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：

macOS UI 自动化技能包 —— 用 Python 控制你的 Mac

让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限

下载

• 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