python装饰器原理-Python函数装饰器原理与用法详解

本文实例讲述了Python函数装饰器原理与用法。分享给大家供大家参考，具体如下：

装饰器本质上是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码的前提下增加额外的功能，装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

严格来说，装饰器只是语法糖，装饰器是可调用的对象，可以像常规的可调用对象那样调用，特殊的地方是装饰器的参数是一个函数

现在有一个新的需求，希望可以记录下函数的执行时间，于是在代码中添加日志代码：

import time

#遵守开放封闭原则

def foo():

start = time.time()

# print(start) # 1504698634.0291758从1970年1月1号到现在的秒数，那年Unix诞生

time.sleep(3)

end = time.time()

print('spend %s'%(end - start))

foo()

bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间:

import time

def show_time(func):

start_time=time.time()

func()

end_time=time.time()

print('spend %s'%(end_time-start_time))

def foo():

print('hello foo')

time.sleep(3)

show_time(foo)

但是这样的话,你基础平台的函数修改了名字，容易被业务线的人投诉的，因为我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行foo()，但是现在不得不改成show_time(foo)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

def show_time(f):

def inner():

start = time.time()

f()

end = time.time()

print('spend %s'%(end - start))

return inner

@show_time #foo=show_time(f)

def foo():

print('foo...')

time.sleep(1)

foo()

def bar():

print('bar...')

time.sleep(2)

bar()

输出结果：

foo...

spend 1.0005607604980469

bar...

函数show_time就是装饰器，它把真正的业务方法f包裹在函数里面，看起来像foo被上下时间函数装饰了。在这个例子中，函数进入和退出时，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数，可以被赋值给其他变量，可以作为返回值，可以被定义在另外一个函数内。

装饰器有２个特性，一是可以把被装饰的函数替换成其他函数，　二是可以在加载模块时候立即执行

def decorate(func):

print('running decorate', func)

def decorate_inner():

print('running decorate_inner function')

return func()

return decorate_inner

@decorate

def func_1():

print('running func_1')

if __name__ == '__main__':

print(func_1)

#running decorate

# .decorate_inner at 0x000001904743DF28>

func_1()

#running decorate_inner function

# running func_1

通过args 和　*kwargs 传递被修饰函数中的参数

def decorate(func):

def decorate_inner(*args, **kwargs):

print(type(args), type(kwargs))

print('args', args, 'kwargs', kwargs)

return func(*args, **kwargs)

return decorate_inner

@decorate

def func_1(*args, **kwargs):

print(args, kwargs)

if __name__ == '__main__':

func_1('1', '2', '3', para_1='1', para_2='2', para_3='3')

#返回结果

# args ('1', '2', '3') kwargs {'para_1': '1', 'para_2': '2', 'para_3': '3'}

# ('1', '2', '3') {'para_1': '1', 'para_2': '2', 'para_3': '3'}

带参数的被装饰函数

import time

# 定长

def show_time(f):

def inner(x,y):

start = time.time()

f(x,y)

end = time.time()

print('spend %s'%(end - start))

return inner

@show_time

def add(a,b):

print(a+b)

time.sleep(1)

add(1,2)

不定长

import time

#不定长

def show_time(f):

def inner(*x,**y):

start = time.time()

f(*x,**y)

end = time.time()

print('spend %s'%(end - start))

return inner

@show_time

def add(*a,**b):

sum=0

for i in a:

sum+=i

print(sum)

time.sleep(1)

add(1,2,3,4)

带参数的装饰器

在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

import time

def time_logger(flag=0):

def show_time(func):

def wrapper(*args, **kwargs):

start_time = time.time()

func(*args, **kwargs)

end_time = time.time()

print('spend %s' % (end_time - start_time))

if flag:

print('将这个操作的时间记录到日志中')

return wrapper

return show_time

@time_logger(flag=1)

def add(*args, **kwargs):

time.sleep(1)

sum = 0

for i in args:

sum += i

print(sum)

add(1, 2, 5)

@time_logger(flag=1) 做了两件事：

（1）time_logger(1)：得到闭包函数show_time，里面保存环境变量flag

（2）@show_time ：add＝show_time(add)

上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我们使用@time_logger(1)调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

叠放装饰器

执行顺序是什么

如果一个函数被多个装饰器修饰，其实应该是该函数先被最里面的装饰器修饰后（下面例子中函数main()先被inner装饰，变成新的函数），变成另一个函数后，再次被装饰器修饰

def outer(func):

print('enter outer', func)

def wrapper():

print('running outer')

func()

return wrapper

def inner(func):

print('enter inner', func)

def wrapper():

print('running inner')

func()

return wrapper

@outer

@inner

def main():

print('running main')

if __name__ == '__main__':

main()

#返回结果

# enter inner

# enter outer .wrapper at 0x000001A9F2BD5048>

# running outer

# running inner

# running main

类装饰器

相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

import time

class Foo(object):

def __init__(self, func):

self._func = func

def __call__(self):

start_time=time.time()

self._func()

end_time=time.time()

print('spend %s'%(end_time-start_time))

@Foo #bar=Foo(bar)

def bar():

print ('bar')

time.sleep(2)

bar() #bar=Foo(bar)()>>>>>>>没有嵌套关系了,直接active Foo的 __call__方法

标准库中有多种装饰器

例如：装饰方法的函数有property, classmethod, staticmethod；　functools模块中的lru_cache, singledispatch, wraps 等等

from functools import lru_cache

from functools import singledispatch

from functools import wraps

functools.wraps使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

def foo():

print("hello foo")

print(foo.__name__)# foo

def logged(func):

def wrapper(*args, **kwargs):

print (func.__name__ + " was called")

return func(*args, **kwargs)

return wrapper

@logged

def cal(x):

resul=x + x * x

print(resul)

cal(2)

#cal was called

print(cal.__name__)# wrapper

print(cal.__doc__)#None

#函数f被wrapper取代了，当然它的docstring，__name__就是变成了wrapper函数的信息了。

好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wraps

def logged(func):

@wraps(func)

def wrapper(*args, **kwargs):

print(func.__name__ + " was called")

return func(*args, **kwargs)

return wrapper

@logged

def cal(x):

return x + x * x

print(cal.__name__) # cal

使用装饰器会产生我们可能不希望出现的副作用，　例如：改变被修饰函数名称，对于调试器或者对象序列化器等需要使用内省机制的那些工具，可能会无法正常运行；

其实调用装饰器后，会将同一个作用域中原来函数同名的那个变量（例如下面的func_1）,重新赋值为装饰器返回的对象；使用＠wraps后，会把与内部函数（被修饰函数，例如下面的func_1）相关的重要元数据全部复制到外围函数（例如下面的decorate_inner）

from functools import wraps

def decorate(func):

print('running decorate', func)

@wraps(func)

def decorate_inner():

print('running decorate_inner function', decorate_inner)

return func()

return decorate_inner

@decorate

def func_1():

print('running func_1', func_1)

if __name__ == '__main__':

func_1()

#输出结果

#running decorate

# running decorate_inner function

# running func_1

希望本文所述对大家Python程序设计有所帮助。

python装饰器原理-Python函数装饰器原理与用法详解相关推荐

Python函数（函数定义、函数调用）用法详解
函数函数就是一段封装好的,可以重复使用的代码,它使得我们的程序更加模块化,不需要编写大量重复的代码. 函数可以提前保存起来,并给它起一个独一无二的名字,只要知道它的名字就能使用这段代码.函数还可以接 ...
Find_in_set()函数的使用及in()用法详解
这篇文章主要介绍了mysql中find_in_set()函数的使用以及in()用法详解,需要的朋可以参考下 MySQL手册中find_in_set函数的语法解释: FIND_IN_SET(str,st ...
python中global和def_Python中 Global和Nonlocal的用法详解
nonlocal 和 global 也很容易混淆.简单记录下自己的理解. 解释 global 总之一句话,作用域是全局的,就是会修改这个变量对应地址的值. global 语句是一个声明,它适用于整个当 ...
python内存池_python内存监控工具memory_profiler和guppy的用法详解
python内存监控工具memory_profiler和guppy的用法详解发布时间:2020-08-21 19:44:58 来源:脚本之家阅读:123 python2.7在内存管理上相比pyth ...
html js require函数,Require.js的基本用法详解
一:什么是require.js ①:require.js是一个js脚本加载器,它遵循AMD(Asynchronous Module Definition)规范,实现js脚本的异步加载,不阻塞页面的渲染 ...
java 函数fun_c语言中fun用法详解_后端开发
Java Dao层的作用_后端开发 Dao层叫数据访问层,属于一种比较底层,比较基础的操作,可以具体到对于某个表或某个实体的增删改查,其Dao层的作用是对数据库的访问进行封装,从而不涉及业务,实现解耦 ...
python函数定义及调用-Python函数（函数定义、函数调用）用法详解
Python 中函数的应用非常广泛,前面章节中我们已经接触过多个函数,比如 input() .print().range().len() 函数等等,这些都是 Python 的内置函数,可以直接使用. ...
python绘制条形图用什么函数_python绘制条形图方法代码详解
1.首先要绘制一个简单的条形图 import numpy as np import matplotlib.pyplot as plt from matplotlib import mlab from ...
python中sys模块有什么用_Python sys模块用法详解
sys 模块代表了 Python 解释器,主要用于获取和 Python 解释器相关的信息. 在 Python 的交互式解释器中先导入 sys 模块,然后输入 [e for e in dir(sys) ...
mysql中find_in_set()函数的使用及in()用法详解
From: http://www.manongjc.com/article/2710.html MySQL手册中find_in_set函数的语法解释: FIND_IN_SET(str,strlist) ...

python装饰器原理-Python函数装饰器原理与用法详解

python装饰器原理-Python函数装饰器原理与用法详解相关推荐

最新文章

热门文章