python类本质是命名空间与属性集合的语法糖，非强制封装容器；实例属性需在__init__中显式初始化，类属性可变对象易致数据污染；super()按mro调用而非直调父类；__getAttribute__慎用以防递归。
Python 的 class 不是 Java/C++ 那种“强制封装容器”
Python 的 class 本质是命名空间 + 属性集合的语法糖，不是类型系统的铁壁。它不阻止你动态增删属性、绕过 __init__、甚至把方法当普通函数调用。
- 常见错误现象：
AttributeError: 'A' Object has no attribute 'x'出现时，往往不是“类没定义”，而是实例没被正确初始化（比如忘了self.x = x或压根没调用父类super().__init__()） - 使用场景：适合组织相关数据和行为，但别指望靠
class拦住误用——真正约束靠文档、类型提示（typing）、测试，而不是语法 - 参数差异：
__init__是实例创建后才执行的“配置钩子”，不是构造器；__new__才负责返回实例对象，极少需要重写 - 性能影响：纯 Python 类实例比 dict 稍重（有
__dict__、__weakref__等开销），高频小对象可考虑__slots__或namedtuple/dataclass(frozen=True)
实例属性、类属性、装饰器方法三者混用极易出错
Python 不区分“静态字段”和“实例字段”的语法，全靠赋值位置和访问方式决定行为，这是最常踩的坑源头。
- 常见错误现象：
list类属性被所有实例共享导致数据污染，例如items = []写在 class 下，结果多个实例调用.add()后互相看到对方数据 - 使用场景：类属性适合常量（
MAX_RETRY = 3）、缓存（_cache = {}）、或需跨实例共享的状态；可变对象必须在__init__中初始化为实例属性 - 装饰器差异：
@Property让方法像属性一样读取，但每次调用；@classmethod第一个参数是 class，适合工厂方法；@staticmethod就是普通函数，加它只为逻辑归组，不依赖类或实例 - 兼容性注意：
@property不能直接赋值，除非定义了setter；试图给只读 property 赋值会抛AttributeError
继承中 super() 不是“调父类方法”，而是按 MRO 调下一个
Python 多重继承真实走的是 C3 线性化顺序，super() 返回的是 MRO 中当前类之后的**第一个可匹配项**，不是字面意义的“父类”。
- 常见错误现象：多层继承下漏掉
super().__init__()，导致某层初始化完全跳过；或在 mixin 中盲目调super().foo()，却不知道下一个是谁，引发TypeError或静默失效 - 使用场景：只要类参与多重继承（哪怕只是继承
object），就该用super()；单继承也建议统一用，避免未来扩展时重构成本高 - 验证方式：打印
A.__mro__看顺序，比如class C(A, B): pass的 MRO 是(C, A, B, object)，super()在A.__init__中指向B，不是object - 参数传递：所有参与链式调用的方法签名必须一致（至少兼容），否则
super().xxx()可能因参数不匹配崩溃
__getattr__ 和 __getattribute__ 容易引发无限递归
这两个魔术方法控制属性访问，但触发时机和使用边界极细——稍不留神就会自己调自己，直接栈溢出。
立即学习“Python免费学习笔记（深入）”；
- 常见错误现象：
RecursionError: maximum recursion depth exceeded，通常是因为在__getattribute__里又访问了任意实例属性（包括self.__dict__）而没走object.__getattribute__ - 使用场景：
__getattribute__拦所有属性访问，开销大，慎用；__getattr__只在属性找不到时触发，适合实现 fallback 行为（如代理、懒加载） - 安全写法：
__getattribute__中想读属性，必须用object.__getattribute__(self, name)；__getattr__中可自由访问其他属性，但别再触发自身 - 调试技巧：加计数器或日志，先 print(name)，再判断是否进错分支；上线前务必测
hasattr、getattr、点号访问三种路径
事情说清了就结束。真要写健壮的类，重点不在语法多炫，而在想清楚：这个对象到底有没有明确的生命周期？它的状态变更是否可预测？别人改它的属性时，你愿不愿意负责兜底？