Python 装饰器初探

在谈及Python的时候，装饰器一直就是道绕不过去的坎。面试的时候，也经常会被问及装饰器的相关知识。总感觉自己的理解很浅显，不够深刻。是时候做出改变，对Python的装饰器做个全面的了解了。

1. 函数装饰器

直接上代码，看看装饰器到底干了些什么？

from functools import wraps
import timedef time_cost(func):@wraps(func)def f(*args, **kwargs):start_time = time.time()func(*args, **kwargs)end_time = time.time()print(end_time - start_time)return f@time_cost
def test(*args, **kwargs):time.sleep(1.0)if __name__ == "__main__":test()

上面的Python代码，运行后，会给出test函数的执行时间。代码的执行顺序大概如下，首先是将test作为值传递给time_cost函数，返回函数f，然后再调用f，这是带有time_cost装饰器的test函数的大致执行过程。

从中，不难看出，即使不使用装饰器符号，我们利用Python的语言特性，也能达成上述目的。用装饰器符号的好处是简化了代码，增加了代码的可读性。

这是一段非常简单的对函数使用装饰器的Python代码。等等，@wraps(func)是什么鬼？悄悄干了什么哇？

我们稍微修改下上述代码，结果如下：

from functools import wraps
import timedef time_cost(func):def f(*args, **kwargs):start_time = time.time()func(*args, **kwargs)end_time = time.time()print(end_time - start_time)print('hello world')return f@time_cost
def test(*args, **kwargs):time.sleep(1.0)if __name__ == "__main__":print(test.__name__)

发现输出了hello world，同时输出test.__name__，居然变成了f，并不是我们预期的test。根据这样的输出结果，我们不难得出，其实被装饰器time_cost修饰过的函数test本质上已经等同于time_cost(test)，此时访问test.__name__实际上访问的是time_cost(test).__name__，得到的当然就是f啦。当我们加上@wraps(func)，此时test.__name__变成了test。

下面介绍带参数的装饰器，更加难了。在谈论带参数的装饰器之间，首先得引入一个概念，那就”闭包“。如果你以前用过脚本语言，比如JavaScript，那么一定会很熟悉闭包这个概念。下面是一个闭包样例

def add(a):def wrapper(c):return a + creturn wrapperif __name__ == "__main__":add3 = add(3)add9 = add(9)print(add3(4) == 7)print(add9(1) == 10)

从中可以看出，在调用add3的时候，wrapper内部还可以访问到a的值，这就是闭包的作用。理解了闭包，理解带参数的装饰器就容易多了。

from functools import wrapsdef logging(level):def outer_wrapper(func):@wraps(func)def inner_wrapper(*args, **kwargs):print("[{level}]: enter function {func}()".format(level=level,func=func.__name__))return func(*args, **kwargs)return inner_wrapperreturn outer_wrapper@logging(level='WARN')
def show(msg):print('message:{}'.format(msg))if __name__ == "__main__":show('hello world!')

上面给出了一个带参数装饰器的示例。根据我们前面的铺垫，我们不难分析得出，上面的执行过程是logging(level='WARN')->outer_wrapper(show)->inner_wrapper()，所以我们可以理解，在被logging修饰后的show其实就是logging(level='WARN')(show)，执行show('hello world!')其实就是在执行logging(level='WARN')(show)()。注意与不带参数的装饰器的区别，带参数的装饰器比不带参数的装饰器多套了一层，对应的装饰器也有了调用。因为在使用装饰器的时候，带了括号，所以装饰器本身多套了一层。被装饰器修饰过的函数在被调用的时候，实际上执行的是装饰器最内层的函数，其余层的在函数被修饰时就已经执行了。

是不是觉得非常自然？对的，我以前对装饰器的理解也就停留在不带参数的装饰器这一深度。

2. 基于类实现的装饰器

依然先上代码

from functools import wraps
import timeclass time_cost:def __init__(self, func):self.func = funcdef __call__(self, *args, **kwargs):start_time = time.time()result = self.func(*args, **kwargs)end_time = time.time()print(end_time - start_time)return result@time_cost
def test(*args, **kwargs):time.sleep(1.0)if __name__ == "__main__":test()

上面的基于类实现的不带参数的装饰器实际上利用的是Python中的可调用对象特性，凡是实现了__call__方法的类的实例是可以被调用的。因此被time_cost修饰过的test函数本质上已经变成了time_cost类的实例了。调用test方法的时候，实际上执行的是__call__方法。

下面介绍稍微复杂一点的基于类实现的带有参数的装饰器。

from functools import wrapsclass logging:def __init__(self, level):self.level = leveldef __call__(self, func):@wraps(func)def wrapper(*args, **kwargs):print("[{level}]: enter function {func}()".format(level=self.level,func=func.__name__))return func(*args, **kwargs)return wrapper@logging(level='WARN')
def show(msg):print('message:{}'.format(msg))if __name__ == "__main__":show('hello world!')

不同于基于类实现的不带参数的装饰器，基于类实现的带参数的装饰器在__call__里面多了一层wrapper。被装饰器修饰的show方法本质上是logging(level='WARN')(show)，此时调用show方法，实际上执行的是wrapper方法。

现在看来，其实装饰器也没有很复杂，在实际的项目中用装饰器可以带来很大便利。