WeakValueDictionary能防止内存泄漏，因为它对值使用弱引用，值被GC回收后自动删除对应键值对；但键仍为强引用，且值必须支持弱引用（如自定义类实例），初始化需逐个赋值而非批量传入。
WeakValueDictionary 为什么能防止内存泄漏
当字典值是长生命周期对象（比如缓存的数据库连接、GUI组件、大尺寸数据结构），而键又不能保证被及时清理时，普通 dict 会强持有这些值，导致它们无法被垃圾回收——哪怕外部已无其他引用。而 weakref.WeakValueDictionary 只持有值的弱引用，一旦值对象被 GC 回收，对应键值对自动从字典中消失。
注意：它只对「值」做弱引用，键仍是强引用；如果键本身也是易被销毁的对象（比如临时创建的类实例），需配合 weakref.WeakKeyDictionary 或手动管理。
初始化和基本用法要注意什么
直接传入可迭代对象初始化会失败，因为 WeakValueDictionary 不支持在构造时批量注册弱引用。必须逐个赋值：
# ❌ 错误：会报 TypeError: cannot create weak reference to 'int' object
cache = weakref.WeakValueDictionary({1: obj1, 2: obj2})
<h1>✅ 正确：逐个赋值，弱引用在设值时建立</h1><p>cache = weakref.WeakValueDictionary()
cache[1] = obj1
cache[2] = obj2
- 键可以是任意可哈希类型，但值必须支持弱引用（即不能是内置不可变类型如
int、str、tuple——它们没有__weakref__） - 若尝试存入不支持弱引用的值（如
cache['k'] = 42），运行时抛出TypeError: cannot create weak reference to 'int' object - 值对象必须是自定义类实例、函数、模块、列表、字典等具备
__weakref__的对象
遍历和查询时容易踩的坑
遍历时字典大小可能动态变化——因为某个值刚好在此刻被 GC，导致 KeyError 或跳过条目。不能假设 list(cache.keys()) 和后续 cache[k] 一定安全：
立即学习“Python免费学习笔记（深入）”；
# ❌ 危险：可能触发 KeyError
for k in cache:
print(cache[k]) # cache[k] 可能已失效
<h1>✅ 更稳妥：用 .get() + 显式检查</h1><p>for k in list(cache.keys()): # 先快照 keys
v = cache.get(k)
if v is not None:
process(v)
-
cache.values()返回的是弱引用包装后的weakref.ref对象，不是原始值；要用v()调用取值，并检查是否为None -
len(cache)是实时统计，可能比你预期少——尤其在高并发或频繁 GC 场景下 - 不要在循环中修改字典（增/删），否则可能触发
RuntimeError: dictionary changed size during iteration
和普通 dict 的性能与行为差异
WeakValueDictionary 比普通 dict 慢约 2–5 倍，主要开销在弱引用注册、回调触发和键值对清理。但它换来了确定性的资源释放时机。
- 插入/查找平均时间复杂度仍是 O(1)，但常数更大；大量键值对时建议预估容量（虽不支持
__init__传 size，但内部哈希表扩容逻辑类似） - 值对象销毁后，其对应键不会立即从字典中移除，而是等到下一次字典操作（如
__getitem__、keys()）时才惰性清理——这是设计使然，不是 bug - 若需要主动触发清理，可调用
cache._remove_dead_refs()（私有方法，不推荐依赖；更稳的方式是触发一次list(cache.keys())）
真正关键的不是“用了 WeakValueDictionary 就万事大吉”，而是确认你的值对象确实会被外部释放——如果值本身还被其他地方强引用着，弱引用字典也救不了它。
