手动实现with块与调用__enter__()结果不一致的技术疑问

嘿，这个问题我之前踩过坑！你以为with语句就是调用个__enter__()？其实它是一套完整的上下文管理流程，漏掉任何一步都会导致结果差异——哪怕是在TensorFlow场景里，本质逻辑和TF无关，就是Python上下文管理器的机制问题。

先搞懂with语句到底做了什么 #

当你写：

with some_method() as var:
    # 你的业务代码

Python实际会按这四步走：

• 先执行some_method()，拿到一个上下文管理器对象（这个对象必须同时实现__enter__()和__exit__()两个方法，缺一不可）
• 调用这个对象的__enter__()，把返回值赋值给var（如果写了as的话）
• 执行with代码块里的所有内容
• 不管代码块是正常跑完，还是中途抛出异常，一定会自动调用上下文管理器的__exit__()方法，做资源释放、状态恢复这类收尾工作

手动调用的常见坑：只做了一半 #

如果你只是手动写了：

manager = some_method()
var = manager.__enter__()
# 然后执行代码

那你直接跳过了最关键的第四步——调用__exit__()。很多上下文管理器的__enter__()和__exit__()是强绑定的：比如__enter__()会修改全局状态、占用资源，__exit__()负责把状态改回去、释放资源。不调用__exit__()的话，上下文就会一直处于“异常激活”状态，后续操作自然和with里的结果不一样。

举个简单的非TF例子，一眼就能看明白差异：

class SimpleContext:
    def __enter__(self):
        self.status = "working"
        print("进入上下文，状态设为working")
        return self
    
    def __exit__(self, exc_type, exc_val, exc_tb):
        self.status = "idle"
        print("退出上下文，状态重置为idle")

# 用with语句的情况
print("=== 使用with语句 ===")
with SimpleContext() as ctx:
    print(f"with内部状态: {ctx.status}")
print(f"with外部状态: {ctx.status}")

# 手动调用__enter__的情况
print("\n=== 手动调用__enter__ ===")
ctx = SimpleContext()
ctx.__enter__()
print(f"调用__enter__后状态: {ctx.status}")
# 没调用__exit__
print(f"没调用__exit__的状态: {ctx.status}")

执行结果对比：

=== 使用with语句 ===
进入上下文，状态设为working
with内部状态: working
退出上下文，状态重置为idle
with外部状态: idle

=== 手动调用__enter__ ===
进入上下文，状态设为working
调用__enter__后状态: working
没调用__exit__的状态: working

看到没？with自动帮你做了收尾，状态恢复了；手动调用如果不补__exit__()，状态就一直停留在修改后的样子，后续操作当然和with场景下不一样。

回到你的TensorFlow场景 #

虽然你说和TF无关，但TF里的很多上下文（比如tf.GradientTape、tf.distribute.Strategy的上下文）都是这个逻辑：__enter__()会设置全局的执行状态（比如开启梯度跟踪、切换到分布式策略），__exit__()会把状态恢复到之前的样子。如果你只手动调用__enter__()，那全局状态就一直是被修改后的状态，后续的TF操作自然会和with里的执行结果不同。

正确手动模拟with的方式 #

如果一定要手动模拟with的行为，必须完整走完流程，用try...finally确保__exit__()一定会被调用：

manager = some_method()
try:
    var = manager.__enter__()
    # 这里写你原本在with里的代码
finally:
    # 哪怕没异常，也要调用__exit__，参数传None就行
    manager.__exit__(None, None, None)

这样才能和with语句的执行逻辑完全一致，结果自然就对得上了。

内容的提问来源于stack exchange，提问作者Eric Auld