Python运行自定义规则时避免全局变量被意外修改的方案咨询

你提供的基础方案可以规避大部分顶层全局变量被直接修改/赋值的污染问题，但存在几个疏漏，需要调整优化。

现有方案的不足 #

• 无法删除规则执行过程中新增的全局变量：globals().update(globals_temp)仅会覆盖快照中已存在的键对应的值，规则新增的全局变量会残留在命名空间中
• 无法规避可变对象内部修改的污染：浅拷贝仅保存变量的引用，若规则修改了列表、字典、自定义实例这类可变对象的内部属性/元素，恢复快照后修改仍然会保留
• 无法处理局部变量污染：如果runRule的执行逻辑确实等价于代码直接插入当前位置运行，它可以读写当前作用域的局部变量，仅恢复全局变量的操作对局部变量无效

优化后的改进方案 #

1. 全局变量完全恢复逻辑 #

新增全局变量的删除逻辑，覆盖所有全局命名空间修改场景：

# 保存执行前的全局变量键集合与值快照
globals_before = set(globals().keys())
globals_temp = dict(globals())

runRule("my_edit_rule")

# 恢复原有全局变量的值
globals().update(globals_temp)
# 删除执行过程中新增的全局变量
for new_key in set(globals().keys()) - globals_before:
    del globals()[new_key]

2. 局部变量隔离方案 #

如果需要避免局部变量被污染，可以将runRule的调用封装到无自定义局部变量的独立函数中执行：

def isolated_run_rule(rule_name):
    # 该函数内不要定义任何自定义局部变量，避免规则执行时污染
    runRule(rule_name)

# 调用后函数作用域销毁，内部产生的局部变量修改不会影响外层
isolated_run_rule("my_edit_rule")

补充说明 #

如果确实碰到deepcopy无法使用的情况（多是因为部分全局对象不可序列化，比如函数、文件句柄、套接字等），上述浅拷贝+差异删除的方案是现有约束下投入最低、兼容性最好的可选方案。

内容的提问来源于stack exchange，提问作者Spaterman