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 timeclass 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__。
DodeCMS成创企业网站管理系统英文版1.1下载DodeCmsV1.1英文版企业版说明 免费版 (ASP+ACCESS) DodeCMS成创网站内容管理系统由辽宁成创网络科技有限公司基于微软ASP、通用ACCESS/MSSQL数据库开发完成； 访问模式采用动态模式，基本上实现了系统的自定义功能，代码简洁高效，易于修改维护，可扩展性强。 ======================================================
-
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。
