在 Python 3 中，命名空间（Namespace）和作用域（Scope）是理解变量生命周期、解决 NameError 或 UnboundLocalError 等诡异报错的核心基石。
如果用一句话概括它们的关系：
- 命名空间是存储变量名和对象映射关系的“字典”（Where names live）。
- 作用域是 Python 解释器查找变量名时遵循的“规则”（How names are looked up）。
下面我将从核心概念、LEGB 查找规则、打破规则的关键字到常见陷阱，为你彻底讲透这个 Python 进阶必考点。
一、 核心概念：什么是命名空间？
在 Python 中，命名空间本质上就是一个字典（Dictionary），键是变量名（字符串），值是对象（内存地址）。Python 在运行时维护着多个相互独立的命名空间，它们互不干扰。
主要分为四种：
- 内置命名空间 (Built-in)：Python 启动时创建，包含
print,len,Exception等内置函数和异常。生命周期最长。 - 全局命名空间 (Global)：每个模块（
.py文件）在导入或运行时创建。包含模块级别的变量、函数和类。 - 局部命名空间 (Local)：函数被调用时创建，函数返回或抛出异常时销毁。包含函数的参数和内部变量。
- 嵌套/闭包命名空间 (Enclosing)：当函数嵌套定义时，外层函数的局部命名空间对内层函数而言就是 Enclosing 命名空间。
二、 核心规则：作用域与 LEGB 查找顺序 🌟
当你在代码中使用一个变量名（例如 x）时，Python 解释器会按照 LEGB 顺序依次在命名空间中查找，一旦找到就停止查找。如果四个地方都找不到，就会抛出 NameError。
LEGB 顺序：
- Local (局部)：当前函数内部。
- Enclosing (嵌套)：外层嵌套的函数（从内向外找）。
- Global (全局)：当前模块的顶层。
- Built-in (内置)：Python 内置的命名空间。
代码演示：
x = "Global" # Global 命名空间
def outer_function():
x = "Enclosing" # Enclosing 命名空间
def inner_function():
x = "Local" # Local 命名空间
print(f"Inner 找到: {x}")
inner_function()
print(f"Outer 找到: {x}")
outer_function()
print(f"Module 找到: {x}")输出：
Inner 找到: Local
Outer 找到: Enclosing
Module 找到: Global💡 注意：如果 inner_function 中没有定义 x，它会向上找到 outer_function 的 x (“Enclosing”)；如果外层也没有，它会找到全局的 x (“Global”)。
三、 打破规则：global 与 nonlocal
默认情况下，在函数内部对变量赋值，Python 会认为你在创建一个新的局部变量。如果你想修改外层或全局的变量，必须显式声明。
1. global 关键字：修改全局变量
告诉 Python：“我要使用的是全局命名空间里的那个变量，不要给我创建局部变量”。
count = 0 # 全局变量
def increment():
global count # 声明使用全局的 count
count += 1 # 修改全局变量
increment()
print(count) # 输出: 12. nonlocal 关键字：修改嵌套外层变量 (Python 3 专属)
告诉 Python：“我要使用的是最近一层外层函数（Enclosing）的变量，不是全局的，也不是局部的”。这是实现闭包 (Closure) 的关键。
def make_counter():
count = 0 # Enclosing 变量
def counter():
nonlocal count # 声明使用外层的 count
count += 1
return count
return counter
my_counter = make_counter()
print(my_counter()) # 输出: 1
print(my_counter()) # 输出: 2 (状态被保留在了闭包中)四、 ⚠️ 三大经典陷阱 (面试高频)
陷阱 1：UnboundLocalError (局部变量赋值前被引用)
这是 Python 初学者最容易遇到的诡异报错。
x = 10
def bad_function():
print(x) # ❌ UnboundLocalError: local variable 'x' referenced before assignment
x = 20 # 因为这里有赋值操作，Python 在编译时就判定 x 是局部变量
bad_function()原理解析：Python 在编译函数时，发现函数体内有 x = 20，就会把 x 标记为局部变量。但在执行 print(x) 时，局部变量 x 还没有被赋值，因此报错。
✅ 解决方法：
- 如果想修改全局变量，加上
global x。 - 如果只是读取，不要在同函数内对其重新赋值；或者将其作为参数传入。
陷阱 2：修改可变对象 vs 重新赋值
如果全局/外层变量是可变对象（如列表、字典），你不需要 global 或 nonlocal 就能修改它的内容，但重新赋值整个变量仍然需要关键字。
my_list = [1, 2, 3]
my_dict = {"a": 1}
def modify_data():
# ✅ 不需要 global，直接修改对象内部状态是允许的
my_list.append(4)
my_dict["b"] = 2
# ❌ 需要 global，因为这是重新绑定变量名到一个新对象
# global my_list
# my_list = [9, 9, 9]
modify_data()
print(my_list) # [1, 2, 3, 4]
print(my_dict) # {'a': 1, 'b': 2}陷阱 3：闭包中的延迟绑定 (Late Binding)
这与之前讲 lambda 时提到的陷阱同源。循环中创建的闭包，会引用循环变量的最终值，而不是创建时的值。
def create_multipliers():
multipliers = []
for i in range(3):
# i 是在 Enclosing 作用域中查找的
multipliers.append(lambda x: x * i)
return multipliers
funcs = create_multipliers()
print([f(2) for f in funcs])
# ❌ 期望输出: [0, 2, 4]
# ✅ 实际输出: [4, 4, 4] (因为循环结束时 i 的值是 2)
# ✅ 正确解法：使用默认参数强制在创建时绑定当前值
def create_multipliers_fixed():
multipliers = []
for i in range(3):
multipliers.append(lambda x, i=i: x * i) # i=i 是关键
return multipliers五、 最佳实践与避坑指南
- 尽量避免使用
global：全局状态是 Bug 的温床，会导致代码难以测试和维护。优先通过函数参数传递和返回值来共享数据。 - 谨慎使用与内置函数同名的变量：
# ❌ 灾难：覆盖了内置的 list 函数
list = [1, 2, 3]
my_new_list = list("hello") # TypeError: 'list' object is not callable- 保持作用域扁平：嵌套函数不要超过 2-3 层。如果嵌套太深，考虑将其重构为独立的类（使用
self管理状态）或独立的模块。 - 利用
globals()和locals()进行调试：
这两个内置函数会返回当前作用域的命名空间字典。虽然生产代码中极少使用，但在调试时非常有用。
def debug_scope():
a = 1
print(locals()) # 输出: {'a': 1}总结
- 命名空间是字典，作用域是 LEGB 查找规则。
- 读取变量：遵循 LEGB，自动向上查找。
- 修改不可变变量：必须使用
global(改全局) 或nonlocal(改外层)。 - 修改可变变量内容：无需关键字，直接调用方法（如
.append()）即可。
理解了 LEGB 和 nonlocal，你就打通了 Python 函数式编程（如装饰器、闭包）和面向对象编程中状态管理的任督二脉。
你在写代码时，有没有遇到过莫名其妙的 UnboundLocalError 或者变量值不符合预期的情况？可以发出来，我们用 LEGB 规则一起拆解它！
