vars()

Функция vars() в Python используется для возврата атрибутов объекта в виде словаря.

Назначение:

• Получить словарь атрибутов объекта.

• Вернуть __dict__ атрибут объекта.

Возврат:

• Возвращает словарь, содержащий атрибуты объекта.

• Если аргумент не предоставлен, возвращает словарь, эквивалентный locals().

Описание:

• Может быть вызвана без аргументов или с одним аргументом object.

• Если объект имеет метод __dict__, vars() возвращает его результат.

• Для модулей, классов и экземпляров классов возвращает их словарь атрибутов.

Примеры:

1. Получение атрибутов экземпляра класса

2. Использование vars() без аргументов

3. Получение атрибутов модуля

1.

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

person = Person("Alice", 30)
print(vars(person))  # Выведет: {'name': 'Alice', 'age': 30}

2.

x = 10
y = 20
print(vars())  # Выведет словарь локальных переменных, включая 'x' и 'y'

3.

import math
print(vars(math))  # Выведет словарь атрибутов модуля math

Использование:

• Для инспекции атрибутов объектов во время выполнения программы.

• При отладке для просмотра состояния объектов.

• В метапрограммировании для динамической работы с атрибутами объектов.

• Для получения всех локальных переменных в текущей области видимости.

Функция vars() является мощным инструментом для исследования и манипулирования объектами в Python. Она особенно полезна при отладке и при работе с динамическими атрибутами объектов.

Важно отметить несколько моментов:

1. Не все объекты имеют атрибут __dict__. Попытка вызвать vars() для таких объектов (например, для встроенных типов как int или str) приведет к исключению TypeError.

2. Изменение словаря, возвращенного vars(), может напрямую влиять на атрибуты объекта.

3. При использовании без аргументов vars() эквивалентна вызову locals(), что может быть полезно для получения всех локальных переменных в текущей области видимости.

vars() часто используется в сочетании с другими встроенными функциями Python, такими как dir(), для более глубокого анализа объектов и их атрибутов.