Python 属性描述符：从原理到 ORM 实践详解

Ne0inhk

— 10 min read
Python 属性描述符：从原理到 ORM 实践详解

Python 属性描述符：从原理到 ORM 实践详解

在Python的面向对象编程中，属性的控制与查找是核心知识点之一，而属性描述符作为实现属性精细化控制的重要工具，更是ORM框架（如Django Model、SQLAlchemy）的底层实现基础。本文将从实际开发痛点出发，深入讲解属性描述符的定义、分类、使用方法，以及它在Python属性查找过程中的核心作用，帮你彻底理解这一重要特性。

一、为什么需要属性描述符？从property的局限性说起

在Python中，我们常用property装饰器来控制属性的获取、设置和删除过程，实现对属性的简单校验和逻辑封装。比如我们要限制用户类中age为整数类型、name为字符串类型，使用property可以轻松实现：

 class User: @property def age(self): return self._age @age.setter def age(self, value): if not isinstance(value, int): raise ValueError("int value need") self._age = value

但在实际开发中，尤其是在ORM场景下，一个数据模型类往往对应数据库的一张表，包含十几个甚至几十个字段，其中很多字段会有相同的类型校验规则（如name、email、mobile都是字符串类型，age、id都是整数类型）。

如果继续使用property，我们需要为每个字段编写重复的getter和setter方法，这会导致代码冗余度极高，维护成本大幅增加。为了解决代码复用的问题，Python为我们提供了更优雅的解决方案——属性描述符。

二、属性描述符的定义与基础使用

2.1 什么是属性描述符？

属性描述符的定义非常简单：一个自定义类，只要实现了__get__、__set__、__delete__三个魔法函数中的任意一个，这个类就是属性描述符。通过这个类的实例，我们可以将属性的控制逻辑封装起来，实现多字段的逻辑复用。

2.2 基础实现：整数类型校验描述符

我们以实现整数类型校验为例，编写第一个属性描述符，解决多个整数类型字段的校验复用问题：

 import numbers class IntField: # 实现__set__方法，完成类型校验 def __set__(self, instance, value): # 校验是否为整数类型 if not isinstance(value, numbers.Integral): raise ValueError("int value need") # 校验是否为正数 if value < 0: raise ValueError("positive value need") # 将值保存到描述符自身实例，避免死循环 self.value = value # 实现__get__方法，获取属性值 def __get__(self, instance, owner): return self.value

2.3 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

2.4 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。

三、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。

3.1 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。

3.2 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。

四、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：

4.1 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。

4.2 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'

4.3 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

五、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。

六、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。下一篇文章，我们将继续深入Python的魔法函数，讲解元类编程中__new__和__init__的核心区别与使用场景。

Python 属性描述符：从原理到 ORM 实践详解

Read more

可以在命令行通过大模型使用上下文协议（MCP）与外部工具交互的软件：小巧的MCPHost

可以在命令行通过大模型使用上下文协议（MCP）与外部工具交互的软件：小巧的MCPHost

小巧的MCPHost MCPHost 可以在命令行下使用，使大型语言模型（LLM）能够通过模型上下文协议（MCP）与外部工具进行交互。目前支持Claude 3.5 Sonnet和Ollama等。本次实践使用自己架设的Deepseek v3模型，跑通了Time MCP服务。  官网：GitHub - mark3labs/mcphost: A CLI host application that enables Large Language Models (LLMs) to interact with external tools through the Model Context Protocol (MCP). 下载安装 使用非常方便，直接下载解压即可使用。官网提供Windows、Linux和MacOS三个系统的压缩包： https://github.com/

By Ne0inhk
实战篇：Python开发monogod数据库mcp server看完你就会了

实战篇：Python开发monogod数据库mcp server看完你就会了

原创不易,请关注公众号：【爬虫与大模型开发】,大模型的应用开发之路，整理了大模型在现在的企业级应用的实操及大家需要注意的一些AI开发的知识点！持续输出爬虫与大模型的相关文章。 前言 目前mcp协议是给deepseek大模型插上工具链的翅膀，让大模型不仅拥有超高的推理和文本生成能力，还能具备执行大脑意识的工具能力！ 如何开发一个mcp? mcp是一种协议，指的是模型上下文协议 (Model Context Protocol)。 官方结成的mcp https://github.com/modelcontextprotocol/python-sdk mcp库 pip install mcp from mcp.server.fastmcp import FastMCP 我们先来做一个简单的案例 from mcp.server.fastmcp import FastMCP import requests mcp = FastMCP("spider") @mcp.tool() def crawl(

By Ne0inhk
AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建

AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建 作者：高瑞冬 本文目录 * AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建 * 一、MCP协议简介 * 二、创建MCP工具集 * 1. 获取MCP服务地址 * 2. 在FastGPT中创建MCP工具集 * 三、测试MCP工具 * 四、AI模型调用MCP工具 * 1. 调用单个工具 * 2. 调用整个工具集 * 五、私有化部署支持 * 1. 环境准备 * 2. 修改docker-compose.yml文件 * 3. 修改FastGPT配置 * 4. 重启服务 * 六、使用MCP-Proxy集成多个MCP服务 * 1. MCP-Proxy简介 * 2. 安装MCP-Proxy * 3. 配置MCP-Proxy * 4. 将MCP-Proxy与FastGPT集成 * 5. 高级配置

By Ne0inhk
【大模型实战篇】基于Claude MCP协议的智能体落地示例

【大模型实战篇】基于Claude MCP协议的智能体落地示例

1. 背景         之前我们在《MCP(Model Context Protocol) 大模型智能体第一个开源标准协议》一文中，介绍了MCP的概念，虽然了解了其概念、架构、解决的问题，但还缺少具体的示例，来帮助进一步理解整套MCP框架如何落地。         今天我们基于claude的官方例子--获取天气预报【1】，来理解MCP落地的整条链路。 2. MCP示例         该案例是构建一个简单的MCP天气预报服务器，并将其连接到主机，即Claude for Desktop。从基本设置开始，然后逐步发展到更复杂的使用场景。         大模型虽然能力非常强，但其弊端就是内容是过时的，这里的过时不是说内容很旧，只是表达内容具有非实时性。比如没有获取天气预报和严重天气警报的能力。因此我们将使用MCP来解决这一问题。         构建一个服务器，该服务器提供两个工具：获取警报（get-alerts）和获取预报（get-forecast）。然后，将该服务器连接到MCP主机（在本例中为Claude for Desktop）。         首先我们配置下环

By Ne0inhk