当前位置:首页 > 文章列表 > 文章 > python教程 > Python对象支持with语句的关键在于实现上下文管理器协议,主要涉及两个方法:__enter__() 和 __exit__()。以下是详细步骤:1. 定义类并实现 __enter__() 方法__enter__() 方法在 with 语句开始时被调用。通常用于获取资源(如文件、网络连接等)。返回值会赋给 as 后的变量。class MyContext: def __enter__(se

Python对象支持with语句的关键在于实现上下文管理器协议,主要涉及两个方法:__enter__() 和 __exit__()。以下是详细步骤:1. 定义类并实现 __enter__() 方法__enter__() 方法在 with 语句开始时被调用。通常用于获取资源(如文件、网络连接等)。返回值会赋给 as 后的变量。class MyContext: def __enter__(se

2026-05-27 12:51:53 0浏览 收藏
Python中让对象支持with语句的核心在于严格实现上下文管理器协议——必须同时定义`__enter__`和`__exit__`两个方法,缺一不可,否则会直接抛出AttributeError;`__enter__`负责资源获取并决定`as`后变量的值,`__exit__`则在无论成功或异常时确保资源释放,并通过返回True/False精准控制异常传播;对于简单场景,`@contextmanager`装饰器提供更简洁的生成器式实现,但需谨记单次yield、try/finally保障清理等关键约束;而需要状态保持、高频调用或装饰器功能时,自定义类仍是更灵活可靠的选择——掌握这些细节,才能真正写出安全、健壮、符合Python惯用法的上下文管理代码。

如何让Python对象支持with语句_实现上下文管理器协议的步骤

必须实现 __enter__ 和 __exit__ 两个方法,缺一不可;否则 with 语句会抛出 AttributeError: __enter__ 或类似错误。

为什么只加 __enter__ 不行?

Python 解释器在遇到 with 语句时,会**严格检查对象是否同时具备这两个方法**。即使你只关心“进入时初始化”,不写 __exit__ 也会直接报错——它不是可选的“清理钩子”,而是协议的强制组成部分。

常见错误现象:

  • 定义了 __enter__ 但忘了写 __exit__ → 报 AttributeError: __exit__
  • 把 __exit__ 写成 __leave__ 或拼错名 → 同样报 __exit__ 缺失
  • 方法定义在父类但被子类覆盖且没调用 super().__exit__ → 子类实例实际无有效 __exit__

__exit__ 的三个参数和返回值怎么设?

__exit__(self, exc_type, exc_val, exc_tb) 的设计目标是:无论代码块是否异常,都确保资源释放;同时允许你选择是否吞掉异常。

实操建议:

  • 若只需保证清理(最常见),__exit__ 末尾加 return None 或直接不写 return(等价于 return False)→ 异常照常抛出
  • 若想静默忽略特定异常(如 IOError),在内部判断 exc_type is IOError 后 return True
  • 切勿在 __exit__ 中裸写 except: 或 raise —— 它本就是异常处理入口,重复捕获易掩盖问题
  • 参数为 (None, None, None) 表示无异常;只要任一非 None,说明发生了异常

用 @contextmanager 装饰器快速实现,但要注意 yield 规则

比起手写类,contextlib.contextmanager 是更轻量的选择,但它依赖生成器协议,对结构敏感。

关键约束:

  • 被装饰函数必须是 generator(含 yield)
  • yield **只能出现一次**,且必须产出你要绑定给 as 变量的值
  • yield 前的代码 = __enter__ 逻辑,yield 后的 finally 块 = __exit__ 逻辑
  • 若 yield 后没有 finally,资源不会被释放 → 必须用 try/finally 包裹清理动作

示例片段:

from contextlib import contextmanager

@contextmanager def db_connection(): conn = acquire_db() # enter 部分 try: yield conn # 绑定给 as 后的变量 finally: conn.close() # exit 部分,必执行

自定义类 vs @contextmanager:性能与复用差异

两者语义等价,但底层开销和适用场景不同。

选择依据:

  • 需要保存状态(如重试次数、缓存句柄)→ 用类,方便在 self 上存属性
  • 逻辑简单、一次性使用(如临时切换目录、打日志标记)→ @contextmanager 更紧凑
  • 高频调用(如每毫秒创建一个上下文)→ 类实例略快(无生成器状态机开销),但差异通常可忽略
  • 要支持装饰器用法(如 @my_context 修饰函数)→ 必须继承 contextlib.ContextDecorator,此时类更直接

容易被忽略的一点:__enter__ 的返回值决定 as 变量内容,而 @contextmanager 中 yield 的值就是它——如果 yield 后多加了个 print,不影响返回值;但如果 yield 写成 yield x; yield y,会直接报 RuntimeError: generator didn't yield。

文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《Python对象支持with语句的关键在于实现上下文管理器协议,主要涉及两个方法:__enter__() 和 __exit__()。以下是详细步骤:1. 定义类并实现 __enter__() 方法__enter__() 方法在 with 语句开始时被调用。通常用于获取资源(如文件、网络连接等)。返回值会赋给 as 后的变量。class MyContext: def __enter__(self): print("进入上下文") return self # 可以返回任意对象2. 实现 __exit__() 方法__exit__() 在 with 语句结束时被调用,无论是否发生异常。用于释放资源或处理异常。参数包括:exc_type(异常类型)、exc_val(异常值)、exc_tb(异常追踪信息)。 def __exit__(self, exc_type, exc_val, exc_tb): print("退出上下文") # 可以在这里处理异常 if exc_type: print(f"发生异常: {exc_type}") return False # 返回 True 可以抑制异常3. 使用 with 语句创建类的实例,并》文章吧,也可关注golang学习网公众号了解相关技术文章。

千问VL模型怎么用?图文理解与问答接口教程千问VL模型怎么用?图文理解与问答接口教程
上一篇
千问VL模型怎么用?图文理解与问答接口教程
浮动元素自适应宽度:百分比与box-sizing应用技巧
下一篇
浮动元素自适应宽度:百分比与box-sizing应用技巧
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。
    446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。
    517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。
    532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。
    478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。
    303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