Python反射机制主要通过以下内置函数实现：
1. getattr() - 获取对象属性
2. setattr() - 设置对象属性
3. hasattr() - 检查对象是否有指定属性
4. delattr() - 删除对象属性
5. isinstance() 和 issubclass() - 类型检查
6. type(), id(), dir() - 对象信息查询
7. inspect 模块 - 更高级的反射功能
Python反射机制详解
Python反射机制是Python语言的一项强大功能，它允许程序在运行时检查、自省和修改自身的结构和行为。Python中的一切都是对象，因此我们可以在运行时动态地获取对象信息、调用方法、访问属性等。
Python反射机制的核心函数
1. getattr() - 动态获取对象属性
getattr()函数可以动态获取对象的属性值，如果属性不存在，还可以返回默认值。
class ExampleClass: def __init__(self): self.attribute1 = "value1" self.attribute2 = "value2"obj = ExampleClass()# 获取存在的属性print(getattr(obj, 'attribute1')) # 输出: value1# 获取不存在的属性，返回默认值print(getattr(obj, 'nonexistent', 'default_value')) # 输出: default_value
2. setattr() - 动态设置对象属性
setattr()函数可以动态设置对象的属性值。
class ExampleClass: def __init__(self): self.attribute1 = "value1"obj = ExampleClass()# 动态设置属性setattr(obj, 'new_attribute', 'new_value')# 验证新属性print(obj.new_attribute) # 输出: new_value
3. hasattr() - 检查对象是否有指定属性
hasattr()函数可以检查对象是否具有某个属性。
class ExampleClass: def __init__(self): self.attribute1 = "value1"obj = ExampleClass()# 检查属性是否存在print(hasattr(obj, 'attribute1')) # 输出: Trueprint(hasattr(obj, 'nonexistent')) # 输出: False
4. delattr() - 删除对象属性
delattr()函数可以删除对象的属性。
class ExampleClass: def __init__(self): self.attribute1 = "value1"obj = ExampleClass()print(obj.attribute1) # 输出: value1# 删除属性delattr(obj, 'attribute1')# 尝试访问已删除的属性会引发异常try: print(obj.attribute1)except AttributeError: print("Attribute was deleted") # 输出:
代码库中的反射实例
在您的代码库中，可以看到许多反射的应用实例：
在项目中：
messages_text = "\n\n".join([ f"【{getattr(msg, 'name', msg.__class__.__name__)}】\n{msg.content}" for msg in messages if hasattr(msg, 'content') and msg.content])
这里使用getattr()获取消息对象的name属性，如果不存在则使用类名；同时使用hasattr()检查消息对象是否有content属性。
在项目中：
if max_pv_capacity_kw is None: max_pv_capacity_kw = getattr(runtime.context, 'max_pv_capacity_kw', None) pv_area_m2 = getattr(runtime.context, 'pv_area_m2', 0)
这里使用getattr()安全地从runtime.context获取属性值，如果属性不存在则返回默认值。
inspect模块
inspect模块提供了更高级的反射功能，可以获取函数签名、参数信息等：
import inspectdef example_func(a, b=10, *args, **kwargs): """这是一个示例函数""" return a + b# 获取函数签名sig = inspect.signature(example_func)print(sig) # 输出: (a, b=10, *args, **kwargs)# 获取参数信息for param_name, param in sig.parameters.items(): print(f"参数名: {param_name}, 默认值: {param.default}")# 获取函数文档print(inspect.getdoc(example_func)) # 输出: 这是一个示例函数# 获取函数源代码print(inspect.getsource(example_func))
实际应用案例
在项目的代码中，我们看到了一个很好的反射应用案例：
if __CTX_VARS_NAME__ in func.__code__.co_varnames: args[__CTX_VARS_NAME__] = context_variables
这段代码检查函数是否接受名为CTX_VARS_NAME的参数（即context_variables），如果函数定义中包含此参数，则将其添加到参数字典中。这使得系统能够动态地向函数注入上下文变量，而不需要修改每个函数的调用代码。
反射的优势和注意事项
优势：
提高代码灵活性和可扩展性
支持动态配置和插件系统
便于编写通用工具函数
支持序列化/反序列化操作
注意事项：
反射操作通常比直接访问稍慢
降低代码的可读性和可维护性
可能引入安全隐患（如动态执行代码）
IDE难以提供准确的自动补全支持
反射机制是Python的强大特性之一，正确使用可以使代码更加灵活和通用，但也要注意适度使用，避免过度复杂化代码结构。
