Python能否限制属性getter调用方 禁止print及DEBUG以上级别日志调用

技术上可以实现，但这类运行时检查仅适合作为开发环境的弱提醒，完全无法作为生产环境、团队规范层面的强管控手段，属于典型的“防君子不防小人”方案。

基于inspect的参考实现 #

你提到的栈检查思路是可以跑通的，参考实现如下：

import inspect
import logging

class SecretAccessError(PermissionError):
    pass

class ClassWithSecrets:
    def __init__(self, secret):
        self._secret = secret

    @property
    def secret(self):
        # 跳过当前栈帧，向上遍历调用方
        for frame in inspect.stack()[1:]:
            # 拦截内置print函数调用
            if frame.function == "print" and frame.frame.f_globals.get("__name__") == "builtins":
                raise SecretAccessError("禁止通过print输出敏感密钥内容")
            # 拦截DEBUG以上级别的logging日志调用
            if frame.frame.f_globals.get("__name__", "").startswith("logging"):
                call_level = frame.frame.f_locals.get("level", logging.NOTSET)
                if call_level > logging.DEBUG:
                    raise SecretAccessError(
                        f"禁止用DEBUG以上级别日志输出敏感密钥，当前调用级别：{logging.getLevelName(call_level)}"
                    )
        return self._secret

该实现的固有问题 #

• 性能损耗明显：每次访问属性都要遍历完整调用栈，高频访问场景下会带来不可忽视的性能开销，这也是生产环境不推荐滥用inspect做栈检查的核心原因。
• 绕过成本几乎为零：只要把属性值先赋值给中间变量，再对中间变量做打印、日志输出操作，检查就会完全失效，比如：

  obj = ClassWithSecrets("prod_db_password")
  val = obj.secret
  print(val)  # 不会触发任何异常
  logging.error(val) # 同样不会被拦截
  

• 误判率高：自定义的同名print方法、二次封装的日志工具、第三方库的间接调用都可能被误拦截，影响正常业务逻辑运行。

更适配团队约束目标的落地方案 #

你的核心目标是约束团队开发行为，避免敏感信息泄露，靠运行时属性检查性价比极低，更靠谱的手段是前置到研发流程环节：

• 加静态代码扫描规则：给pylint/flake8写自定义检查规则，在CI环节直接扫描代码中直接读取.secret属性后传入print、高等级日志方法的写法，直接阻断流水线。
• 加敏感信息扫描：在代码提交、日志采集环节配置密钥类敏感内容的匹配规则，就算有漏网的代码把敏感信息打到日志、提交到仓库，也能直接拦截告警。
• 配合现有MR审核流程：把敏感信息输出规则明确到团队开发规范里，和你现有的审核机制配合，比运行时的小技巧可靠得多。

如果只是想在本地开发环境做个轻量提醒，避免开发者手滑把敏感信息打出来，上面的inspect实现完全够用，但不要指望靠它实现强管控。

内容的提问来源于stack exchange，提问作者MaKaNu