PyScript项目中JS Proxy在Python与JavaScript交互中的问题剖析
2025-05-12 03:34:43作者:曹令琨Iris
引言
在PyScript项目中,Python与JavaScript的交互是一个核心功能。然而,近期发现了一个关键问题:Pyodide和MicroPython两种Python解释器在处理JavaScript Proxy对象时存在不一致行为,这直接影响了跨解释器代码的可移植性。
问题本质
当Python代码通过FFI(外部函数接口)访问JavaScript Proxy对象时,两种解释器表现出截然不同的行为:
- MicroPython:仅支持
js_proxy["key"]的字典式访问,而js_proxy.key属性访问会抛出AttributeError - Pyodide:仅支持
js_proxy.key属性访问,而js_proxy["key"]会抛出TypeError: 'pyodide.ffi.JsProxy' object is not subscriptable
这种差异导致开发者无法编写在两种解释器上都能正常工作的通用代码。
技术背景
JavaScript Proxy对象允许开发者创建一个对象的代理,从而可以拦截和自定义该对象的基本操作。在JavaScript中,obj.key和obj["key"]是完全等价的访问方式。
然而在Python中,这两种访问方式对应不同的魔术方法:
obj.key→__getattr__obj["key"]→__getitem__
问题复现
通过一个简单的Proxy示例可以清晰展示这个问题:
const proxy = new Proxy(new Map, {
get(map, name) {
if (!map.has(name))
map.set(name, Math.random());
return map.get(name);
}
});
在JavaScript中,proxy.test和proxy["test"]都能正常工作且结果相同。但在不同Python解释器中:
- MicroPython只接受
proxy["test"] - Pyodide只接受
proxy.test
深入分析
问题的根源在于两种解释器对JavaScript对象到Python对象的映射策略不同:
- MicroPython最初实现时过于严格,只实现了
__getitem__方式 - Pyodide则更倾向于Python传统,认为模块属性应该通过
.访问
更复杂的是,Pyodide在内部进行了大量的类型检测,包括:
- 检查对象是否具有
then方法(Promise检测) - 检查
next方法(迭代器检测) - 各种品牌检查(brand checking)
这些检测会意外触发Proxy的get陷阱,导致不必要的副作用。
解决方案演进
- 临时解决方案:通过Python包装器统一访问方式
import js
get = js.Reflect.get
def js_proxy(ref):
class JSProxy:
def __getitem__(self, name): return get(ref, name)
def __getattr__(self, name): return get(ref, name)
return JSProxy()
-
MicroPython修复:已提交PR使两种访问方式行为一致
-
最佳实践建议:
- 避免在Proxy背后使用Map/Set等特殊对象
- 明确实现所有必要的Proxy陷阱(has, get等)
- 在跨解释器代码中使用保守的访问方式
对PyScript项目的影响
这个问题直接影响PyScript的几个核心功能:
- 命名Worker系统:
workers[name]的动态访问 - 存储抽象层:IndexedDB的键值访问
- 模块系统:通过
registerJsModule注册的JS模块访问
总结与建议
JavaScript Proxy在现代Web开发中越来越常见,Python解释器需要更智能地处理这类对象。建议:
- 统一两种访问方式的行为
- 减少不必要的类型检测和属性访问
- 提供明确的文档说明JS对象映射规则
PyScript作为桥接Python和JavaScript的项目,处理好这类边界情况对开发者体验至关重要。随着两种语言交互的深入,这类问题需要更系统性的解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
770
5.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
Ascend Extension for PyTorch
Python
728
906
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
3.09 K
643
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265