Python闭包通过内部函数引用并保存外部函数局部变量来自然维持状态，无需类或全局变量；典型应用如计数器和带预设参数的函数工厂，关键需用nonlocal声明可变状态，且适用于简单单一行为场景。
Python 中闭包可以自然地保存状态，不需要类或全局变量。核心在于内部函数引用了外部函数的局部变量，而这个变量在外部函数返回后依然被保留。
闭包保存计数器状态
最典型的例子是计数器：每次调用都返回递增的数字，且各实例互不干扰。
关键点是：外部函数定义变量（如 count），内部函数读写它，并返回该内部函数。Python 会把被引用的局部变量“打包”进闭包中，生命周期延长。
示例：
立即学习“Python免费学习笔记（深入）”；
def make_counter():
count = 0
def counter():
nonlocal count
count += 1
return count
return counter
<h1>创建两个独立计数器</h1><p>c1 = make_counter()
c2 = make_counter()</p><p>print(c1()) # 1
print(c1()) # 2
print(c2()) # 1
print(c1()) # 3
注意：nonlocal 声明必不可少——没有它，count += 1 会被当作定义新局部变量，触发 UnboundLocalError。
闭包保存配置或参数
闭包适合封装带默认行为的可复用逻辑，比如带固定偏移的加法器、带预设前缀的日志函数。
此时状态是只读的（无需 nonlocal），更安全简洁。
- 偏移加法器：外部函数接收 offset，内部函数每次加上它
- 日志前缀：外部函数接收 prefix，内部函数自动拼接
- 验证规则：外部函数接收 min_val 和 max_val，内部函数做范围检查
示例（带前缀日志）：
def make_logger(prefix):
def log(msg):
print(f"[{prefix}] {msg}")
return log
<p>info_log = make_logger("INFO")
error_log = make_logger("ERROR")</p><p>info_log("User logged in") # [INFO] User logged in
error_log("Connection failed") # [ERROR] Connection failed
闭包 vs 类：何时选闭包？
当状态简单、行为单一、无需多个方法或属性时，闭包更轻量直观。
- 只有 1–2 个数据项 + 1 个核心操作 → 优先考虑闭包
- 需要多种方法（如 reset()、get_value()）、私有/公有区分、继承 → 用类
- 状态需被多次修改且逻辑较复杂 → 类更容易维护
闭包不是万能替代，而是对特定场景的优雅表达：它把“数据+操作”打包成一个可调用对象，隐式携带上下文。
常见陷阱与注意事项
闭包容易因变量绑定时机出错，尤其在循环中创建多个闭包时。
- 错误写法：循环内直接引用循环变量，所有闭包共享最后一次值
- 修复方式：用默认参数捕获当前值（lambda x=x: x）或用闭包嵌套固化
- 调试技巧：查看 func.__closure__ 和 func.__code__.co_freevars 确认哪些变量被闭包捕获
例如检查闭包内容：
print(c1.__closure__) # (<cell at 0x...: int object at 0x...>,) print(c1.__closure__[0].cell_contents) # 3
不复杂但容易忽略细节。
