python反射机制的核心原理是运行时动态访问和操作对象属性与方法，依赖getattr、setattr、hasattr、delattr等内置函数，基于__dict__或描述符协议按mro查找成员。
Python 反射机制的核心原理
Python 的反射本质是**运行时动态访问和操作对象属性与方法的能力**，底层依赖于几个内置函数：getattr、setattr、hasattr 和 delattr。它们直接作用于对象的 __dict__ 或通过描述符协议查找属性，不依赖编译期信息。比如 getattr(obj, 'x', default) 会按 MRO（方法解析顺序）在类及其父类中查找名为 x 的属性或方法，支持实例属性、类属性、实例方法、类方法、静态方法等所有可访问成员。
配置驱动的对象初始化
当需要根据外部配置（如 JSON/YAML 文件）创建并设置对象状态时，反射可避免硬编码字段赋值：
- 读取配置字典
cfg = {"name": "Alice", "age": 30} - 实例化对象后，用
for k, v in cfg.items(): setattr(user, k, v)批量注入属性 - 配合
dataclass或自定义__init__，能快速实现“配置即对象”
插件式功能扩展
在框架或工具中，常需动态加载并调用用户实现的处理函数：
- 约定模块命名规范（如
handlers/xxx.py），用importlib.import_module导入模块 - 用
getattr(module, 'process')获取处理函数，无需提前 import 或 if-elif 列表 - 结合
hasattr(module, 'priority')实现插件优先级排序
通用序列化与反序列化辅助
对简单对象做轻量级 JSON 转换时，反射可绕过复杂库依赖：
立即学习“Python免费学习笔记（深入）”；
- 序列化：遍历
obj.__dict__，跳过私有属性（以_开头）和可调用对象，递归处理嵌套对象 - 反序列化：先创建空实例，再用
setattr按键名填充字段；若字段是嵌套类型，可结合类型注解自动实例化 - 比
vars()更可控，能统一处理忽略字段、别名映射、类型转换等逻辑
接口适配与协议兼容
对接多个第三方 SDK（如不同云厂商的存储接口）时，可用反射做统一包装：
- 定义标准方法名（如
upload_file、list_buckets） - 各厂商 SDK 类中可能叫
put_object或upload_blob，用getattr(adapter, method_map[standard_name])动态绑定 - 运行时检测是否存在对应方法，缺失时抛出
NotImplementedError，而非启动失败
