Python陷阱大全：闭包延迟绑定与循环变量捕获

经典场景

def create_functions():
    funcs = []
    for i in range(4):
        funcs.append(lambda: i)
    return funcs

for f in create_functions():
    print(f(), end=' ')  # 3 3 3 3

字节码层面： lambda内部有LOAD_DEREF指令加载自由变量i。i存储在单元对象（cell object）中，闭包捕获的是cell的引用，而不是值的拷贝。循环结束后cell中的值为3。

列表推导式中的lambda

funcs = [lambda: i * i for i in range(4)]
for f in funcs:
    print(f(), end=' ')  # 9 9 9 9

Python 3.x中列表推导式有自己的作用域，但变量i仍然是在推导式的局部作用域中，所有lambda共享同一个i。

解决方案总结

方案1：默认参数绑定（最常用）

for i in range(4):
    funcs.append(lambda i=i: i)  # 默认参数在定义时求值

方案2：functools.partial

from functools import partial
for i in range(4):
    funcs.append(partial(lambda x: x, i))

方案3：闭包工厂

def make_func(x):
    return lambda: x

funcs = [make_func(i) for i in range(4)]
# 输出：0 1 2 3

每个make_func调用创建新的作用域，x在每个作用域中独立。

方案4：生成器替代

def generate():
    for i in range(4):
        yield lambda: i

for f in generate():
    print(f(), end=' ')  # 0 1 2 3

生成器使用yield而不是return，保留了每次迭代时的状态。

核心原则： 不要让闭包共享可变循环变量，使用默认参数或工厂函数创建独立作用域。