当前位置:首页 > 文章列表 > 文章 > python教程 > Python中使用vars()获取对象属性字典的方法

Python中使用vars()获取对象属性字典的方法

2026-05-21 09:27:27 0浏览 收藏
本文深入解析了Python中`vars()`函数的本质与局限:它并非万能的属性提取工具,而是`obj.__dict__`的安全封装,仅适用于拥有`__dict__`属性的对象(如普通自定义类实例);面对`__slots__`类、内置类型、`namedtuple`、`frozen dataclass`等无`__dict__`的对象时会直接抛出`TypeError`。文章厘清了`vars()`与`__dict__`的异同,指出在调试、序列化或动态属性验证等场景下直接操作`__dict__`更高效可控,并揭露了常见误区——`vars()`不包含类属性、`@property`、描述符、`__weakref__`等,也不递归或合并继承链。最后提供了健壮的`safe_attrs()`方案,通过分层判断`__dict__`、`__slots__`和`dir()`+`getattr()`组合,实现更可靠、精准的属性获取,帮助开发者避开陷阱、写出更鲁棒的元编程代码。

如何使用Python的vars()函数获取对象的属性字典_访问对象的__dict__

vars() 和 __dict__ 本质一样,但调用条件不同

直接说结论:vars(obj) 其实就是 obj.__dict__ 的安全封装——它只对拥有 __dict__ 的对象有效,否则抛 TypeError。不是所有对象都有 __dict__,比如内置类型(list、int)、使用 __slots__ 的类实例、或者 C 扩展对象(如 numpy.ndarray)通常没有。

所以别默认 vars(obj) 总能用,先确认对象是否支持属性动态绑定:

  • 普通自定义类(没定义 __slots__)→ ✅ 可用
  • 继承自 object 且显式声明了 __slots__ = [...] → ❌ vars() 报错,只能查 __slots__ 列表里的字段(但值不存于 __dict__)
  • namedtuple、dataclass(frozen=True)、enum.Enum → ❌ 多数无 __dict__,vars() 失败

什么时候必须用 __dict__ 而不能依赖 vars()

当你已经确定对象有 __dict__,但想绕过 vars() 的类型检查时,直接访问更高效也更明确。尤其在调试或元编程中,你可能需要区分“真·属性字典”和“vars() 包装后可能返回的其他映射”(比如模块对象的 vars() 返回的是其全局命名空间,本质是 module.__dict__,但逻辑上不是“实例属性”)。

典型场景:

  • 写一个通用对象序列化函数,需跳过方法、下划线前缀属性、描述符等 → 直接操作 obj.__dict__.items() 更可控
  • 给实例动态加属性后立刻检查是否生效 → obj.__dict__.keys() 比 vars(obj).keys() 少一层间接调用
  • 遇到 TypeError: vars() argument must have __dict__ attribute 错误时,说明该对象不支持,此时不能硬用 vars(),而应换策略(如用 dir() + getattr() 过滤)

常见错误:把 vars() 当成万能属性提取器

很多人看到文档里写“vars([object]) returns the __dict__ attribute”,就以为它能“取出任意对象的所有属性”。这是误解。它只返回那个特定的 __dict__ 映射,不递归、不合并父类属性、不处理 property 或描述符。

例如:

class A:
    x = 1
    def __init__(self):
        self.y = 2

a = A() print(vars(a)) # {'y': 2} —— 只有实例属性,类属性 x 不在其中 print(a.dict) # 同上 print(vars(A)) # {'module': 'main', 'x': 1, ...} —— 类的 dict,含类属性

再比如:

  • 有 @property 的字段不会出现在 vars() 或 __dict__ 中
  • __weakref__ 默认也不在 vars() 输出里(除非手动加进去)
  • 使用 __slots__ 后,__dict__ 根本不存在,vars() 必然失败

安全获取属性键值对的推荐做法

如果你的目标是“尽可能多地拿到对象当前可读取的属性名和值”,不要只押注 vars() 或 __dict__。更健壮的做法是组合判断:

  • 先尝试 getattr(obj, '__dict__', None),不抛错就用它
  • 如果为 None,再检查 hasattr(obj, '__slots__'),有则遍历 __slots__ 用 getattr() 提取
  • 最后 fallback 到 [name for name in dir(obj) if not name.startswith('_')] + getattr(),但注意这会包含方法、类属性、继承来的属性,需按需过滤

简单脚本示例(仅处理常见情况):

def safe_attrs(obj):
    if hasattr(obj, '__dict__'):
        return dict(obj.__dict__)
    elif hasattr(obj, '__slots__'):
        return {k: getattr(obj, k) for k in obj.__slots__ if hasattr(obj, k)}
    else:
        return {}

这个函数比裸调 vars() 少报错,也比盲目用 dir() 更精准。

真正容易被忽略的是:__dict__ 是可写的,修改它会直接影响实例状态;而 vars() 返回的是它的引用,不是副本——这点在做深拷贝或审计时特别关键。

理论要掌握,实操不能落!以上关于《Python中使用vars()获取对象属性字典的方法》的详细介绍,大家都掌握了吧!如果想要继续提升自己的能力,那么就来关注golang学习网公众号吧!

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。
    350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。
    411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。
    417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。
    372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。
    197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