Python默认参数陷阱：可变对象共享机制解析

本文主要探讨Python中默认参数的具体行为与机制。

熟悉C++的开发者了解，C++中的默认参数仅存在于函数声明中，属于语法层面的便利，与函数调用逻辑无关。编译器在调用时会补齐参数，随后执行调用。

然而，Python的默认参数行为与C++存在显著差异。以下代码的执行结果可能出乎意料：

def test_parameter(a, dfp=[]):
 dfp.append(a)
 print(dfp)

test_parameter(1)
test_parameter(2)
test_parameter(3)

实际运行结果如下，这与许多人的预期完全不符：

[1]
[1, 2]
[1, 2, 3]

原理分析

要理解Python默认参数的这种表现，必须从函数定义的执行过程入手。在Python中，def关键字实际上是一条可执行语句。当执行def语句时，会创建一个函数对象，同时默认参数也会在此时计算完毕，并存储在函数的__defaults__属性中。

def test_parameter(a, dfp=[]):
 dfp.append(a)
 print(id(dfp))

test_parameter(1)
test_parameter(2)
print(test_parameter.__defaults__)
print(id(test_parameter.__defaults__[0]))

运行结果证实，调用函数时使用的默认参数对象与__defaults__属性中存储的是同一个对象实例：

140109485401224
140109485401224
([1, 2],)
140109485401224

解决方案

理解上述原理后，在使用默认参数时应特别注意：若默认参数为可变对象，需明确每次调用是共享该默认参数还是生成新对象。若希望每次调用生成新对象，通常采用None作为默认参数占位符。在函数内部判断若为None，则新建可变对象进行使用。

def test(a, dfp=None):
 if dfp is None:
  dfp = []
 pass #使用dfp

总结

以上是关于Python默认参数机制的完整解析，希望能为读者提供帮助。感兴趣的朋友可继续参考本站其他相关专题，如有疏漏欢迎留言指正。感谢支持！