python闭包中变量绑定是延迟的，即定义时不取值而调用时才查找外层作用域；这导致循环中创建的多个闭包共享同一变量最终值，如[lambda: i for i in range(3)]输出[2, 2, 2]；修复需显式绑定当前值，例如用默认参数lambda x=i: x。
闭包中引用的变量不是在定义时“快照”值，而是在调用时才去外层作用域查找——这个机制直接导致了延迟计算行为，也埋下了常见陷阱。
变量绑定发生在定义时，值读取发生在调用时
Python 闭包绑定的是变量名与作用域的查找关系，而非某个时刻的具体数值。也就是说，内部函数记住了“去哪里找 i”，而不是“i 当时是多少”。只要外部函数执行完后该变量仍被闭包持有，它就会保留在 __closure__ 中；但真正取值，要等到闭包被调用那一刻。
- 循环中创建多个闭包时，所有闭包共享同一个变量名（如 i），而循环结束时 i 已定格为最终值
- 调用任一闭包时，都沿着作用域链找到此时的 i，结果全部相同
- 可通过 f.__closure__[0].cell_contents 查看当前捕获的实际值
延迟计算带来的典型问题：循环变量陷阱
这是面试和实际开发中最常踩的坑。例如：
funcs = []
for i in range(3):
funcs.append(lambda: i)
print([f() for f in funcs]) # 输出 [2, 2, 2]
原因：三个 lambda 都绑定到循环变量 i，而循环结束后 i == 2，调用时统一返回 2。
- 修复方式一：用默认参数固化当前值 —— lambda x=i: x
- 修复方式二：加一层闭包封装，让每次迭代立即捕获当前 i —— (lambda x: lambda: x)(i)
- 修复方式三：改用生成器函数，每次 yield 一个独立闭包
闭包如何支撑真正的延迟执行
延迟执行的本质是“先打包计算逻辑和所需数据，后触发运算”。闭包天然适合这一点，因为它把函数体 + 外部变量环境一起封存。
- 工厂函数模式：如 power_factory(2) 返回平方函数，power_factory(3) 返回立方函数，参数在创建时绑定，计算在调用时发生
- 惰性求值封装：如 delay_calculation(expensive_func, a, b) 返回一个无参函数，仅在显式调用时才运行耗时逻辑
- 状态保持型闭包：如计数器 counter() 返回的 increment，每次调用都基于上次的 count 值递增
判断是否构成闭包的三个硬条件
只有同时满足以下三点，Python 才会真正构造闭包对象：
- 存在嵌套函数结构（内层函数定义在外层函数内部）
- 内层函数引用了外层函数的局部变量（即自由变量，不能是全局或参数）
- 外层函数返回的是内层函数对象本身（return inner，不是 return inner()）
不满足任一条件，__closure__ 就为 None 或空元组，也就没有延迟绑定行为。
