中解放出来,交给语言机制保障。
到这里,我们也就讲完了《Python上下文管理器与with用法详解》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
隐藏WordPress后台工具栏的技巧
- 上一篇
- 隐藏WordPress后台工具栏的技巧
- 下一篇
- 谷歌邮箱容量满怎么清理?附件删除教程
-
- 文章 · python教程 | 6小时前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 13小时前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 15小时前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 1天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 1天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python itertools.batched strict 参数什么时候会报错
- 306浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python ExceptionGroup split 怎么按异常类型拆分
- 311浏览 收藏
-
- 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
- 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
- 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
- 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
- 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
-
- 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。
- 260次使用
-
- 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。
- 306次使用
-
- 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。
- 287次使用
-
- 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。
- 262次使用
-
- 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。
- 75次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览
