python的命名空间和对象

对象和命名空间是python学习的两大基石。

我们常常听到在python中，一切皆对象。是的，python所操作的数据，都是对象（是对象，就意味着他们有自己独有的方法或属性）。数字、字符串、函数、类，甚至是模块。对，模块也是对象。而在对象中，有一个很重要的角色，那就是命名空间。对象被加载到内存后，需要被调用或者说被引用，就需要有一个指针去指向这个对象，这个指针就是命名空间或者说名称空间。它严格来说只是一个指针或者说对一个对象的引用，你通过查找这个指针，就可以引用这个指针所指向的对象（内存地址中的代码片段）。

上面说数字、字符串、函数、类等都是对象，因此对象是可以被嵌套的，命名空间也是可以被嵌套的。每个被嵌套的命名空间，所引用的就是在这个空间里面的巴拉巴拉一串代码。代码在执行的时候，是以一个命名空间为单位进行执行的。也就是说，你在一个模块中下面的定义了很多类、函数、变量等，但是你在模块这一级别的命名空间中没有调用他们，那么python解释器在解释这个模块的时候，模块中的代码就不会被执行，python解释器只是解释了他们，就是说python解释器只是创建了一堆的命名空间而已；因此，如果被嵌套的命名空间中有错误的代码，也不会被报错（因为他们没被调用，他们只是被命名空间引用了而已），因为当执行到他们下一级嵌套的命名空间时候，python只是把那些一串巴拉巴拉代码赋值给了一个命名空间，而如果这个命名空间没有被python解释器解释的命名空间所调用，那么你可以在这个命名空间中肆意妄为。

 

看下面一段代码：

name = "wang"

def func():

    print(name)

    name = "panda"

 

print(name)

func()

 

上面的代码，如果不是在交互式命令模式下，一定是在某个模块下面定义的，假如是命名空间为__main__的模块中定义的，那么在这个模块级别的命名空间中，又嵌套定义了两个命名空间，name和func。python解释器在解释到func这个命名空间的时候，会把这个命名空间中的代码加载到内存，而不会执行（python解释器还没解释到func()）。

接下来python解释器解释print(name)，那么在模块级别的这个命名空间内有定义name，就会执行引用name命名空间中的代码片段，而这个代码片段只是一个"wang"这个字符串对象，就会直接把这个对象拿过来，然后打印到屏幕上。学了python面向对象比较深入的时候，你会发现之所以能够使用print打印，是因为这个对象本身有个__str__方法，所以打印出来的只是一串“wang”字符串，而不再是对象。

当python解释器解释到func()的时候，__main__命名空间就会去引用fun命名空间中的代码片段，而python在解释func命名空间的时候：

先解释“print(name)”，python就会搜索name这个命名空间，这里说下命名空间的搜索顺序：这里很重要，因为python代码的执行和调用，就是按照这个顺序执行和调用的

这个可以解释python变量在函数中的搜索顺序的本质，本质就是对命名空间的搜索顺序：

当一行代码要使用变量 x 的值时，Python 会到所有可用的名字空间去查找变量，按照如下顺序：

1、局部命名空间（local）：特指当前函数或类的方法。如果函数定义了一个局部变量 x，或一个参数 x，Python 将使用它，然后停止搜索。

2、全局命名空间（global）：特指当前的模块。如果模块定义了一个名为 x 的变量，函数或类，Python 将使用它然后停止搜索。

3、内置命名空间（build-in）：对每个模块都是全局的。作为最后的尝试，Python 将假设 x 是内置函数或变量。

4、如果 Python 在这些名字空间找不到 x，它将放弃查找并引发一个 NameError 异常，如，NameError: name 'aa' is not defined。

因此，python搜索name这个命名空间，首先搜索func命名空间是否有定义，发现func命名空间中有定义，但是它是在print(name)被解释之前被定义的，因此这里报错。

 

 

变量赋值：

看下面代码：

a = 1

b = a

b = 2

print(a,b)

 

上面代码，定义了两个命名空间a和b，第一行定义了命名空间a，并将它指向数字对象1，第二行是将命名空间a赋值给命名空间b，这样命名空间b也同样指向了数字对象1，第三行，对命名空间b进行了重新赋值。注意：是重新赋值，因为数字1是一个不可变对象，b并没有一种方法可以改变数字1这个对象中的内容，因此这个等于号的意思是重新赋值。

因此，上面的打印结果是1 2

 

再看下面代码：

a = [1,2,3,4]

b = a

b[0]=8

print(a,b)

 

这段代码和上面的代码有个本质的不同，就是a和b所引用的对象是一个可变对象，调用a或b的方法，可以修改引用对象中的内容。因为a和b所引用的是同一个对象，因此不管是调用a或者b去修改这个对象中的内容，都会引起a和b引用对象的改变，因此打印结果是：[8, 2, 3, 4] [8, 2, 3, 4]

 

这样，我们再去理解python的浅拷贝或者深拷贝，就很容易了。如果一个深拷贝的对象里面嵌套了N层命名空间，可以想象会额外消耗更多的内存资源。