Python闭包最核心的用途是让函数“记住”定义时的环境变量，实现轻量级状态保持；可替代简单类、固化参数、支持延迟求值及装饰器中的状态隔离。
Python闭包最核心的用途，是让函数“记住”它被定义时的环境变量，从而实现轻量级的状态保持——不依赖类、不污染全局，还能封装数据。
替代简单类的状态管理
当只需要保存一两个值并提供操作接口时，闭包比定义一个完整类更简洁。比如计数器：
def make_counter():
count = 0
def counter():
nonlocal count
count += 1
return count
return counter
inc = make_counter()
print(inc()) # 1
print(inc()) # 2
闭包把 count 封装在内部，外部无法直接访问，又避免了用 class 定义 __init__ 和方法的冗余。
立即学习“Python免费学习笔记（深入）”；
配置预设与参数固化
把部分参数“冻结”进函数，生成定制化行为。常见于日志、重试、API 请求封装：
- 固定 base_url 和 headers，返回一个专用的请求函数
- 预设重试次数和间隔，生成带重试逻辑的调用器
- 为不同环境（dev/staging/prod）生成各自的数据库连接函数
本质是把配置从“每次传参”变成“一次设置、多次复用”，提升可读性和复用性。
延迟求值与惰性计算
闭包可推迟执行，直到真正被调用。适合构建配置驱动的逻辑链或条件性资源初始化：
def lazy_db_connection(db_config):
conn = None
def get_conn():
nonlocal conn
if conn is None:
conn = connect_to_db(db_config)
return conn
return get_conn
get_db = lazy_db_connection({"host": "localhost"})
# 此时未连接；第一次调用 get_db() 才真正建立连接
这种模式天然支持单例式资源管理，且线程安全可进一步加锁控制。
装饰器中的状态记忆
带参数的装饰器必须用闭包实现。例如统计函数调用次数：
def call_counter(func):
count = 0
def wrapper(*args, **kwargs):
nonlocal count
count += 1
print(f"{func.__name__} called {count} times")
return func(*args, **kwargs)
return wrapper
每个被装饰的函数拥有独立的 count 变量，这正是闭包隔离状态的关键能力。
