python闭包closure

在讨论闭包之前，先总结一下python的命名空间namespace，一般的语言都是通过namespace来识别名字标识，无论是变量，对象，函数等等。python划分3个名字空间层次，local：局部，标识为当前函数内，当前类内，比如局部变量。global：全局，标识当前模块，也就是当前文件，比如全局变量等。最后一类 built-in，内建，这个是作用域比较大，跨模块（文件）都可以标识，比如我们自建的文件中，引用内建函数dir()， 这就是一个典型的例子，自建的文件中能够并没有声明dir()，但由于dir()是built_in内建函数，故在所有文件或模块都可以引用。

再来讨论闭包：百度上对闭包的定义是：闭包是指可以包含自由变量的代码块。定义简单明了，也有把自由变量成为环境变量的。紧接着定义什么是自由变量或环境变量：这些变量不是在这个代码块内或者任何全局上下文中定义的，而是在定义代码块的环境中定义（局部变量）。结合namespace的概念，自由变量的位置：既不在函数local范围内，也不在全局global范围内，而是在两个函数的作用域之间。举个例子：

 def numFunc(a, b):
     num = 100
     num2 = 200
     num3 = 300
     print('print s in numbunc', s)

     def addfunc(a, b):
         s = 'string in addfunc'
         x = num
         y = num3
         print('print s in addFunc', s)

     return addfunc

num， num2， num3， 这三个变量符合自由变量的描述，既不在局部local内，也不再全局global内。而是在两个函数的作用域之间。

所以咱们说白了，闭包从形式上说，就是函数内嵌一个函数。但是还需满足两个条件，1.内层函数引用环境变量（自由变量）2外部函数返值为内部函数名（一个返回函数的高阶函数）

再来说闭包有什么用？ 闭包减少了参数的传递数量， 设计闭包是为了增加代码重复利用。还有的文章中说到，闭包是为了方便并行计算设计的，随着我们深入学习，会继续充实这篇文章，发觉闭包的更多作用。另外是不是跟装饰器有点像呢？其实本质上，decorator就是一个返回函数的高阶函数，闭包也是一个返回函数的高阶函数。从这个角度上说 装饰器也是闭包，闭包也是装饰器。区别在于装饰器希望在代码运行期间动态增加功能，闭包希望简化参数的调用提高代码利用率

闭包的特性 __closure__

__closure__是内部函数的一个属性，用来保存环境变量，用type()函数看一下，__closure__是一个tulple, 还以上边的代码为例，我们看一下环境变量都包含什么，什么样的变量可以记录到环境变量中得以保存：

从结果中我们看到，num和num3被保存了下来，而num2没有被保存，原因很简单，因为定义中，内部函数必须引用自由变量，num2没有被引用。

再来看一个例子，帮助我们理解，解释器是如何保存环境变量到__closure__中来的，我把廖雪峰的例子做了修改：

 def count():
     fs = []
     for i in range(1, 4):
         def f():
              return i*i      return f

 f = count()
 x = None
 x = f() pass

我们单步跟进，发现，在每次循环中，f()只是声明，没有执行，所以每次循环，return i*i并没有被执行。循环结束i = 3，在这时，count()函数返回，解释器将环境变量 i 保存到__closure__中去，i = 3，打扫好现场，count()的堆栈，上下文撤销

所有环境变量都是在函数闭包声明结束是完成初始化。下面我们用一个例子来说明：

第一步：   定义闭包之前，__closure__这个属性没有值

第二步：最关键的一步： 我们发现，在闭包声明结束的时候，内部函数的还将变量就已经确定下来了，不需要等到执行内部函数才确定环境变量。

闭包的不习惯

在c/c++中好像没有闭包的概念，也没有环境变量（自由变量）的概念，所以函数包含函数，或者外部函数返回内部函数，会造成异常，因为内部函数返回，堆栈消失，所有内部变量都不存在了。而python的闭包设计是允许返回局部变量的，这给我们这些从c/c++转过来的少年带来了很大的不适应，总感觉要出大事，这时候想想__closure__属性，python的闭包设计使推出内部函数后，没有回收内部函数的部分资源，而是作为环境变量保存下来了，慢慢习惯。