Python decimal 局部精度和全局上下文如何隔离

在账务、计费或比例计算里，Decimal 的精度经常不是“全局越高越好”。一段中间计算可能需要 40 位有效数字，而接口返回只允许 2 位小数；如果直接修改 getcontext().prec，调用方后续运算就会悄悄继承这个设置。更稳妥的做法是：把默认 Context 当作调用环境，把临时高精度放进 localcontext()，或者显式传入一个独立的 Context。

局部隔离的关键不是复制 Decimal，而是复制并限制运算上下文。localcontext() 进入时使用当前 Context 的副本，退出时恢复旧上下文；需要长期复用时，则创建自己的 Context，不要在业务函数里反复 setcontext()。

decimal 的精度不是 Decimal 对象的属性

decimal 把精度、舍入方式、指数范围和异常陷阱放在 Context 里。输入对象是不可变的，构造时保留字符串里的数字；当前上下文主要在加减乘除等运算产生结果时介入。因此下面的两次除法会因 prec 不同而不同：

from decimal import Decimal, getcontext

# 只改变当前运算环境；输入 Decimal 仍按字符串原样保存
getcontext().prec = 6
value = Decimal("1.23456789")
print(value)                         # Decimal('1.23456789')
print(Decimal(1) / Decimal(7))       # Decimal('0.142857')

# 结果精度改变，已经构造好的 value 不会被重新截断
getcontext().prec = 12
print(Decimal(1) / Decimal(7))       # Decimal('0.142857142857')

这也是常见误判的来源：把 prec=2 当成“所有输入只保留两位”。如果要在进入某个算法前就按指定上下文舍入，可用 Context.create_decimal()；如果只是最终金额固定两位，则使用 quantize(Decimal("0.01"))，不要混用两个语义。

用 localcontext 为一次计算建立临时边界

localcontext() 是隔离局部精度的首选。它进入代码块时创建当前上下文的副本，代码块里的 ctx.prec、ctx.rounding 或 traps 只作用于这份副本，离开时恢复原上下文。高精度中间值如果要回到外层精度，可以用一元加号显式收口：

from decimal import Decimal, ROUND_HALF_EVEN, getcontext, localcontext

def ratio(numerator: str, denominator: str) -> Decimal:
    # 外层规则由调用方决定，局部只负责提高中间计算精度
    with localcontext(prec=40) as ctx:
        ctx.rounding = ROUND_HALF_EVEN
        precise = Decimal(numerator) / Decimal(denominator)

    # 离开局部块后，按调用方的外层 Context 舍入返回值
    return +precise

getcontext().prec = 12
before = getcontext().prec
result = ratio("10", "3")
after = getcontext().prec
print(before, result, after)  # 12 3.33333333333 12

函数返回多少位，取决于局部计算结束后使用的外层 Context。若要严格得到金额字段，应再调用 result.quantize(Decimal("0.01"))；高精度只是减少中间误差，不等于业务格式。

需要复用规则时显式创建 Context

当同一套精度和舍入策略被多个函数共享，显式 Context 比到处修改当前上下文更清楚。Context 自带 copy()，也提供 create_decimal() 和对应的算术方法；把它作为参数传递，调用关系中就能看见数值规则。

from decimal import Context, Decimal, ROUND_HALF_UP

# 将计费策略做成独立对象，不改变线程或协程的当前 Context
money_ctx = Context(prec=18, rounding=ROUND_HALF_UP)

def money(value: str) -> Decimal:
    # 先按策略创建并舍入输入，再交给后续计算
    return money_ctx.create_decimal(value)

def add_fee(base: str, fee: str) -> Decimal:
    # Context 方法使用同一套精度和舍入规则
    return money_ctx.add(money(base), money(fee))

print(add_fee("12.345", "0.005"))  # 12.350

这种写法特别适合把“报表计算”和“金额计算”分成两个策略对象。setcontext() 仍有适用场景，例如程序启动阶段统一设置默认值，但不建议在请求处理函数中把它当作临时变量使用。

生产代码如何验证并发和异常边界

Context 的 flags 是粘性的：一旦发生 Inexact 或 Rounded，标记会保留到显式清除。监测一段计算前先 clear_flags()，再读取结果；需要“任何非精确结果都失败”时，可以在局部 Context 中启用对应 trap。

官方文档说明当前 Context 按执行环境隔离；线程各有自己的 Context，默认构建还涉及 DefaultContext。在协程场景应保留小范围 localcontext 或显式 Context，并用测试覆盖嵌套调用，避免把“当前上下文”误当成业务对象状态。最终检查清单很短：局部计算是否有明确出口、金额是否 quantize、flags 是否在监测前清空、并发任务是否没有共享可变 Context。

相关问题

把 getcontext().prec 改回去就够了吗？

不一定。异常中断会让恢复逻辑变复杂，嵌套函数也可能读到被修改的值。临时计算优先使用 localcontext。

localcontext 会改变已经创建的 Decimal 吗？

不会。Decimal 不可变，局部上下文影响的是后续运算和显式舍入。

什么时候要用 quantize？

当业务要求固定指数，例如金额保留两位时使用它；prec 表示有效数字容量，不能替代字段格式规则。