Python中with语句依赖__enter__和__exit__方法实现上下文管理，支持类定义或contextlib.contextmanager装饰器两种方式，用于自动管理资源生命周期，避免手动清理。

Python 中的 with 语句依赖上下文管理器协议，核心是实现 __enter__ 和 __exit__ 两个特殊方法。自定义上下文管理器能让资源（如文件、数据库连接、锁等）在进入和退出时自动初始化与清理，避免手动 try/finally 的冗余代码。

用类实现上下文管理器

最直接的方式是定义一个类，显式实现两个方法：

• __enter__：在 with 语句块开始时调用，通常返回需要被管理的对象（如打开的文件），也可返回 self 或其他值供 as 绑定
• __exit__(exc_type, exc_value, traceback)：在 with 块结束时（无论是否异常）调用；三个参数分别表示异常类型、异常值、回溯信息；若该方法返回 True，则会抑制异常传播

示例：一个简单的计时上下文管理器

import time
class Timer:
def enter(self):
self.start = time.time()
return self
def __exit__(self, exc_type, exc_value, traceback):
    self.end = time.time()
    print(f"耗时: {self.end - self.start:.3f} 秒")
使用
with Timer() as t:
time.sleep(1)
输出：耗时: 1.001 秒

立即学习“Python免费学习笔记（深入）”；
用 contextlib.contextmanager 装饰器（推荐）
更简洁的方式是使用 contextlib.contextmanager 装饰生成器函数。函数中 yield 之前的代码相当于 __enter__，之后的代码（在 finally 块中执行）相当于 __exit__。


yield 的值即为 as 接收的对象
所有清理逻辑写在 yield 后，天然支持异常安全（类似 try/finally）
无需手动处理异常参数，也无需返回布尔值来抑制异常（如需抑制，仍需加 try/except）

示例：临时修改环境变量
from contextlib import contextmanager
import os
@contextmanager
def temp_env(**kwargs):
old_values = {}
for key, value in kwargs.items():
old_values[key] = os.environ.get(key)
os.environ[key] = str(value)
try:
yield
finally:
for key, old_value in old_values.items():
if old_value is None:
os.environ.pop(key, None)
else:
os.environ[key] = old_value
使用
with temp_env(DEBUG="1", ENV="test"):
print(os.environ["DEBUG"])  # 1
print(os.environ["ENV"])    # test
退出后自动恢复原环境变量
立即学习“Python免费学习笔记（深入）”；
常见注意事项与技巧
写自定义上下文管理器时容易忽略的关键点：


__exit__ 方法必须接受三个参数（即使不用也要保留），否则会报错
若上下文管理器本身可能抛出异常，应在 __exit__ 中谨慎处理，避免掩盖原始错误
多个上下文管理器可写在同一行：with open("a.txt") as f1, open("b.txt") as f2:

想复用已有对象的上下文行为？确认它实现了协议（比如 threading.Lock、pathlib.Path.open() 返回的文件对象都支持 with）

何时该自己写，而不是用现成的？
标准库和第三方包已覆盖大部分场景（文件、数据库连接池、锁、临时目录等）。只有当业务有明确的“进入-执行-退出”生命周期，且涉及资源独占、状态切换或副作用清理时，才值得封装：

临时切换日志级别
测试中模拟网络超时或异常响应
GPU 显存分配与释放（PyTorch/TensorFlow 中常见）
数据库事务的 begin/commit/rollback 封装

不复杂但容易忽略细节，掌握协议本质比死记语法更重要。




相关栏目：
    【
        最新资讯    】
    【
        网络优化    】
    【
        主机评测    】
    【
        网站百科    】
    【
        技术教程    】
    【
        文学范文    】
    【
        分站    】
    【
        网址导航    】
    【
        关于我们    】




            
 python 环境变量 pytorch 标准库