函数属性

python中的函数是一种对象，它有属于对象的属性。除此之外，函数还可以自定义自己的属性。注意，属性是和对象相关的，和作用域无关。

自定义属性

自定义函数自己的属性方式很简单。假设函数名称为myfunc，那么为这个函数添加一个属性var1：

myfunc.var1="abc"

那么这个属性var1就像是全局变量一样被访问、修改。但它并不是全局变量。

可以跨模块自定义函数的属性。例如，在b.py中有一个函数b_func()，然后在a.py中导入这个b.py模块，可以直接在a.py中设置并访问来自b.py中的b_func()的属性。

import b b.b_func.var1="hello" print(b.b_func.var1) # 输出hello

查看函数对象属性

python函数是一种对象，是对象就会有对象的属性。可以通过如下方式查看函数对象的属性：

dir(func_name)

例如，有一个属性__name__，它表示函数的名称：

def f(x): y=10 def g(z): return x+y+z return g print(f.__name__) # 输出f

还有一个属性__code__，这个属性是本文的重点，它表示函数代码对象：

print(f.__code__)

输出：

<code object f at 0x0335B180, file "a.py", line 2>

上面的输出结果已经指明了__code__也是对象，既然是对象，它就有自己的属性：

print( dir(f.__code__) )

现在，就可以看到函数代码对象相关的属性，其中有一类属性都以co_开头，表示字节码的意思，后文会详细解释这些属性的意义。实际上，并非只有函数具有这些属性，所有的代码块(code block)都有这些属性。

[...省略其它非co_属性... 'co_argcount', 'co_cellvars', 'co_code', 'co_consts', 'co_filename', 'co_firstlineno', 'co_flags', 'co_freevars', 'co_kwonlyargcount', 'co_lnotab', 'co_name', 'co_names', 'co_nlocals', 'co_stacksize', 'co_varnames']

如何查看这些__code__的属性？使用f.__code__.co_XXX即可。由于dir()返回的是属性列表，所以下面使用循环将co_开头的属性都输出出来：

for i in dir(f.__code__): if i.startswith("co"): print(i+":",eval("f.__code__."+i))

输出结果：

co_argcount: 1 co_cellvars: ('x', 'y') co_code: b'd\x01\x89\x01\x87\x00\x87\x01f\x02d\x02d\x03\x84\x08}\x01|\x01S\x00' co_consts: (None, 10, <code object g at 0x02FB7338, file "g:/pycode/b.py", line 3>, 'f.<locals>.g') co_filename: g:/pycode/b.py co_firstlineno: 1 co_flags: 3 co_freevars: () co_kwonlyargcount: 0 co_lnotab: b'\x00\x01\x04\x01\x0e\x02' co_name: f co_names: () co_nlocals: 2 co_stacksize: 3 co_varnames: ('x', 'g')

此外，还可以使用dis模块的show_code()函数来输出这些信息的整理：

import dis def f(x): y=10 def g(z): return x+y+z return g print(dis.show_code(f))

输出结果：

Name: f Filename: g:/pycode/b.py Argument count: 1 Kw-only arguments: 0 Number of locals: 2 Stack size: 3 Flags: OPTIMIZED, NEWLOCALS Constants: 0: None 1: 10 2: <code object g at 0x00A89338, file "g:/pycode/b.py", line 4> 3: 'f.<locals>.g' Variable names: 0: x 1: g Cell variables: 0: x 1: y None

__code__属性的解释

这些属性定义在python源码包的Include/code.h文件中，如有需要，可自行去查看。

另外，这些属性是代码块(code block)的，不限于函数。但此处以函数为例进行说明。

由于这些属性中涉及到了闭包属性(或者嵌套函数的属性)，所以以下面这个a.py文件中的嵌套函数为例：

import dis x=3 def f(a,b,*args,c): a=3 y=10 print(a,b,c,x,y) def g(z): return a+b+c+x+z return g

以下是查看函数f()和闭包函数g()的方式：

# f()的show_code结果 dis.show_code(f) # f()的co_XXX属性 for i in dir(f.__code__): if i.startswith("co"): print(i+":",eval("f.__code__."+i)) # 闭包函数，注意，传递了*args参数 f1=f(3,4,"arg1","arg2",c=5) # f1()的show_code结果 dis.show_code(f1) # f1()的co_XXX属性 for i in dir(f1.__code__): if i.startswith("co"): print(i+":",eval("f1.__code__."+i))

下面将根据上面查看的结果解释各属性：

co_name
函数的名称。

上例中该属性的值为外层函数f和闭包函数g，注意不是f1。

co_filename
函数定义在哪个文件名中。

上例中为a.py。

co_firstlineno
函数声明语句在文件中的第几行。即def关键字所在的行号。

上例中f()的行号为3，g()的行号为7。

co_consts
该函数中使用的常量有哪些。python中并没有专门的常量概念，所有字面意义的数据都是常量。

以下是show_code()得到的f()中的常量：

Constants: 0: None 1: 3 2: 10 3: <code object g at 0x0326B7B0, file "a.py", line 7> 4: 'f.<locals>.g'

而内层函数g()中没有常量。

co_kwonlyargcount
keyword-only的参数个数。

f()的keyword-only的参数只有c，所以个数为1
g()中没有keyword-only类的参数，所以为0

co_argcount
除去*args之外的变量总数。实际上是除去*和**所收集的参数以及keyword-only类的参数之后剩余的参数个数。换句话说，是*或**前面的位置参数个数。

f()中属于此类参数的有a和b，所以co_argcount数值为2
g()中只有一个位置参数，所以co_argcount数值为1

co_nlocals
co_varnames
本地变量个数和它们的名称，变量名称收集在元组中。

f()的本地变量个数为6，元组的内容为：('a', 'b', 'c', 'args', 'y', 'g')
g()的本地变量个数为1，元组的内容为：('z',)

co_stacksize
本段函数需要在栈空间评估的记录个数。换句话说，就是栈空间个数。

这个怎么计算的，我也不知道。以下是本示例的结果：
f()的栈空间个数为6
g()的栈空间个数为2

co_names
函数中保存的名称符号，一般除了本地变量外，其它需要查找的变量(如其它文件中的函数名，全局变量等)都需要保存起来。

f()的co_names：

Names: 0: print 1: x

g()的co_names：

Names: 0: x

co_cellvars
co_freevars
这两个属性和嵌套函数(或者闭包有关)，它们是互相对应的，所以内容完全相同，它们以元组形式存在。

co_cellvars是外层函数的哪些本地变量被内层函数所引用
co_freevars是内层函数引用了哪些外层函数的本地变量

对外层函数来说，co_freevars一定是空元组，对内层函数来说，co_cellvars则一定是空元组。

如果知道自由变量的概念，这个很容易理解。

f()的co_cellvars内容： ('a', 'b', 'c', 'y')
f()的co_freevars内容： ('a', 'b', 'c', 'y')

co_code
co_flags
co_lnotab
这3个属性和python函数的源代码编译成字节码有关，本文不解释它们。

属性和字节码对象PyCodeObject

对于python，通常都认为它是一种解释型语言。但实际上它在进行解释之前，会先进行编译，会将python源代码编译成python的字节码(bytecode)，然后在python virtual machine(PVM)中运行这段字节码，就像Java一样。但是PVM相比JVM而言，要更"高级"一些，这个高级的意思和高级语言的意思一样：离物理机(处理机器码)的距离更远，或者说要更加抽象。

源代码被python编译器编译的结果会保存在内存中一个名为PyCodeObject的对象中，当需要运行时，python解释器开始将其放进PVM中解释执行，执行完毕后解释器会"根据需要"将这个编译的结果对象持久化到二进制文件*.pyc中。下次如果再执行，将首先从文件中加载(如果存在的话)。

所谓"根据需要"是指该py文件是否只运行一次，如果不是，则写入pyc文件。至少，对于那些模块文件，都会生成pyc二进制文件。另外，使用compileall模块，可以强制让py文件编译后生成pyc文件。

但需要注意，pyc虽然是字节码文件，但并不意味着比py文件执行效率更高，它们是一样的，都是一行行地读取、解释、执行。pyc唯一比py快的地方在导入，因为它无需编译的过程，而是直接从文件中加载对象。

py文件中的每一个代码块(code block)都有一个属于自己的PyCodeObject对象。每个代码块除了被编译得到的字节码数据，还包含这个代码块中的常量、变量、栈空间等内容，也就是前面解释的各种co_XXX属性信息。

pyc文件包含3部分：

• 4字节的Magic int，表示pyc的版本信息
• 4字节的int，是pyc的产生时间，如果与py文件修改时间不同，则会重新生成
• PycodeObject对象序列化的内容