Python 闭包的本质，是函数对象携带了其定义时所在作用域的局部变量（即使外层函数已返回），形成一个“封闭”的执行环境。它不是语法糖，而是函数式编程的重要基础，也是理解装饰器、回调、延迟计算等机制的关键。
闭包怎么形成的？三个必要条件
一个函数要成为闭包，必须同时满足：
嵌套结构
：内部函数定义在外部函数内部；
引用外部变量
：内部函数体中直接使用了外部函数的局部变量（非全局变量）；
返回内部函数
：外部函数返回的是内部函数本身（不加括号），而非调用结果。
只有三者齐备，Python 才会将该变量“打包”进内部函数的
属性中，形成真正的闭包。缺一不可。
为什么变量能“活下来”？——闭包的生命周期逻辑
普通局部变量随函数退出而销毁，但闭包中的自由变量（free variable）会被内部函数对象
强引用持有
，直到内部函数对象被垃圾回收。Python 通过
对象封装这些变量，你可以在
中读取它的当前值。
立即学习
“
Python免费学习笔记（深入）
”；
注意：闭包捕获的是变量的
引用
，不是快照。这意味着多个闭包共享同一份自由变量（尤其在循环中易出错）。
经典陷阱题：for 循环 + 闭包，为什么全输出 3？
常见代码：
Python 3.14.3
微软官方的 Python 扩展，是 VS Code 安装量最高的扩展（209M+）。集成 IntelliSense（通过 Pylance）、调试（通过 Python Debugger）、代码检查、格式化、重构和单元测试等功能。支持 Jupyter Notebook、虚拟环境管理和多 Python 版本切换。
下载
原因：所有 lambda 都引用同一个变量
，循环结束时
，闭包访问的是最终值。
解决方法（任选其一）：
用默认参数“快照”当前值：
；
用闭包工厂函数封装：
，再
；
用
绑定参数。
面试常考：用闭包实现计数器、配置生成器、简单装饰器
闭包的价值在于“状态+行为”的轻量封装，无需类即可保存私有状态：
计数器
：
；
配置生成器
：如
，
；
装饰器雏形
：闭包是装饰器的基础，
实际就是外层接收函数、内层执行增强逻辑并返回新函数。
面试时若被问“闭包 vs 类”，可答：闭包适合单状态、轻逻辑场景；类更适合多状态、需继承/多方法的复杂封装。
掌握闭包，关键不在背定义，而在看懂
和
，动手调试几个例子，比死记硬背管用得多。
__closure__cellinner.__closure__[0].cell_contentsfuncs = []
for i in range(3):
funcs.append(lambda: i)
print([f() for f in funcs]) # 输出 [3, 3, 3]
ii == 3lambda x=i: xdef make_func(x): return lambda: xfuncs.append(make_func(i))functools.partialdef counter(): n = 0; return lambda: nonlocal n; n += 1; return ndef make_adder(x): return lambda y: x + yadd5 = make_adder(5)@log_calls__closure____code__.co_freevars