探讨 Python 依赖注入（DI）的三种实现方式：显式传参、工厂函数及容器框架。对比了各自的优缺点与适用场景，指出显式传参可读性高但参数多，容器框架自动化强但有学习成本。通过电商支付模块重构案例，展示了如何将全局单例改为 DI 模式以提升单元测试覆盖率至 98% 以上并降低维护成本。结合 FastAPI 异步特性与类型提示，阐述了 DI 在现代 Python 架构中的可测性与扩展性价值，为大型项目提供落地路径。
在大型项目中，灵活性容易导致依赖关系混乱、代码难以测试和维护。依赖注入（Dependency Injection，简称 DI）通过将对象的创建与使用分离，使代码更松耦合、更易扩展。结合类型提示（typing + mypy）和现代框架，Python 能优雅承载所有 DI 模式。
依赖注入的实现离不开 Python 核心语法与面向对象机制。
config = {"db_url": "sqlite:///test.db", "timeout": 30}
items = [1, 2, 3]
import time
def timer(func):
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
end = time.time()
print(f"{func.__name__} 花费时间：{end - start:.4f}秒")
return result
return wrapper
@timer
def compute_sum(n):
return sum(range(n))
print(compute_sum(1000000))
Python 的元编程、资源管理和异步特性，让 DI 实现更加高效。
type() 动态创建带注入依赖的类，或 metaclass 自动注册服务。with 语句完美实现'注入生命周期管理'，生成器（yield）则用于懒加载依赖。from contextlib import contextmanager
@contextmanager
def db_session_dependency():
session = create_session() # 注入真实会话
try:
yield session
finally:
session.close()
Depends 正是异步 DI 的典范。Python 提供三种主流 DI 方式，每种都对应不同复杂度场景。
最简单、最推荐的纯 Python 方式：直接在构造方法或函数参数中传入依赖。
class PaymentService:
def __init__(self, db: Database, email_sender: EmailSender):
self.db = db
self.email_sender = email_sender
def process_payment(self, order_id: int, amount: float):
self.db.save_transaction(order_id, amount)
self.email_sender.send_confirmation(order_id)
工厂函数负责组装依赖，适合配置驱动场景。
def create_payment_service() -> PaymentService:
db = Database(config["db_url"])
email = SmtpEmailSender(config["smtp_host"])
return PaymentService(db, email)
使用第三方容器自动解析依赖，适合大型项目。
from dependency_injector import containers, providers
class Container(containers.DeclarativeContainer):
db = providers.Singleton(Database, url=config["db_url"])
email_sender = providers.Singleton(SmtpEmailSender, host=config["smtp_host"])
payment_service = providers.Factory(PaymentService, db=db, email_sender=email_sender)
container = Container()
service = container.payment_service()
总体代价排序（由低到高）：显式传参 < 工厂函数 < 容器框架。
以电商'订单支付'模块为例，传统写法常把依赖藏进全局单例，导致测试时无法 mock、产生副作用。
# bad.py
global_db = Database()
class PaymentService:
def process(self, order_id):
global_db.save(...)
class PaymentService:
def __init__(self, db: Database, notifier: Notifier):
self.db = db
self.notifier = notifier
def process_payment(self, order_id: int, amount: float):
transaction = Transaction(order_id, amount)
self.db.save(transaction)
self.notifier.send("支付成功", order_id)
@contextmanager
def get_payment_service():
db = Database(get_db_url())
notifier = EmailNotifier()
service = PaymentService(db, notifier)
try:
yield service
finally:
db.close()
from fastapi import Depends, FastAPI
def get_db():
db = Database()
try:
yield db
finally:
db.close()
app = FastAPI()
@app.post("/pay")
def pay(order_id: int, service: PaymentService = Depends(lambda: PaymentService(get_db(), EmailNotifier()))):
service.process_payment(order_id, 99.9)
def test_payment_success():
mock_db = Mock()
mock_notifier = Mock()
service = PaymentService(mock_db, mock_notifier)
service.process_payment(123, 99.9)
mock_db.save.assert_called_once()
mock_notifier.send.assert_called_once_with("支付成功", 123)
Python 3.12+ 的模式匹配 + 更强的 typing 支持，让 DI 静态检查更可靠。FastAPI 2.0 与 dependency_injector 结合，已支持原生异步容器。
社区趋势包括：AI 辅助生成 DI 容器声明、与 Serverless（AWS Lambda）深度集成、Python 在物联网和实时数据流中的 DI 应用。
依赖注入在 Python 中高度实用：显式传参提供透明基础，工厂函数实现灵活组装，容器框架支撑大规模自动化。通过电商支付案例，我们看到它如何彻底解决全局单例问题，让代码真正可测、可维护。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online
将 HTML 片段转为 GitHub Flavored Markdown，支持标题、列表、链接、代码块与表格等；浏览器内处理，可链接预填。 在线工具，HTML 转 Markdown在线工具，online
通过删除不必要的空白来缩小和压缩JSON。 在线工具，JSON 压缩在线工具，online