__contains__ 方法必须返回布尔值，否则 in 运算符会抛出 typeerror；它不优化遍历，需手动保障性能与语义正确性，并谨慎处理继承与类型逻辑。
__contains__ 方法必须返回布尔值，否则 in 会报错
Python 的 in 运算符底层会尝试调用对象的 __contains__ 方法；如果没定义，则退回到遍历 __iter__ 或下标访问 __getitem__。但一旦你实现了 __contains__，它**必须返回 True 或 False**——返回其他类型（比如字符串 "yes"、数字 1、甚至 None）会导致 TypeError: bad operand type for 'in': 'X'。
常见错误写法：
def __contains__(self, item):
return item in self._data # ✅ 安全（假设 _data 是 list/dict）
# ❌ 错误示例：
# return self._data.count(item) # 返回 int，不是 bool
# return item in str(self._data) # 可能意外返回 True/False，但语义错乱
自定义 __contains__ 时别绕过业务逻辑直接委托给内置容器
很多人图省事，把 __contains__ 直接写成 return item in self._internal_list。这看似没问题，但容易掩盖两个关键问题：
- 如果
self._internal_list存的是原始数据，而你的类对外暴露的是“逻辑值”（比如存储 ID，但用户查的是名称），那直接委托就语义不符 - 如果内部结构是稀疏或带索引映射（如用
dict存 ID → 对象，但in应该检查是否“存在有效对象”，而非仅键存在），委托会漏判或误判
正确做法是明确「什么才算‘包含’」。例如：
class UserCollection:
def __init__(self):
self._users = {} # {user_id: User()}
<pre class="brush:python;toolbar:false;">def __contains__(self, key):
if isinstance(key, str): # 查 ID
return key in self._users
elif hasattr(key, 'id'): # 查 User 实例本身是否存在（按 id 判等）
return key.id in self._users
return False
__contains__ 不会自动优化 in 循环，性能陷阱要自己兜底
即使你写了高效的 __contains__（比如基于哈希表 O(1) 查找），for x in obj: 这类遍历仍走 __iter__，不会复用 __contains__。反过来也一样：if x in obj: 不会触发 __iter__。
也就是说：你不能靠实现 __contains__ 来“加速 for 循环”，也不能靠写个慢的 __contains__（比如线性扫描）来应付 in 查询而不付出代价。
需要兼顾性能的场景建议：
- 若内部是列表且查询频繁，考虑缓存为
set或dict做存在性检查 - 若逻辑复杂（如需校验状态、权限、过期时间），在
__contains__中显式做判断，不要假定用户会先调用其他方法 - 避免在
__contains__里做 I/O、网络请求或锁操作——in表达式看起来轻量，实则可能很重
继承内置类型时，__contains__ 行为可能被意外覆盖
如果你继承 list 或 dict 并重写 __contains__，要注意父类方法默认已存在且高效。但 Python 不会自动调用 super().__contains__ —— 你得手动写，否则逻辑完全丢失：
class CaseInsensitiveList(list):
def __contains__(self, item):
# ❌ 错误：没调用父类，list 原始行为失效
# ✅ 正确：
return any(str(x).lower() == str(item).lower() for x in self)
# 或更高效地：
# return super().__contains__(item) # 但这是大小写敏感的，需按需调整
更稳妥的做法是：不继承内置容器，而是组合（has-a），把真实容器作为私有属性，这样控制权完全在你手上，不容易混淆语义。
真正难的不是写对语法，而是想清楚「这个对象在什么条件下应该回答 ‘in’ 是 True」——边界 case、空值处理、类型容错、是否区分大小写或单位，这些都得在 __contains__ 里一锤定音，没法靠文档糊弄过去。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
