Python 装饰器允许在不修改类定义的情况下动态修改行为。本文深入探讨利用装饰器结合 __getattribute__ 和 __setattr__ 方法，实现对类中公有及私有属性的访问监控与控制。内容涵盖基础概念、属性协议机制、递归风险处理、嵌套应用及性能考量。通过具体代码示例展示了如何拦截属性读写操作，增强代码安全性与可维护性，并对比了与传统 property 的区别，为高级 Python 开发提供实践参考。
Python 装饰器是一种强大的功能，允许程序员在不修改函数或类本身的情况下，动态地添加额外的功能或修改其行为。这种机制为代码提供了极高的灵活性和可扩展性，广泛应用于日志记录、性能分析、权限验证及属性访问控制等场景。
在面向对象编程中，类的属性访问控制是保障数据安全与逻辑完整性的核心概念。虽然 Python 通过单下划线（_）和双下划线（__）前缀来区分公有属性和私有属性，但默认的访问控制往往不够灵活。有时我们需要对属性的读取和写入进行统一的监控、日志记录或强制校验，这就是泛化公有和私有属性访问的需求。
本文将深入探讨如何利用装饰器结合 Python 的属性协议（Attribute Protocol），实现对类中公有和私有属性的深度定制与管控。
装饰器本质上是一个高阶函数，它接收一个函数或类作为参数，并返回一个新的可调用对象。通过 @decorator 语法糖，我们可以将装饰器应用于目标对象。
def my_decorator(func):
def wrapper(*args, **kwargs):
print("在调用函数之前执行的代码")
result = func(*args, **kwargs)
print("在调用函数之后执行的代码")
return result
return wrapper
@my_decorator
def say_hello(name):
print(f"Hello, {name}!")
say_hello("World")
上述示例中，my_decorator 捕获了 say_hello 的调用过程。运行 say_hello() 时，首先执行包装器中的前置逻辑，然后才执行原函数，最后执行后置逻辑。这一模式可以扩展到类装饰器，从而修改整个类的行为。
要泛化属性访问，我们需要利用 Python 的数据模型方法，特别是 __getattribute__、__getattr__、__setattr__ 和 __delattr__。
__getattribute__(self, name): 当访问任何属性时被调用。如果该方法抛出 AttributeError，解释器会尝试调用 __getattr__。__getattr__(self, name): 仅在属性查找失败且未定义 __getattribute__ 处理该属性时调用。__setattr__(self, name, value): 当设置任何属性值时被调用。__delattr__(self, name): 当删除属性时被调用。注意：重写 __getattribute__ 时必须小心，因为所有属性访问都会触发它，包括内部属性如 __dict__。如果在其中直接访问实例属性而不使用 super().__getattribute__，会导致无限递归。
我们可以通过类装饰器创建一个包装类，拦截属性访问。以下示例展示了如何监视和修改公有属性的访问和设置。
def generalizing_public_attributes(cls):
class WrappedClass(cls):
def __getattribute__(self, name):
# 避免递归访问 __dict__ 或其他内部属性
if name.startswith('_') and not name.endswith('__'):
return super().__getattribute__(name)
try:
val = super().__getattribute__(name)
print(f"[Public Get] 访问公有属性：{name}, 当前值：{val}")
return val
except AttributeError:
raise
def __setattr__(self, name, value):
# 初始化时通常不打印，或者特殊处理
if name in ('__class__', '__dict__', '_WrappedClass__private_attr'):
super().__setattr__(name, value)
return
print(f"[Public Set] 设置公有属性：{name} 值为 {value}")
super().__setattr__(name, value)
return WrappedClass
@generalizing_public_attributes
class MyClass:
public_attr = 10
def __init__(self):
self.instance_attr = "test"
my_instance = MyClass()
print(my_instance.public_attr)
my_instance.public_attr = 20
在这个示例中，generalizing_public_attributes 装饰器创建了一个继承自原类的包装类。通过重写 __getattribute__ 和 __setattr__，我们可以在每次读写属性时插入自定义逻辑。这适用于需要统一审计所有公有属性变更的场景。
Python 中的私有属性通过双下划线（__）开头定义，这会触发名称修饰（Name Mangling）。例如，__private_attr 在类外部会被重命名为 _ClassName__private_attr。装饰器同样可以控制这些属性的访问。
def generalizing_private_attributes(cls):
class WrappedClass(cls):
def __getattribute__(self, name):
# 检查是否涉及名称修饰后的私有属性
if name.startswith('_') and not name.endswith('__'):
# 这里简单演示，实际应更精确判断
pass
try:
val = super().__getattribute__(name)
print(f"[Private Get] 访问属性：{name}")
return val
except AttributeError:
raise
def __setattr__(self, name, value):
print(f"[Private Set] 设置属性：{name} 值为 {value}")
super().__setattr__(name, value)
return WrappedClass
@generalizing_private_attributes
class SecureClass:
def __init__(self):
self.__secret = 100
my_obj = SecureClass()
# 访问时需要使用名称修饰后的名字
print(my_obj._SecureClass__secret)
my_obj._SecureClass__secret = 200
此示例展示了如何通过装饰器监控私有属性的底层存储。尽管名称修饰使得私有属性在外部不可见，但通过装饰器拦截，开发者仍可在框架层面管理其生命周期。
除了监控，我们还可以利用装饰器实施严格的访问控制策略。例如，禁止外部直接修改某些敏感属性。
def control_sensitive_attributes(cls):
class WrappedClass(cls):
_protected_attrs = {'__secret', 'password'}
def __getattribute__(self, name):
# 检查是否为受保护的私有属性
if name in object.__getattribute__(self, '_protected_attrs') or \
(name.startswith('__') and not name.endswith('__')):
# 获取真实属性名以进行判断
real_name = name
if hasattr(object.__getattribute__(self, '__class__'), '__name__'):
cls_name = object.__getattribute__(self, '__class__').__name__
real_name = f"_{cls_name}{name}"
# 简单的安全策略：拒绝访问
print(f"[Security] 拒绝访问敏感属性：{name}")
raise AttributeError(f"无法访问属性：{name}")
return super().__getattribute__(name)
def __setattr__(self, name, value):
if name.startswith('__') and not name.endswith('__'):
print(f"[Security] 拒绝设置敏感属性：{name}")
raise AttributeError(f"无法设置属性：{name}")
super().__setattr__(name, value)
return WrappedClass
@control_sensitive_attributes
class User:
def __init__(self):
self.username = "admin"
self.__password = "123456"
user = User()
print(user.username) # 正常访问
try:
print(user.__password) # 触发异常
except AttributeError as e:
print(e)
在此场景中，装饰器充当了安全网关的角色。当检测到对私有属性的非法访问尝试时，主动抛出异常，防止数据泄露或意外篡改。
在实际开发中，单一的控制可能不足以满足需求。装饰器支持嵌套使用，以实现多重控制逻辑。需要注意的是，嵌套装饰器的执行顺序是从下往上（即最靠近类的装饰器最先执行）。
def log_access(cls):
class LogWrapper(cls):
def __getattribute__(self, name):
print(f"Log: 读取 {name}")
return super().__getattribute__(name)
def __setattr__(self, name, value):
print(f"Log: 写入 {name}")
super().__setattr__(name, value)
return LogWrapper
def validate_input(cls):
class ValidateWrapper(cls):
def __setattr__(self, name, value):
if isinstance(value, str) and len(value) == 0:
raise ValueError("字符串不能为空")
super().__setattr__(name, value)
return ValidateWrapper
@log_access
@validate_input
class DataModel:
def __init__(self):
self.name = "Test"
self.data = "Valid"
model = DataModel()
model.name = "New Name" # 先经过 validate_input，再经过 log_access
上述代码中，validate_input 位于内层，负责数据校验；log_access 位于外层，负责日志记录。这种组合模式极大地增强了系统的可观测性和健壮性。
虽然装饰器提供了强大的元编程能力，但滥用也会带来性能开销。
重写 __getattribute__ 会对每个属性访问产生额外开销。对于高频调用的热点代码路径，建议仅针对特定属性进行拦截，或使用 __slots__ 减少字典查找成本。
在 __getattribute__ 中，务必使用 super().__getattribute__ 或 object.__getattribute__ 来获取属性，切勿直接访问 self.attr，否则会导致无限递归栈溢出。
@property 是描述符，用于单个属性的 getter/setter，语法简洁，适合局部逻辑。__getattribute__ 适用于全局策略，如自动序列化、加密存储或跨类统一审计。__getattr__ 而非 __getattribute__ 以减少性能损耗，除非必须拦截所有访问。Python 装饰器为程序员提供了灵活的工具，能够动态地修改函数或类的行为，其中包括对类中公有和私有属性的访问和设置行为进行控制。本文深入探讨了装饰器在这方面的应用。
通过基础的装饰器概念引入，了解了装饰器如何扩展函数和类的功能而不改变其本身。随后，文章重点讨论了泛化公有和私有属性的需求。对于程序员来说，控制公有和私有属性的访问行为对于代码的安全性和可维护性至关重要。
本文详细介绍了如何使用装饰器监控和修改公有属性的访问和设置行为，以及如何对私有属性的访问行为进行定制化。示例代码演示了装饰器如何拒绝或修改对类属性的访问，确保程序在访问和设置属性时更加安全和可控。
最后，通过展示装饰器的嵌套应用，强调了多重控制的灵活性。本文的目的是帮助大家理解并应用装饰器，探索其在 Python 类中对公有和私有属性行为控制方面的重要性。装饰器为代码提供了更多的灵活性和可扩展性，使得程序更具鲁棒性，值得进一步深入研究和应用。
在实际项目中，合理运用属性访问控制装饰器，可以有效降低耦合度，提升系统的安全性。希望读者能根据具体业务场景，选择合适的方案，构建高质量的 Python 应用程序。
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