Pythondir()函数使用详解
Python 的 `dir()` 函数常被误认为能“列出对象所有可用属性”,实则它仅返回当前命名空间中可枚举、非私有的名称快照,受 `__dir__` 方法控制,不保证完整性、顺序或可用性——动态添加的属性可能被 `__slots__` 或自定义 `__dir__` 过滤,C 扩展方法可能完全缺席,而列表与其实例的差异更暴露其本质是命名空间视图而非功能清单;真正判断属性是否“真能用”,需结合 `hasattr`、`getattr` 和 `callable` 验证,辅以 `__dict__`、继承分析或文档查阅,切记:`dir()` 是探索的起点,不是权威答案——在描述符、`__getattribute__` 和框架魔法交织的 Python 世界里,它只提供线索,而非真相。

dir() 返回的到底是不是“所有属性”
不是。它返回的是对象当前命名空间中**可枚举的、非私有(不以双下划线开头或结尾)的名称列表**,但这个列表受 __dir__ 方法控制,且不包含动态生成但未被显式注册的属性。
常见错误现象:dir(obj) 看不到你刚用 obj.new_attr = 42 动态赋值的属性?那基本不可能——除非该对象是用 __slots__ 限制了属性集,或者重写了 __dir__ 并故意过滤掉了它。
- 内置类型(如
list、str)的dir()结果包含大量继承自object的方法,比如__eq__、__repr__,但不包括像__dict__这类只在特定对象上存在的属性(例如实例有,类本身可能没有) - 如果类定义了
__dir__(self),Python 会直接调用它,忽略默认逻辑。很多封装库(如 pandas 的 Series)就靠这个隐藏内部字段 dir()不保证顺序,也不保证完整性:C 扩展模块里用PyMethodDef注册的方法可能不会出现在dir()中,除非显式加入
为什么 dir(list) 和 dir([]) 输出不一样
因为一个是查 list 类本身,一个是查一个空 list 实例;它们的命名空间来源不同。
使用场景:调试时想确认某个方法是否属于实例还是类,或者怀疑自己调错了对象层级。
dir(list)主要显示类属性、类方法(如fromkeys)、继承来的特殊方法(__subclasses__)dir([])显示实例能访问的所有名称,包括实例字典里的键(如果有)、继承链上的方法、以及由__dir__补充的内容- 性能影响很小,但反复对大型对象(如含数千个键的 dict 实例)调用
dir()可能触发一次完整的属性扫描,不如直接查obj.__dict__.keys()(如果存在)来得快
如何判断某个名字是不是“真能用”的属性
dir() 只是列名字,不验证有效性。一个名字在 dir() 里出现,不代表你能安全读取或调用它。
容易踩的坑:看到 __weakref__ 就以为可以赋值,结果抛出 AttributeError: __weakref__ is not writable;或者看到 _private_method 就当成公有接口用,其实它是约定俗成的内部实现。
- 最可靠的方式是结合
hasattr(obj, 'name')+getattr(obj, 'name', None),而不是只信dir() - 对方法,用
callable(getattr(obj, 'name', None))判断是否可调;对数据属性,注意有些是 property,读取可能触发异常(比如未初始化的 lazy 属性) - 某些框架(如 Django model 实例)的
dir()会包含大量字段名,但这些字段只有在模型实例已从数据库加载后才真正可读——否则会触发AttributeError或延迟查询
替代 dir() 的更精准方案
当你要找的是“我到底能对这个对象干啥”,dir() 是起点,不是终点。
常见错误现象:在 Jupyter 里敲 obj. + Tab,结果补全列表和 dir(obj) 不一致——这是因为 IPython 的补全逻辑额外检查了 __all__、__dir__,甚至动态运行了部分描述符。
- 查真实数据属性:
obj.__dict__.keys()(仅限有__dict__的实例) - 查类定义的属性(不含继承):
[x for x in list.__dict__.keys() if not x.startswith('_')] - 查继承链上所有可调用方法:
[x for x in dir(obj) if callable(getattr(obj, x, None))] - 看文档字符串最直接:
help(obj.some_method)比猜dir()输出靠谱得多
真正复杂的地方在于:Python 的属性访问是分层的——描述符协议、__getattribute__、__getattr__ 共同作用的结果。dir() 只反映静态命名空间快照,而实际访问行为可能完全跑在另一套逻辑里。别把它当权威,只当线索。
以上就是《Pythondir()函数使用详解》的详细内容,更多关于的资料请关注golang学习网公众号!
TikTok国际版入口及视频查看教程
- 上一篇
- TikTok国际版入口及视频查看教程
- 下一篇
- 锁定系统时间,禁止修改日期设置方法
-
- 文章 · python教程 | 20小时前 |
- Python importlib.metadata.entry_points 怎样按组选择插件入口
- 154浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python pkgutil.get_data 遇到不支持资源读取的加载器会返回什么
- 156浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python aifc 被移除后怎样选择 AIFF 音频处理路径
- 404浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python profile 和 cProfile 的计时开销有什么区别
- 182浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python pstats 怎样同时限制性能报告的排序和显示条目
- 499浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python tokenize.detect_encoding 怎样识别源文件编码声明
- 235浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python mailbox.mbox 修改后为什么还要 flush 和 unlock
- 450浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python tabnanny 怎样检查混合缩进的歧义
- 166浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python mailbox.Maildir 怎样区分新邮件与已读邮件
- 343浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python sched 怎样取消尚未触发的定时事件
- 132浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python sched.scheduler 怎样让 run 不阻塞等待下个事件
- 164浏览 收藏
-
- 文章 · python教程 | 20小时前 |
- Python cmd.Cmd 的 precmd 和 postcmd 怎样修改命令循环
- 236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。
- 795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。
- 786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。
- 873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。
- 838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。
- 669次使用
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- 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

