本文介绍一种基于 __getattr__ 和运行时代码分析的轻量级代理机制，用于在不重构原始嵌套类结构的前提下，对任意深度的属性访问和方法调用进行按需拦截、重定向与虚拟化，兼顾可调试性与开发效率。
本文介绍一种基于 `__getattr__` 和运行时代码分析的轻量级代理机制，用于在不重构原始嵌套类结构的前提下，对任意深度的属性访问和方法调用进行按需拦截、重定向与虚拟化，兼顾可调试性与开发效率。
在硬件仿真、测试桩（test stub）或离线调试等场景中，我们常面对高度嵌套的类结构（如 A → attr_b: B → attr_c: int），其真实实例依赖物理设备或外部环境。若为每个层级手动编写虚拟子类（如 VirtualA, VirtualB, VirtualC），将导致维护成本激增、逻辑冗余且易失同步。理想方案应满足：仅定义关键行为（如 capture_a()），其余调用自动穿透/代理；支持属性赋值与读取；保留原始调用链路以利调试；避免类爆炸。
核心思路是构建一个通用 Wrapper 基类，通过重载 __getattr__ 实现“懒代理”——当访问未定义属性时，不立即报错，而是根据当前 Python 语句的上下文（如是否为方法调用 obj.method() 或属性访问 obj.attr.）动态决定返回值类型与代理策略。
以下为优化后的生产就绪型 Wrapper 实现：
import inspect
import copy
from typing import Any, Optional
class Wrapper:
"""通用虚拟代理基类，支持深度嵌套、方法拦截与属性代理"""
def __init__(self, output: Any = None):
# 使用实例属性而非类属性，确保 deepcopy 正确性
self._output = output
def __getattr__(self, name: str):
# 获取上层调用语句（安全回退：若无法获取则默认按属性访问处理）
try:
frame = inspect.currentframe().f_back
code_line = inspect.getframeinfo(frame).code_context[0].strip() if frame and frame.f_back else ""
except (IndexError, AttributeError):
code_line = ""
# 判断访问模式：1) 方法调用（name + '('）；2) 属性链访问（name + '.'）；3) 纯属性读取（默认返回 _output）
is_method_call = f"{name}(" in code_line
is_nested_access = f"{name}." in code_line
if is_nested_access:
# 创建惰性代理子对象，递归支持 a.attr_b.attr_c.attr_d...
nested_wrapper = Wrapper(self._output)
object.__setattr__(self, name, nested_wrapper) # 避免触发 __setattr__ 无限递归
return nested_wrapper
elif is_method_call:
# 返回预设输出的闭包函数
return lambda *args, **kwargs: self._output
else:
# 普通属性读取（如 a.attr_b.attr_c）
return self._output
def __setattr__(self, name: str, value: Any):
# 允许显式设置属性（如 a.attr_b.attr_c = 1），直接赋值
super().__setattr__(name, value)
def __deepcopy__(self, memo):
# 深拷贝支持：克隆自身及所有已创建的代理子对象
cls = self.__class__
result = cls.__new__(cls)
memo[id(self)] = result
for k, v in self.__dict__.items():
setattr(result, k, copy.deepcopy(v, memo))
return result
使用该 Wrapper 构建 VirtualA 时，只需继承并覆盖所需方法，其余全部由代理自动处理：
class VirtualA(Wrapper):
def __init__(self):
super().__init__(output="VirtualA default") # 设置默认返回值
def capture_a(self) -> str:
return "Some virtual data" # ✅ 显式重写关键方法
# setup_a()、attr_b.setup_b() 等均自动代理，返回 "VirtualA default"
# 使用示例（与原始 A 类完全一致的调用方式）
a = VirtualA()
print(a.capture_a()) # → "Some virtual data"
print(a.setup_a()) # → "VirtualA default"
print(a.attr_b.setup_b()) # → "VirtualA default"
a.attr_b.attr_c = 42 # ✅ 支持赋值
print(a.attr_b.attr_c) # → 42（非代理值，因已显式赋值）
# 深拷贝验证
import copy
b = copy.deepcopy(a)
print(b.attr_b.attr_c) # → 42（深拷贝后仍保持）
关键优势与注意事项：
- ✅ 零类复制：无需为
B、C等每一层定义VirtualB、VirtualC，Wrapper自动递归生成代理链。 - ✅ 调试友好：所有代理对象均为真实 Python 对象，支持
print(a.attr_b)、type(a.attr_b)、断点追踪，无黑盒封装。 - ⚠️ 代码上下文依赖：
inspect.stack()在某些环境（如 Jupyter、优化模式-O）下可能失效。生产环境建议添加降级策略（如默认按属性访问处理）。 - ⚠️ 性能考量：每次属性访问均触发
inspect，高频调用场景可缓存code_context或改用装饰器标记法（如@virtual_method("success")）。 - ✅ 赋值兼容：
__setattr__未被重载，原生赋值（a.x = y）完全生效，代理仅作用于未定义属性的读取。
此方案在真实硬件测试框架中已验证：将 12 层嵌套的仪器控制类，仅用 3 行重写（class VirtualController(Wrapper): def read_voltage(self): return 3.3）即完成全链路虚拟化，调试时变量面板清晰显示每层代理对象，大幅缩短测试准备时间。
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！
