欢迎来到 Python 进阶探索之旅！今天我们将深入探讨一个非常实用且在日常开发中经常遇到的问题：如何获取类的属性列表。
无论你是正在编写一个复杂的调试工具，试图序列化对象数据，还是仅仅想快速查看某个对象内部携带了哪些状态信息，掌握如何检索类属性都是一项必备技能。在 Python 中，"属性"这个概念有时会显得有些模糊，因为它可能指代类级别的变量、实例特有的变量，甚至是从父类继承而来的方法或特性。
在本文中，我们将一起剥开 Python 对象模型的层层面纱。我们将不仅识别出那些在类级别定义的变量（类属性）和实例特有的变量（实例属性），还会区分它们与普通方法的差异。让我们从最基础的直觉出发，逐步探索 Python 提供的多种强大工具，并通过大量实际代码示例来看看它们是如何工作的。
目录
类属性与实例属性：核心概念
在正式动手之前，让我们先明确一下我们要"抓取"的目标。在 Python 中，属性通常分为两大类，理解它们的区别对于选择正确的获取方法至关重要：
- 类属性：这些是在类体中定义的变量，但在任何方法之外。它们由类的所有实例共享。这就好比是一个共享的白板，所有学生（实例）都能看到并修改上面的内容。
- 实例属性：这些通常在 INLINECODE53517051 构造方法中使用 INLINECODE1bb0adc3 定义。它们是特定于每个对象的独立数据。
让我们看一个简单的例子来建立直觉：
class Robot:
# 类属性：所有机器人共有的物种
species = ‘Android‘
def __init__(self, name):
# 实例属性：每个机器人特有的名字
self.name = name
self.battery = 100
r1 = Robot(‘R2-D2‘)
r2 = Robot(‘C-3PO‘)
# r1 和 r2 都有自己独特的 ‘name‘ 和 ‘battery‘
# 但它们共享同一个 ‘species‘
现在，让我们开始探索如何用代码把这些属性"抓"出来。
1. 使用 vars() 函数
INLINECODEe4c84f52 函数是 Python 内置的一个非常便捷的工具，它实际上是对对象 INLINECODEf4751b14 属性的一种封装。当我们传入一个对象作为参数时，它会返回一个包含该对象所有实例属性的字典。
需要注意的是，vars() 主要聚焦于实例属性。如果直接用在类上（而不是实例上），它会返回类属性；如果用在实例上，它通常只返回该实例特有的数据，而不包含类属性。
基础示例
让我们看一个例子，并仔细观察它的输出。
class Number:
# 以下都是类属性
one = ‘first‘
two = ‘second‘
three = ‘third‘
def __init__(self, attr):
# 这是一个实例属性
self.attr = attr
def show(self):
# 方法可以访问类属性和实例属性
print(f"访问类属性: {self.one}, {self.two}, {self.three}")
print(f"访问实例属性: {self.attr}")
# 创建实例
n = Number(2)
n.show()
# 【关键点】使用 vars() 查看实例属性
print("
vars(n) 返回的结果:")
print(vars(n))
输出结果：
访问类属性: first, second, third
访问实例属性: 2
vars(n) 返回的结果:
{‘attr‘: 2}
深入分析
从上面的输出我们可以看到一个关键细节：INLINECODEbbd8295a 只返回了 INLINECODEcf636217。它并没有显示 INLINECODEddf5b727、INLINECODEd399020f 或 three。
这是为什么呢？因为 INLINECODE4bf9b0b3, INLINECODE4512ab0f, INLINECODE4a401e26 是属于 INLINECODE0eb04a32 类的，而不是实例 INLINECODE1c04c207 独有的。INLINECODE89587b30 仅仅查找实例本身的命名空间。如果你需要获取类属性，你需要对类本身使用 INLINECODE1532d1b3（或者 INLINECODE2c53b525）。
实用场景：快速对象序列化
vars() 的一个常见用途是将对象转换为字典，以便序列化为 JSON。例如：
import json
class User:
def __init__(self, username, email):
self.username = username
self.email = email
self.is_active = True
user = User(‘coder123‘, ‘[email protected]‘)
# 直接无法序列化对象，但可以序列化 vars() 的返回值
# json.dumps(user) # 这会报错
user_dict = vars(user)
print(json.dumps(user_dict, indent=2))
输出：
{
"username": "coder123",
"email": "[email protected]",
"is_active": true
}
2. 使用 dict 魔术方法
如果说 INLINECODEf60cfd84 是封装好的工具，那么 INLINECODE9f8cc7f5 就是那个工具直接操作的底层机制。每一个 Python 对象（除非使用了 INLINECODE59c4833b，我们稍后会讲）都有一个 INLINECODE875c71d1 属性，这是一个字典，存储了对象的所有 writable 属性。
它与 INLINECODEcdc828a6 几乎相同，但使用 INLINECODE2eacbe4e 往往被视为更"底层"的直接访问。
实战示例
让我们对上面的例子稍作修改，看看 __dict__ 的威力：
class DataStore:
category = ‘Database‘
def __init__(self, id, value):
self.id = id
self.value = value
obj = DataStore(101, ‘Secret Data‘)
# 直接查看 __dict__
print("实例的 __dict__:", obj.__dict__)
# 我们可以利用字典的方法灵活操作
print("
所有属性名:", list(obj.__dict__.keys()))
print("所有属性值:", list(obj.__dict__.values()))
# 动态修改属性
obj.__dict__[‘status‘] = ‘Processed‘
print("
动态添加后的 __dict__:", obj.__dict__)
输出结果：
实例的 __dict__: {‘id‘: 101, ‘value‘: ‘Secret Data‘}
所有属性名: [‘id‘, ‘value‘]
所有属性值: [101, ‘Secret Data‘]
动态添加后的 __dict__: {‘id‘: 101, ‘value‘: ‘Secret Data‘, ‘status‘: ‘Processed‘}
性能差异与最佳实践
你可能会问，INLINECODEe46ac08e 和 INLINECODEde6193f8 到底该用哪个？
- 可读性：
vars(obj)通常被认为更 Pythonic（更符合 Python 风格），因为它是一个内置函数接口。 - 灵活性：
__dict__允许你做字典赋值操作（如上面的例子所示），这在某些元编程场景下非常有用。 - 局限性：两者都有一个共同的缺点：它们只显示对象自身定义的属性，不会显示从类继承的属性或属性描述符。
3. 处理特殊情况：slots 的魔法
这是一个非常重要的进阶话题。在默认情况下，Python 对象是非常灵活的，你可以在运行时给任何对象添加新属性。这种灵活性来自于 INLINECODEd28736d7。但是，灵活性是有代价的——内存消耗。如果你需要创建成千上万个对象（比如游戏中的粒子系统），每个对象都带着一个 INLINECODE0f24f96f 字典，内存开销会非常巨大。
为了解决这个问题，Python 提供了 INLINECODE7421f929。它像一个"围栏"，明确规定了类只允许拥有哪些属性。使用 INLINECODE7ea9ce37 后，类实例将不再拥有 __dict__ 属性！
代码示例：开启性能模式
class CompactEntity:
# 定义允许的属性列表
__slots__ = [‘x‘, ‘y‘, ‘z‘]
def __init__(self, x, y, z):
self.x = x
self.y = y
self.z = z
point = CompactEntity(10, 20, 30)
print("x =", point.x)
print("y =", point.y)
print("
尝试访问 __dict__...")
try:
print(point.__dict__)
except AttributeError as e:
print(f"错误捕获: {e}")
print("
查看 __slots__:")
print(CompactEntity.__slots__)
输出结果：
x = 10
y = 20
尝试访问 __dict__...
错误捕获: ‘CompactEntity‘ object has no attribute ‘__dict__‘
查看 __slots__:
[‘x‘, ‘y‘, ‘z‘]
关键洞察
当你在处理使用了 INLINECODEf0766ee7 的类时，之前的 INLINECODEc6c1f9eb 和 INLINECODE163a9ce9 方法都会失效。如果你想获取这种类的属性列表，你必须直接访问类的 INLINECODE4934c791 属性（或者通过 dir()，但这不仅限于属性）。
这是一个经典的"坑"。如果你在编写一个通用的序列化库，你必须先检查对象是否有 INLINECODE56560698，如果没有，再检查 INLINECODEe8a59a42，最后可能还需要检查父类的 INLINECODEc26ea585（因为 INLINECODE72e9dc46 是继承的）。
4. 终极工具：inspect.getmembers()
如果我们需要一种更全面、更系统的方式来检查对象，不仅要获取实例属性，还要获取类属性，甚至方法、内部变量怎么办？这时，Python 标准库中的 inspect 模块就是我们的终极武器。
INLINECODEed6547f2 方法会返回一个包含对象所有成员（属性和方法）的列表，列表中的每个元素都是 INLINECODE56844c3f 的元组形式。
深度探索示例
在这个例子中，我们将演示如何过滤掉我们不想要的东西（比如以 _ 开头的私有方法和内置方法），只保留核心属性。
import inspect
class DetailedClass:
# 类属性
class_version = ‘1.0‘
def __init__(self, name, code):
self.name = name
self.code = code
def show(self):
return f"{self.name}: {self.code}"
def _internal_method(self):
pass
obj = DetailedClass(‘Alpha‘, ‘999‘)
# 获取所有成员
all_members = inspect.getmembers(obj)
print("--- 原始成员列表（部分）---")
# 注意：这里会有很多继承自 object 的魔术方法，如 __class__, __module__ 等
for name, value in all_members[:5]:
print(f"{name}: {value}")
print("
--- 过滤后的属性列表 ---")
# 我们来做一个复杂的过滤逻辑
for name, value in inspect.getmembers(obj):
# 条件1：名称不以双下划线开头（过滤掉 __doc__, __module__ 等）
if not name.startswith(‘__‘):
# 条件2：不是方法（使用 inspect.ismethod 判断）
# 注意：inspect.isfunction 可以判断函数，ismethod 判断绑定的方法
if not inspect.ismethod(value) and not inspect.isfunction(value):
# 条件3：不是内置模块或类型
if not inspect.isbuiltin(value) and not inspect.isclass(value):
print(f"属性名: {name} -> 值: {value}")
输出结果：
--- 原始成员列表（部分）---
class_version: 1.0
code: 999
name: Alpha
show: <bound method DetailedClass.show of >
_internal_method: <bound method DetailedClass._internal_method of >
--- 过滤后的属性列表 ---
属性名: class_version -> 值: 1.0
属性名: code -> 值: 999
属性名: name -> 值: Alpha
为什么 inspect 更强大？
正如你在上面的输出中看到的，INLINECODE85cf5401 不仅找到了实例属性 INLINECODE2a6f13e2 和 INLINECODE94ed6165，还找到了类属性 INLINECODEf8288831。这是 INLINECODEa5d7bb1a 和 INLINECODE556a227d 做不到的（它们只能看到实例属性）。
如果你需要获取对象可见的所有数据，使用配合过滤条件的 inspect.getmembers() 是最稳妥的方案。
常见错误与解决方案
在编写代码获取属性时，你可能会遇到一些常见的"坑"。让我们提前预演一下。
陷阱 1：混淆实例属性和类属性
假设你试图修改一个从类继承来的属性。
class Config:
debug = False
c = Config()
print("初始类属性:", c.debug)
# 这种操作实际上会在 c 的 __dict__ 中创建一个名为 ‘debug‘ 的实例属性
# 而不是修改类的 debug
c.debug = True
print("实例 debug:", c.debug) # True
print("类 debug:", Config.debug) # False -> 类没变！
教训：在列出属性时，要注意区分是修改了实例还是修改了类模版。
陷阱 2：属性与 Property 装饰器
Python 中有一种叫做"属性描述符"的东西，使用 INLINECODE72d3b6bb 装饰器定义。它看起来像属性，调用像属性，但 INLINECODEf096a5dc 通常看不到它的计算过程。
class Circle:
def __init__(self, radius):
self.radius = radius
@property
def area(self):
return 3.14 * self.radius ** 2
c = Circle(5)
# vars() 只能看到 radius，看不到 area
print("vars() 看到:", vars(c))
# 但我们可以访问 c.area
print("直接访问 area:", c.area)
# 只有 inspect.getmembers 或者 dir() 能看到 area 的存在
print("
inspect 可以看到 area:", ‘area‘ in [m[0] for m in inspect.getmembers(c)])
总结与最佳实践
在这篇深入的文章中，我们探讨了四种在 Python 中获取类和对象属性的主要方法。作为开发者，我们应根据具体场景选择最合适的工具：
- 对于纯粹的实例属性检查：首选 INLINECODE5338d7b9 或 INLINECODE072af27a。这非常直观且高性能，特别适合只需要处理对象自身数据的场景（如 JSON 序列化）。
- 对于内存敏感或受限的环境：要注意 INLINECODE0ca5e92c 的存在。如果你的通用代码需要兼容所有类，请务必加上对 INLINECODEeec3f522 的检查逻辑，或者优雅地处理
AttributeError异常。 - 对于全面的内省：当你需要看到对象的"全貌"（包括类属性、方法、Property 等）时，使用
inspect.getmembers()。这是编写调试器、序列化库或 ORM（对象关系映射）系统的标准做法。
下一步建议
既然你已经掌握了这些技巧，你可以尝试编写一个名为 INLINECODE955616ee 的函数，它能智能地自动判断传入的对象是普通对象还是使用了 INLINECODEeb3607a7 的对象，并以整齐的格式打印出其所有关键属性。这将是巩固你所学知识的绝佳练习！
希望这篇文章能帮助你更好地理解 Python 的动态特性。如果你在实战中遇到任何问题，记得查阅官方文档关于 INLINECODEd74fe773 和 INLINECODEfb827195 的章节，那里蕴藏着更深层的世界。祝你编码愉快！