你的self.name = value为何“绕道”了？——Python 数据描述符的优先级霸权与实例属性消失之谜

在 Python 面向对象编程中，描述符是实现property、ORM 字段、类型校验等高级特性的核心机制。你可能已经知道，当一个类的属性是一个描述符对象时，通过实例访问该属性会触发__get__或__set__。但有一种描述符拥有更高的权力：数据描述符（即同时定义了__get__和__set__/__delete__的描述符）。它会在属性查找时剥夺实例字典的话语权——即使你在实例的__dict__中已经存储了同名属性，Python 仍然会优先使用数据描述符的__get__和__set__，让你的实例属性仿佛透明。

这一优先级规则是无数诡异现象的根源：你明明在__init__里给self.name赋了值，可读取时却触发了描述符的校验逻辑；你想为实例临时添加一个属性来覆盖类属性，却发现怎么也覆盖不掉；而当你把描述符中的__set__删掉后，一切又突然恢复正常。这些“幽灵属性”的背后，正是数据描述符与非数据描述符截然不同的优先级在作祟。

今天，我们就来彻底解剖描述符协议的优先级链，搞懂数据描述符如何凌驾于实例属性之上，并学会利用这种霸权构建牢不可破的数据封装，同时避免那些因优先级误判而酿成的调试噩梦。

一、问题复现：为什么self.__dict__里的值被无视了？

场景 1：赋值后读取，却触发了验证逻辑

classPositiveNumber:def__get__(self,instance,owner):print(f"访问{self.name}")returninstance.__dict__.get(self.name,0)def__set__(self,instance,value):print(f"设置{self.name}={value}")ifvalue<0:raiseValueError("必须为正数")instance.__dict__[self.name]=valuedef__set_name__(self,owner,name):self.name=nameclassProduct:price=PositiveNumber()p=Product()p.price=100# 调用 __set__，存储到 p.__dict__['price'] = 100print(p.price)# 调用 __get__，从 p.__dict__['price'] 读取 100print(p.__dict__)# {'price': 100} ← 实例字典中有 price# 诡异开始p.__dict__['price']=-999# 直接篡改实例字典，跳过描述符print(p.__dict__['price'])# -999print(p.price)# 依然触发 __get__，返回的是 instance.__dict__.get(self.name) → -999!

你天真地认为直接篡改实例字典就能绕开描述符，但描述符的__get__依然会被调用，因为描述符本身主动去读了instance.__dict__[self.name]，所以你改字典的值也会被读取。但如果我们改写描述符，让它不读取字典，而是从另一个地方取值呢？那样实例字典里的值就完全被无视了。这揭示了描述符本身可以完全控制数据来源。

场景 2：数据描述符“拦截”实例属性，让你覆盖失败

classDataDesc:def__get__(self,instance,owner):ifinstanceisNone:returnselfreturn42def__set__(self,instance,value):print("数据描述符 __set__ 被调用")# 什么都不存，就是个黑洞classMyClass:attr=DataDesc()obj=MyClass()obj.attr=10# 触发 __set__，打印消息，但实例字典里什么都没有print(obj.attr)# 42，而不是 10print(obj.__dict__)# {} ← 空的！

由于DataDesc定义了__set__，它是一个数据描述符。Python 的属性查找规则会优先调用数据描述符的__get__，而不去查找实例的__dict__。即使__set__什么都没存，obj.attr仍然返回描述符规定的值，实例字典被彻底无视。

场景 3：非数据描述符则被实例属性轻松覆盖

classNonDataDesc:def__get__(self,instance,owner):ifinstanceisNone:returnselfreturn"来自描述符"classMyClass:attr=NonDataDesc()obj=MyClass()print(obj.attr)# "来自描述符"obj.attr="实例属性"# 没有 __set__，因此直接在实例字典中创建 'attr'print(obj.attr)# "实例属性" ← 覆盖了描述符！print(obj.__dict__)# {'attr': '实例属性'}delobj.attr# 删除实例属性print(obj.attr)# "来自描述符" ← 描述符又回来了

因为NonDataDesc只定义了__get__，它是一个非数据描述符。实例字典中的同名属性会遮蔽非数据描述符，删除实例属性后描述符重新生效。这与数据描述符的行为截然相反。

二、底层原理：属性查找的优先级链

1. 描述符的分类

• 数据描述符：实现了__get__和__set__（或__delete__）的对象。即同时能读能写。
• 非数据描述符：仅实现了__get__的对象。如函数、classmethod、staticmethod等实际上都是描述符。
• 内置的property是数据描述符，因为它有__get__和__set__（如果未定义 setter，__set__会抛出AttributeError）。

2. 实例属性查找的完整顺序（当执行obj.attr时）

Python 按照以下步骤查找属性：

1. 数据描述符：在类及其基类的__dict__中按 MRO 查找attr，如果找到一个对象，并且它是数据描述符，则直接调用其__get__，不再继续。
2. 实例字典：在obj.__dict__中查找。
3. 非数据描述符和普通类属性：如果在实例字典中没找到，回到类及其基类的__dict__中按 MRO 查找。如果找到的对象是非数据描述符，则调用其__get__；如果是普通值，直接返回该值。
4. 如果都没找到，调用__getattr__（如果定义了），否则抛出AttributeError。

关键点：数据描述符的优先级高于实例字典。这就是为什么场景 2 中实例字典明明为空，obj.attr却返回描述符的值，而且你在实例字典中写入同名属性也不会生效——因为写操作本身也会触发数据描述符的__set__（如果定义了），导致你根本无法在实例字典中创建该属性，除非绕过描述符直接操作obj.__dict__。

如果你绕过了描述符，直接通过obj.__dict__['attr'] = value在字典中插入了键，那么读取时：由于数据描述符优先级更高，Python 依然会先执行数据描述符的__get__，而忽略实例字典。所以实例字典中的同名值被永远遮蔽，除非描述符的__get__自己主动去读取instance.__dict__。

3. 为什么property即使没有 setter 也是数据描述符？

property的__set__和__delete__始终存在（由property类内部实现）。如果没有定义 setter，__set__会引发AttributeError: can't set attribute。因此property总是数据描述符，这就解释了为什么只读 property 不能被实例属性覆盖。

4. 描述符必须为类属性才能生效

描述符协议只在类属性中起作用。如果你把描述符实例赋值给实例属性（如self.descriptor = SomeDescriptor()），它只是一个普通对象，__get__/__set__不会自动调用。

三、常见陷阱与迷惑行为

陷阱 1：试图用实例属性覆盖数据描述符

classMyProp:def__get__(self,instance,owner):return"描述符值"def__set__(self,instance,value):passclassTest:attr=MyProp()t=Test()t.attr="新值"# 触发 __set__，但不存储print(t.attr)# 依然是 "描述符值"t.__dict__['attr']="强制写入"print(t.attr)# 还是 "描述符值"！实例字典被忽略

数据描述符就像一块强力磁铁，你的任何访问都被它吸走，实例字典中的同名项永远翻不了身。

陷阱 2：误解property的 setter 删除后变成非数据描述符

你无法动态删除property的 setter。一旦定义为property，它就是数据描述符，除非你替换整个类属性为一个非数据描述符对象。如果某个属性只需要偶尔可写，更好的做法是在 setter 中抛出特定异常或使用其他机制，而不是试图改为非数据描述符。

陷阱 3：在__init__中通过self.attr = value触发数据描述符的__set__，但描述符内部又操作了instance.__dict__，导致无限递归

classRecursiveDesc:def__set__(self,instance,value):# 错误：直接使用 self 或 setattr 可能导致无限递归setattr(instance,self.name,value)# 再次触发 __set__

在__set__中必须直接操作instance.__dict__，而不能通过setattr或instance.attr =，否则会循环调用。

陷阱 4：使用vars(obj)或obj.__dict__来查看属性，以为能获取所有值

如果数据描述符没有在__get__中返回instance.__dict__中的值，那么vars(obj)只会显示实例字典中实际存储的键，但通过obj.attr访问到的却是描述符计算出的值，两者可能不一致，容易造成调试错觉。

陷阱 5：混合使用数据描述符与__slots__

__slots__产生的描述符本身就是数据描述符（它们定义了__get__和__set__），如果与自定义数据描述符冲突，会引发复杂的优先级问题，通常应避免在同一个类中混合使用，除非完全理解其交互。

四、正确运用数据描述符的霸权

模式 1：实现不可变的只读属性

classImmutableAttr:def__init__(self,default):self.default=defaultdef__set_name__(self,owner,name):self.name=namedef__get__(self,instance,owner):ifinstanceisNone:returnselfreturninstance.__dict__.get(self.name,self.default)def__set__(self,instance,value):raiseAttributeError(f"{self.name}是不可变属性")classConfig:host=ImmutableAttr("localhost")c=Config()print(c.host)# localhostc.host="remote"# AttributeError

由于ImmutableAttr是数据描述符，任何对host的赋值都会触发__set__，从而抛出异常，且实例无法通过__dict__存储其他值（即便存储了也会被__get__覆盖）。

模式 2：创建缓存属性（惰性求值，但一旦计算就不能被修改）

classLazyAttribute:def__init__(self,func):self.func=func self.name=func.__name__def__set_name__(self,owner,name):self.name=namedef__get__(self,instance,owner):ifinstanceisNone:returnself value=self.func(instance)# 计算后，直接存储到实例字典中，下次就不走描述符了？# 但数据描述符的 __get__ 优先级更高，如果我们还希望后续读取直接走实例字典，就必须在存储后，让 __get__ 能够发现实例字典已有值并返回。instance.__dict__[self.name]=valuereturnvaluedef__set__(self,instance,value):raiseAttributeError("缓存属性不可直接赋值")

注意：这种设计下，第一次访问计算值并存入__dict__，但由于数据描述符优先级高，第二次访问仍然会触发__get__。因此__get__需要检查self.name是否已经在instance.__dict__中，如果有就直接返回，避免重复计算。这样才能实现惰性且不可变的缓存。

更优雅的做法是使用非数据描述符来实现可变的惰性缓存，因为非数据描述符在实例属性存在时会被遮蔽，天然支持“一次计算，之后直接读实例字典”的模式。而数据描述符的惰性缓存需要手动在__get__中判断并绕过。

模式 3：类型校验字段（ORM 常见）

classIntegerField:def__set_name__(self,owner,name):self.name=namedef__get__(self,instance,owner):ifinstanceisNone:returnselfreturninstance.__dict__.get(self.name,0)def__set__(self,instance,value):ifnotisinstance(value,int):raiseTypeError(f"{self.name}必须是整数")instance.__dict__[self.name]=value

数据描述符保证了无论用户怎么尝试，赋值都必须经过校验，实例字典无法绕过。

模式 4：利用数据描述符实现“影子属性”（不同于实例字典）

如果希望属性值完全由描述符控制，而不依赖实例字典，可以在描述符内部维护一个字典（例如弱引用字典）来存储每个实例的状态，完全不触碰instance.__dict__。这样即使有恶意代码直接修改__dict__也不会影响属性行为。

五、调试与排查技巧

1. 打印type(obj).__dict__和obj.__dict__：快速识别属性是由描述符控制还是实例属性。
2. 使用inspect模块：inspect.getattr_static(obj, 'attr')可以绕过描述符协议，直接返回描述符对象或实例字典中的值，用于诊断。
3. 检查描述符类型：通过查看类属性是否有__get__和__set__方法，判断是数据描述符还是非数据描述符。
4. 添加日志：在描述符的__get__、__set__中打印调用信息，跟踪属性访问顺序。
5. 测试覆盖：对每一个描述符，编写测试验证实例属性覆盖情况、直接修改字典的效果。
6. Linter 建议：目前没有专门针对描述符优先级问题的 Linter，但可以通过 Code Review 确保数据描述符的__set__正确操作instance.__dict__，避免递归。

六、最佳实践总结

• 数据描述符用于需要完全控制读写行为的场景：类型校验、只读属性、计算属性（需要缓存时注意优先级）、数据库字段等。
• 非数据描述符适用于可被实例属性覆盖的默认行为：如方法（函数是非数据描述符，所以实例可以覆盖方法）、某些惰性缓存（实例属性可覆盖）。
• 永远在描述符的__set__和__delete__中直接操作instance.__dict__，不要通过setattr或instance.attr赋值，以避免递归调用。
• 理解property是数据描述符，即使没有定义 setter，它也会阻止实例属性覆盖，这是设计如此。
• 如果需要实例属性能够临时“遮盖”描述符，请使用非数据描述符，或者设计显式的开关。
• 在 ORM 等框架中，大量使用数据描述符，要特别注意它们对内存和性能的影响，因为每次访问都经过方法调用。
• 使用functools.cached_property（Python 3.8+）作为非数据描述符的惰性属性，它天然支持实例属性覆盖，且缓存于实例字典，性能优异，优先级符合直觉。
• 为自定义描述符编写清晰的文档，说明其是数据描述符还是非数据描述符，以及属性查找的预期行为。
• 在单元测试中覆盖描述符与实例属性交互的各种边界，特别是直接修改__dict__后的表现。

七、结语

Python 的描述符协议精心设计了一套属性查找的“等级制度”，数据描述符就是这套制度中的最高统治者。它拥有越过实例字典直接干预属性访问的特权，确保每一次读取和写入都必须经过它的审批。这种霸权让我们能够构建出严格的数据验证、透明的 ORM 映射和安全的只读属性；但如果不清楚它的权力边界，你就会发现自己的赋值如石沉大海，属性覆盖总是失败，实例字典形同虚设。

记住：数据描述符是门前站岗的守卫，除非你绕过围墙直接进入后花园（obj.__dict__），否则任何试图让同名属性绕过守卫的尝试都会被他拦截。驾驭这种优先级规则，你就能在 Python 的属性世界中游刃有余，既利用它的强大，又不被它的“霸道”所困。