python闭包是函数对象与外层局部变量绑定形成的“活体对象”，须同时满足：嵌套结构、内层函数引用外层非全局变量、外层函数返回内层函数对象；其本质是引用而非值复制，变量查找遵循legb固定顺序。
闭包不是语法糖，而是函数与环境绑定后产生的“活体对象”；变量作用域也不是静态区域，而是决定变量能否被找到的查找路径。理解这两者，关键不在背规则，而在看清“定义时”和“调用时”的时空分离。
LEGB：变量查找不是选择，而是固定顺序
Python按 Local → Enclosing → Global → Built-in 的顺序逐层向上搜索变量，这个顺序在函数定义时就已固化，不随调用位置改变。
- Local：函数内部定义的变量，包括参数和 赋值语句左侧出现的名称
- Enclosing：外层嵌套函数的局部作用域（仅当存在嵌套且内层引用外层变量时才激活）
- Global：模块顶层定义的变量，整个.py文件可见
- Built-in：如 len、print 等内置名，最低优先级，仅当其他层都找不到时启用
注意：赋值操作会默认创建局部变量。如果想修改外层或全局变量，必须显式声明 nonlocal 或 global，否则即使同名，也会在当前层新建一个局部变量，导致“未声明就使用”错误。
闭包的三个硬性条件缺一不可
一个函数要成为闭包，必须同时满足：
- 有嵌套结构：内部函数定义在外层函数体内
- 有变量引用：内部函数体中实际读取了外层函数的局部变量（不只是参数）
- 有函数返回：外层函数将内部函数对象作为返回值传出（而非直接调用）
三者齐备，Python才会把那些被引用的外层变量“打包进”内部函数对象中，形成闭包。可通过 func.__closure__ 查看捕获的变量元组，通过 cell.cell_contents 读取其当前值。
闭包的本质是“词法环境快照”，不是“变量复制”
闭包捕获的是变量的引用，不是值的拷贝。多个闭包共享同一外层变量时，它们看到的是同一个内存位置。
例如：
def make_adders():adders = []
for i in range(3):
adders.append(lambda x: x + i)
return adders
funcs = make_adders()
print([f(10) for f in funcs]) # 输出 [12, 12, 12]，不是 [10, 11, 12]
原因：所有 lambda 都引用了循环结束后的最终值 i=2。要修复，需让每个闭包捕获当时的 i 值，常用方式是用默认参数固化：lambda x, i=i: x + i。
常见陷阱与应对思路
闭包容易出错，往往不是逻辑问题，而是对作用域机制的误判：
- 修改外层变量失败：在内层函数中给外层变量赋值，却没加 nonlocal → 报 UnboundLocalError
- 延迟求值导致意外结果：循环中创建多个闭包，但都引用同一个可变变量 → 所有闭包看到最终状态
- 闭包持有大对象引发内存泄漏：闭包无意中捕获了大型数据结构（如整个DataFrame、大列表），而该闭包长期存活 → 对象无法被垃圾回收
应对核心：写闭包前先问自己——这个变量我到底想让它“活多久”？是每次调用都新生成，还是跨调用保持状态？答案决定了你该用局部变量、闭包，还是类封装。
