实例讲解Python的函数闭包使用中应注意的问题
昨天正当我用十成一阳指功力戳键盘、昏天暗地coding的时候，正好被人问了一个问题，差点没收好功，洪荒之力侧漏震伤桌边的人，废话不多说，先上栗子（精简版，只为说明问题）：
from functools import wraps
from time import sleep
def retry(attempts=3, wait=2):
if attempts < 0 or attempts > 5:
retry_times = 3
else:
retry_times = attempts
if wait < 0 or wait > 5:
retry_wait = 2
else:
retry_wait = after
def retry_decorator(func):
@wraps(func)
def wrapped_function(*args, **kwargs):
while retry_times > 0:
try:
return func(*args, **kwargs)
except :
sleep(retry_wait)
retry_times -= 1
return wrapped_function
return retry_decorator
简易版的retry装饰器，需要的变量被闭包完美捕捉，逻辑也挺简单明了。问的人说逻辑看着挺正常的，但就是一直报变量retry_times找不到（unresolved reference)的错误提示。
没错仔细捋一下，这是一道送分题呢：闭包捕获的变量（retry_times，retry_wait）相当时引用的retry函数的局部变量，当在wrapped_function的局部作用于里面操作不可变类型的数据时，会生成新的局部变量，但是新生成的局部变量retry_times在使用时还没来得及初始化，因此会提示找不到变量；retry_wait相反能被好好的使用到。
python是duck-typing的编程语言，就算有warning照样跑，写个简单到极限的的函数，用一下装饰器，在wrapped_function逻辑里打个断点看一下各个变量的值也是很快能找到问题的（直接跑也能看到错误:UnboundLocalError: local variable 'retry_attempts' referenced before assignment, 至少比warning msg有用）：
@retry(7, 8)
def test():
print 23333
raise Exception('Call me exception 2333.')
if __name__ == '__main__':
test()
output: UnboundLocalError: local variable 'retry_times' referenced before assignment
要解决这种问题也好办，用一个可变的容器把要用的不可变类型的数据包装一下就行了(说个好久没写C#代码记不太清楚完全不负责任的题外话，就像在C#.net里面，碰到闭包的时候，会自动生成一个混淆过名字的类然后把要被捕捉的值当作类的属性存着，这样在使用的时候就能轻松get，著名的老赵好像有一篇文章讲Lazy Evaluation的好像涉及到这个话题）：
def retry(attempts=3, wait=2):
temp_dict = {
'retry_times': 3 if attempts < 0 or attempts > 5 else attempts,
'retry_wait': 2 if wait < 0 or wait > 5 else wait
}
def retry_decorate(fn):
@wraps(fn)
def wrapped_function(*args, **kwargs):
print id(temp_dict), temp_dict
while temp_dict.get('retry_times') > 0:
try:
return fn(*args, **kwargs)
except :
sleep(temp_dict.get('retry_wait'))
temp_dict['retry_times'] = temp_dict.get('retry_times') - 1
print id(temp_dict), temp_dict
print id(temp_dict), temp_dict
return wrapped_function
return retry_decorate
@retry(7, 8)
def test():
print 23333
raise Exception('Call me exception 2333.')
if __name__ == '__main__':
test()
输出：
4405472064 {'retry_wait': 2, 'retry_times': 3}
4405472064 {'retry_wait': 2, 'retry_times': 3}
23333
4405472064 {'retry_wait': 2, 'retry_times': 2}
23333
4405472064 {'retry_wait': 2, 'retry_times': 1}
23333
4405472064 {'retry_wait': 2, 'retry_times': 0}
从output中可以看到，用dict包装后，程序能够正常的工作，和预期的一致，其实我们也可以从函数的闭包的值再次确认：
>>> test.func_closure[1].cell_contents
{'retry_wait': 2, 'retry_times': 2}
我是结尾，PEACE!
热AI工具
Undresser.AI Undress
人工智能驱动的应用程序，用于创建逼真的裸体照片
AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。
Undress AI Tool
免费脱衣服图片
Clothoff.io
AI脱衣机
AI Hentai Generator
免费生成ai无尽的。
热门文章
热工具
记事本++7.3.1
好用且免费的代码编辑器
SublimeText3汉化版
中文版，非常好用
禅工作室 13.0.1
功能强大的PHP集成开发环境
Dreamweaver CS6
视觉化网页开发工具
SublimeText3 Mac版
神级代码编辑软件(SublimeText3)
热门话题
PHP和Python：代码示例和比较
Apr 15, 2025 am 12:07 AM
PHP和Python各有优劣，选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。
CentOS上PyTorch的GPU支持情况如何
Apr 14, 2025 pm 06:48 PM
在CentOS系统上启用PyTorchGPU加速，需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程：CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如，您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网，根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前
Python vs. JavaScript：社区，图书馆和资源
Apr 15, 2025 am 12:16 AM
Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好，适合初学者，但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大，JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富，但Python适合从官方文档开始，JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。
docker原理详解
Apr 14, 2025 pm 11:57 PM
Docker利用Linux内核特性，提供高效、隔离的应用运行环境。其工作原理如下：1. 镜像作为只读模板，包含运行应用所需的一切；2. 联合文件系统（UnionFS）层叠多个文件系统，只存储差异部分，节省空间并加快速度；3. 守护进程管理镜像和容器，客户端用于交互；4. Namespaces和cgroups实现容器隔离和资源限制；5. 多种网络模式支持容器互联。理解这些核心概念，才能更好地利用Docker。
minio安装centos兼容性
Apr 14, 2025 pm 05:45 PM
MinIO对象存储：CentOS系统下的高性能部署MinIO是一款基于Go语言开发的高性能、分布式对象存储系统，与AmazonS3兼容。它支持多种客户端语言，包括Java、Python、JavaScript和Go。本文将简要介绍MinIO在CentOS系统上的安装和兼容性。CentOS版本兼容性MinIO已在多个CentOS版本上得到验证，包括但不限于：CentOS7.9:提供完整的安装指南，涵盖集群配置、环境准备、配置文件设置、磁盘分区以及MinI
CentOS上PyTorch的分布式训练如何操作
Apr 14, 2025 pm 06:36 PM
在CentOS系统上进行PyTorch分布式训练，需要按照以下步骤操作：PyTorch安装:前提是CentOS系统已安装Python和pip。根据您的CUDA版本，从PyTorch官网获取合适的安装命令。对于仅需CPU的训练，可以使用以下命令：pipinstalltorchtorchvisiontorchaudio如需GPU支持，请确保已安装对应版本的CUDA和cuDNN，并使用相应的PyTorch版本进行安装。分布式环境配置:分布式训练通常需要多台机器或单机多GPU。所
CentOS上PyTorch版本怎么选
Apr 14, 2025 pm 06:51 PM
在CentOS系统上安装PyTorch，需要仔细选择合适的版本，并考虑以下几个关键因素：一、系统环境兼容性:操作系统:建议使用CentOS7或更高版本。CUDA与cuDNN:PyTorch版本与CUDA版本密切相关。例如，PyTorch1.9.0需要CUDA11.1，而PyTorch2.0.1则需要CUDA11.3。cuDNN版本也必须与CUDA版本匹配。选择PyTorch版本前，务必确认已安装兼容的CUDA和cuDNN版本。Python版本:PyTorch官方支
CentOS上如何更新PyTorch到最新版本
Apr 14, 2025 pm 06:15 PM
在CentOS上更新PyTorch到最新版本，可以按照以下步骤进行：方法一：使用pip升级pip：首先确保你的pip是最新版本，因为旧版本的pip可能无法正确安装最新版本的PyTorch。pipinstall--upgradepip卸载旧版本的PyTorch（如果已安装）：pipuninstalltorchtorchvisiontorchaudio安装最新
