Python 属性描述符：原理剖析与 ORM 实战

在模型类中使用描述符

定义好描述符后，我们可以在模型类中直接将其作为类属性使用，实现对字段的统一控制：

class User:
    # 将 IntField 实例作为类属性，实现 age 的整数校验
    age = IntField()

# 测试正常赋值
user = User()
user.age = 30
print(user.age)  # 输出：30

# 测试赋值非整数，抛出异常
user.age = "abc"  # 抛出 ValueError: int value need

# 测试赋值负数，抛出异常
user.age = -5  # 抛出 ValueError: positive value need

关键注意点：避免赋值死循环

在实现 __set__ 方法时，切忌将值保存到传入的 instance（模型类实例）中，比如写成 instance.age = value。

因为当我们对 instance.age 赋值时，Python 会再次调用描述符的 __set__ 方法，从而陷入无限递归，最终导致栈溢出。正确的做法是将值保存到描述符自身的实例（self）中，在 __get__ 方法中再从 self 中取出。

属性描述符的分类：数据描述符与非数据描述符

根据实现的魔法函数不同，属性描述符分为两类，二者的核心区别在于在 Python 属性查找过程中的优先级不同，这也是理解属性查找的关键。

数据描述符（Data Descriptor）

实现了 __get__ 和 __set__ 方法的描述符称为数据描述符，是我们开发中最常用的类型，比如上文的 IntField 就是典型的数据描述符。

数据描述符拥有最高的属性查找优先级，会覆盖实例自身的属性值。

非数据描述符（Non-data Descriptor）

只实现了 __get__ 方法（未实现 __set__）的描述符称为非数据描述符，常见的例子是 Python 中的函数（函数实现了 __get__ 方法，成为绑定方法）。

非数据描述符的优先级低于实例自身的属性值，仅在实例中未找到该属性时才会生效。

Python 完整的属性查找过程：描述符的核心作用

在学习属性描述符之前，我们对 Python 属性查找的认知通常是：先查找实例的 __dict__，再查找类的 __dict__，最后查找基类的 __dict__。

但当引入属性描述符后，Python 的属性查找过程会变得更加精细，而这一过程也是 getattr 和 __getattribute__ 两个魔法函数的底层逻辑。当我们使用 实例。属性（如 user.age）的方式访问属性时，等价于调用全局函数 getattr(实例，属性名)，其完整的查找顺序如下：

核心查找顺序

1. 调用 __getattribute__：无论属性是否存在，都会先调用类中的 __getattribute__ 方法，这是属性查找的入口；
2. 检查数据描述符：在实例的类或基类的 __dict__ 中查找该属性，若该属性是数据描述符，则直接调用其 __get__ 方法，返回结果；
3. 检查实例自身属性：在实例的 __dict__ 中查找该属性，若找到则直接返回值；
4. 检查非数据描述符/类属性：在实例的类或基类的 __dict__ 中查找该属性：
   • 若为非数据描述符，调用其 __get__ 方法返回结果；
   • 若不是描述符，直接返回类属性的值；
5. 调用 __getattr__：若以上步骤均未找到属性，会触发 AttributeError，此时若类中定义了 __getattr__ 方法，会调用该方法；
6. 抛出异常：若未定义 __getattr__，则直接抛出 AttributeError。

关键验证：数据描述符覆盖实例属性

数据描述符的优先级高于实例自身属性，即使我们手动给实例的 __dict__ 添加该属性，访问时仍会优先调用数据描述符的 __get__ 方法：

# 延续上文的 IntField 和 User
user = User()
user.age = 30  # 实例的__dict__为空，值保存在描述符实例中
print(user.__dict__)  # 输出：{}

# 手动给实例__dict__添加 age 属性
user.__dict__['age'] = "abc"

# 访问时仍调用数据描述符，因未给描述符赋值，会报错
print(user.age)  # 报错：IntField has no attribute 'value'

关键验证：非数据描述符被实例属性覆盖

若将 IntField 改为非数据描述符（仅实现 __get__），则实例自身的属性会覆盖描述符：

class NonDataIntField:
    # 仅实现__get__，非数据描述符
    def __get__(self, instance, owner):
        return 10

class User:
    age = NonDataIntField()

user = User()
# 实例赋值 age，覆盖非数据描述符
user.age = 30
print(user.age)  # 输出：30，而非描述符的 10

属性描述符的实际应用：ORM 框架的底层基础

属性描述符的核心价值在于属性逻辑的封装与复用，这也是所有 Python ORM 框架的底层实现原理。

在 Django Model、SQLAlchemy 等框架中，我们定义的 CharField、IntegerField、EmailField 等字段，本质上都是封装了不同校验规则和数据库映射逻辑的属性描述符：

• 字段的类型校验（如 CharField 限制字符串）由描述符的 __set__ 方法实现；
• 字段的数据库字段映射（如字段长度、是否为主键）由描述符的初始化参数实现；
• 字段的取值逻辑由描述符的 __get__ 方法实现。

通过属性描述符，ORM 框架将数据库表的字段与 Python 类的属性进行了完美映射，让我们可以用面向对象的方式操作数据库，而无需编写重复的校验和映射代码。

总结

1. 属性描述符的诞生：为解决 property 在多字段场景下的代码冗余问题，实现属性控制逻辑的复用；
2. 定义规则：实现 __get__、__set__、__delete__ 任一方法的自定义类，即为属性描述符；
3. 两大分类：实现 __get__+__set__ 的数据描述符（高优先级）、仅实现 __get__ 的非数据描述符（低优先级）；
4. 属性查找核心：实例。属性 的查找顺序为「数据描述符 → 实例属性 → 非数据描述符/类属性 → getattr → 异常」；
5. 实际价值：Python ORM 框架的底层核心，是实现属性精细化控制和数据库映射的关键工具。

掌握属性描述符，不仅能让我们写出更优雅、更易维护的 Python 代码，更能帮助我们理解主流框架的底层实现逻辑，提升 Python 面向对象编程的核心能力。