📚 课程目录第3章 Python高级特性（装饰器、生成器、上下文管理器、元类）

第3章：Python高级特性（装饰器、生成器、上下文管理器、元类）

本章聚焦 Python 平台研发面试中 最高频的四个高级特性。面试官通过这类问题考察你：是否真正理解 Python 运行机制、能否写出优雅且高性能的代码、是否具备框架级设计思维。下面先从一张「追问路径图」看清面试节奏。

核心洞察： 高级特性面试中，80% 的追问围绕「为什么要用」和「底层原理」展开。只答语法等于送分，结合性能、可维护性、框架设计加分。

📌 面试问题 1：请解释 Python 装饰器的工作原理，并手写一个统计函数执行时间的装饰器。

面试官考察点	Python 闭包与高阶函数理解；实际项目中性能或日志切面的封装能力；functools.wraps 的坑。
回答框架	1. 定义：装饰器本质是函数，接收函数返回函数；2. 闭包内部函数包装；3. 使用 @ 语法糖等价于 func = decorator(func)；4. 展示计时装饰器；5. 点出 @wraps 保留元信息。
简短示例回答	“装饰器是接受函数返回函数的高阶函数，通过闭包在调用前后增加逻辑。我实现了一个计时装饰器：在 wrapper 内记录 start=time.time()，调用原函数后打印耗时。并使用 functools.wraps 避免函数元信息丢失。”
可能追问	① 多个装饰器叠加执行顺序？② 类装饰器如何实现？③ 带参数的装饰器怎么设计？
避坑提醒	务必加上 @wraps，否则被装饰函数的 __name__、__doc__ 会丢失。装饰器内层函数参数用 args, *kwargs 保持泛化。

📌 面试问题 2：生成器相对于列表推导式有什么优势？yield 关键字底层是如何工作的？

面试官考察点	内存效率意识；迭代器协议理解；是否接触过协程（yield from）。
回答框架	1. 生成器惰性求值，一次只产生一个元素，节省内存；2. 列表推导式全量加载；3. yield 暂停函数并保存状态，下次调用 next 从暂停处继续；4. 适用场景：大文件逐行读取、无限序列。
简短示例回答	“生成器使用 yield 实现惰性求值，每次 next() 才计算，适合处理大数据。例如 def read_large(file): for line in file: yield line.strip()。而列表推导需加载全部，内存爆炸。yield 底层维护了栈帧和局部变量状态才能暂停恢复。”
可能追问	① .send() 与 .next() 区别？② 用 yield from 实现协程？③ 生成器与迭代器关系？
避坑提醒	生成器只能遍历一次，第二次遍历为空。若需复用，考虑转换为列表或 itertools.tee。

📌 面试问题 3：请解释 with 语句的原理，如何使用上下文管理器管理数据库连接？

面试官考察点	资源管理意识；__enter__ / __exit__ 协议理解；异常安全处理能力。
回答框架	1. with 调用 __enter__ 获取资源；2. 代码块执行，结束后调用 __exit__ 清理；3. __exit__ 可捕获异常并决定是否吞咽；4. 示例：自定义 DatabaseConnection 类实现上下文协议；5. 也可用 @contextmanager 生成器实现。
简短示例回答	“with 语句确保资源自动释放。我实现过 DatabaseConnection 类：__enter__ 返回连接对象，__exit__ 中无论是否异常都调用 conn.close()，并返回 False 让异常继续传播。也可用 @contextmanager 配合 yield 实现。”
可能追问	① __exit__ 参数 exc_type, exc_val, exc_tb 含义？② contextlib.closing 用法？③ 嵌套 with 如何简化？
避坑提醒	如果 __exit__ 返回 True，异常会被吞咽，容易隐藏 bug。默认应返回 None/False。

  📁 项目案例模板：元类驱动的 ORM 字段校验框架
  
    项目名称ORM 字段校验框架（元类应用）
业务背景公司内部轻量 ORM，需要在定义模型类时自动为每个字段注册类型校验函数，同时禁止动态添加属性保证数据一致性。
规模指标支持 30+ 模型类，日均百万级写入；单表字段不超过 50 个。
技术栈Python 3.8+、元类、描述符、dataclasses、pydantic 可选
核心难点① 在类创建时（而非实例化后）收集字段元信息；② 校验逻辑与字段绑定；③ 阻止实例化后添加未定义属性。
面试高频追问① 为什么选择元类而不是装饰器？② __new__ 中处理字段还是 __init_subclass__？③ 如何实现字段描述符（__get__/__set__）进行校验？④ 如何避免元类冲突？
可迁移回答话术“在该项目中，我通过自定义元类 ModelMeta 拦截所有字段定义（__annotations__ 或类属性），在类创建阶段为每个字段绑定描述符（自动调用 validate）。同时覆盖 __setattr__ 禁止动态添加。相比类装饰器，元类能在子类继承时保持行为一致，避免重复代码。最终方案将校验逻辑内聚，且对业务开发者透明。”

项目名称	ORM 字段校验框架（元类应用）
业务背景	公司内部轻量 ORM，需要在定义模型类时自动为每个字段注册类型校验函数，同时禁止动态添加属性保证数据一致性。
规模指标	支持 30+ 模型类，日均百万级写入；单表字段不超过 50 个。
技术栈	Python 3.8+、元类、描述符、dataclasses、pydantic 可选
核心难点	① 在类创建时（而非实例化后）收集字段元信息；② 校验逻辑与字段绑定；③ 阻止实例化后添加未定义属性。
面试高频追问	① 为什么选择元类而不是装饰器？② __new__ 中处理字段还是 __init_subclass__？③ 如何实现字段描述符（__get__/__set__）进行校验？④ 如何避免元类冲突？
可迁移回答话术	“在该项目中，我通过自定义元类 ModelMeta 拦截所有字段定义（__annotations__ 或类属性），在类创建阶段为每个字段绑定描述符（自动调用 validate）。同时覆盖 __setattr__ 禁止动态添加。相比类装饰器，元类能在子类继承时保持行为一致，避免重复代码。最终方案将校验逻辑内聚，且对业务开发者透明。”

面试策略提示： 当你被问到高级特性时，优先用「项目案例」反哺回答。例如讲装饰器时顺带提“在项目日志切面中应用”；讲元类时直接引用上述 ORM 项目。面试官会更认可你的工程落地能力。