python装饰器详解-如何更通俗地讲解Python的装饰器？

我从以下几点，由浅入深详细讲解一下Python装饰器：什么是装饰器？

为什么用装饰器？

在哪里用装饰器？

然后以示例+讲解相结合的方式阐述，同时会讲解一些在很多教程和书籍中不会涉及到的内容。

什么是Python装饰器？

顾名思义，从字面意思就可以理解，它是用来"装饰"Python的工具，使得代码更具有Python简洁的风格。换句话说，它是一种函数的函数，因为装饰器传入的参数就是一个函数，然后通过实现各种功能来对这个函数的功能进行增强。

为什么用装饰器？

前面提到了，装饰器是通过某种方式来增强函数的功能。当然，我们可以通过很多方式来增强函数的功能，只是装饰器有一个无法替代的优势--简洁。

你只需要在每个函数上方加一个@就可以对这个函数进行增强。

在哪里用装饰器？

装饰器最大的优势是用于解决重复性的操作，其主要使用的场景有如下几个：计算函数运行时间

给函数打日志

类型检查

当然，如果遇到其他重复操作的场景也可以类比使用装饰器。

简单示例

前面都是文字描述，不管说的怎么天花烂坠，可能都无法体会到它的价值，下面就以一个简单的例子来看一下它的作用。

如果你要对多个函数进行统计运行时间，不使用装饰器会是这样的，

from time import time, sleep

def fun_one():

start = time()

sleep(1)

end = time()

cost_time = end - start

print("func one run time {}".format(cost_time))

def fun_two():

start = time()

sleep(1)

end = time()

cost_time = end - start

print("func two run time {}".format(cost_time))

def fun_three():

start = time()

sleep(1)

end = time()

cost_time = end - start

print("func three run time {}".format(cost_time))

在每个函数里都需要获取开始时间start、结束时间end、计算耗费时间cost_time、加上一个输出语句。

使用装饰器的方法是这样的，

def run_time(func):

def wrapper():

start = time()

func() # 函数在这里运行

end = time()

cost_time = end - start

print("func three run time {}".format(cost_time))

return wrapper

@run_time

def fun_one():

sleep(1)

@run_time

def fun_two():

sleep(1)

@run_time

def fun_three():

sleep(1)

通过编写一个统计时间的装饰器run_time，函数的作为装饰器的参数，然后返回一个统计时间的函数wrapper，这就是装饰器的写法，用专业属于来说这叫闭包，简单来说就是函数内嵌套函数。然后再每个函数上面加上@run_time来调用这个装饰器对不同的函数进行统计时间。

可见，统计时间这4行代码是重复的，一个函数需要4行，如果100个函数就需要400行，而使用装饰器，只需要几行代码实现一个装饰器，然后每个函数前面加一句命令即可，如果是100个函数，能少300行左右的代码量。

带参数的装饰器

通过前面简单的例子应该已经明白装饰器的价值和它的简单用法：通过闭包来实现装饰器，函数作为外层函数的传入参数，然后在内层函数中运行、附加功能，随后把内层函数作为结果返回。

除了上述简单的用法还有一些更高级的用法，比如用装饰器进行类型检查、添加带参数的的装饰器等。它们的用法大同小异，关于高级用法，这里以带参数的装饰器为例进行介绍。

不要把问题想的太复杂，带参数的装饰器其实就是在上述基本的装饰器的基础上在外面套一层接收参数的函数，下面通过一个例子说明一下。

以上述例子为基础，前面的简单示例输出的信息是，

func three run time 1.0003271102905273

func three run time 1.0006263256072998

func three run time 1.000312328338623

现在我认为这样的信息太单薄，需要它携带更多的信息，例如函数名称、日志等级等，这时候可以把函数名称和日志等级作为装饰器的参数，下面来时实现以下。

def logger(msg=None):

def run_time(func):

def wrapper(*args, **kwargs):

start = time()

func() # 函数在这里运行

end = time()

cost_time = end - start

print("[{}] func three run time {}".format(msg, cost_time))

return wrapper

return run_time

@logger(msg="One")

def fun_one():

sleep(1)

@logger(msg="Two")

def fun_two():

sleep(1)

@logger(msg="Three")

def fun_three():

sleep(1)

fun_one()

fun_two()

fun_three()

可以看出，我在示例基本用法里编写的装饰器外层又嵌套了一层函数用来接收参数msg，这样的话在每个函数(func_one、func_two、func_three)前面调用时可以给装饰器传入参数，这样的输出结果是，

[One] func three run time 1.0013229846954346

[Two] func three run time 1.000720500946045

[Three] func three run time 1.0001459121704102

自定义属性的装饰器

上述介绍的几种用法中其实有一个问题，就是装饰器不够灵活，我们预先定义了装饰器run_time，它就会按照我们定义的流程去工作，只具备这固定的一种功能，当然，我们前面介绍的通过带参数的装饰器让它具备了一定的灵活性，但是依然不够灵活。其实，我们还可以对装饰器添加一些属性，就如同给一个类定义实现不同功能的方法那样。

以输出日志为例，初学Python的同学都习惯用print打印输出信息，其实这不是一个好习惯，当开发商业工程时，你很用意把一些信息暴露给用户。在开发过程中，我更加鼓励使用日志进行输出，通过定义WARNING、DEBUG、INFO等不同等级来控制信息的输出，比如INFO是可以给用户看到的，让用户直到当前程序跑到哪一个阶段了。DEBUG是用于开发人员调试和定位问题时使用。WARING是用于告警和提示。

那么问题来了，如果我们预先定义一个打印日志的装饰器，

def logger_info(func):

logmsg = func.__name__

def wrapper():

func()

log.log(logging.INFO, "{} if over.".format(logmsg))

return wrapper

logger_info，那么它的灵活度太差了，因为如果我们要输出DEBUG、WARING等级的日志，还需要重新写一个装饰器。

解决这个问题，有两个解决方法：利用前面所讲的带参数装饰器，把日志等级传入装饰器

利用自定义属性来修改日志等级

由于第一种已经以统计函数运行时间的方式进行讲解，这里主要讲解第二种方法。

先看一下代码，

import logging

from functools import partial

def wrapper_property(obj, func=None):

if func is None:

return partial(wrapper_property, obj)

setattr(obj, func.__name__, func)

return func

def logger_info(level, name=None, message=None):

def decorate(func):

logmsg = message if message else func.__name__

def wrapper(*args, **kwargs):

log.log(level, logmsg)

return func(*args, **kwargs)

@wrapper_property(wrapper)

def set_level(newlevel):

nonlocal level

level = newlevel

@wrapper_property(wrapper)

def set_message(newmsg):

nonlocal logmsg

logmsg = newmsg

return wrapper

return decorate

@logger_info(logging.WARNING)

def main(x, y):

return x + y

这里面最重要的是wrapper_property这个函数，它的功能是把一个函数func编程一个对象obj的属性，然后通过调用wrapper_property，给装饰器添加了两个属性set_message和set_level，分别用于改变输出日志的内容和改变输出日志的等级。

看一下输出结果，

main(3, 3)

# 输出

# WARNING:Test:main

# 6

来改变一下输出日志等级，

main.set_level(logging.ERROR)

main(5, 5)

# 输出

# ERROR:Test:main

# 10

输出日志等级改成了ERROR。

保留元信息的装饰器

很多教程中都会介绍装饰器，但是大多数都是千篇一律的围绕基本用法在展开，少部分会讲一下带参数的装饰器，但是有一个细节很少有教程提及，那就是保留元信息的装饰器。

什么是函数的元信息？

就是函数携带的一些基本信息，例如函数名、函数文档等，我们可以通过func.__name__获取函数名、可以通过func.__doc__获取函数的文档信息，用户也可以通过注解等方式为函数添加元信息。

例如下面代码，

from time import time

def run_time(func):

def wrapper(*args, **kwargs):

start = time()

func() # 函数在这里运行

end = time()

cost_time = end - start

print("func three run time {}".format(cost_time))

return wrapper

@run_time

def fun_one():

'''func one doc.'''

sleep(1)

fun_one()

print(fun_one.__name__)

print(fun_one.__doc__)

# 输出

# wrapper

# None

可以看出，通过使用装饰器，函数fun_one的元信息都丢失了，那怎么样才能保留装饰器的元信息呢？

可以通过使用Python自带模块functools中的wraps来保留函数的元信息，

from time import time

from functools import wraps

def run_time(func):

@wraps(func) # <- 这里加 wraps(func) 即可

def wrapper(*args, **kwargs):

start = time()

func() # 函数在这里运行

end = time()

cost_time = end - start

print("func three run time {}".format(cost_time))

return wrapper

@run_time

def fun_one():

'''func one doc.'''

sleep(1)

fun_one()

print(fun_one.__name__)

print(fun_one.__doc__)

# 输出

# fun_one

# func one doc.

只需要在代码中加入箭头所指的一行即可保留函数的元信息。

python装饰器详解-如何更通俗地讲解Python的装饰器？相关推荐

python装饰器-如何更通俗地讲解Python的装饰器？
我从以下几点,由浅入深详细讲解一下Python装饰器:什么是装饰器? 为什么用装饰器? 在哪里用装饰器? 然后以示例+讲解相结合的方式阐述,同时会讲解一些在很多教程和书籍中不会涉及到的内容. 什么是P ...
python的抽象类详解_第7.19节 Python中的抽象类详解：abstractmethod、abc与真实子类...
第7.19节 Python中的抽象类详解:abstractmethod.abc与真实子类一. 引言前面相关的章节已经介绍过,Python中定义某种类型是以实现了该类型对应的协议为标准的,而不是以继 ...
python全局变量操作详解_Python全局变量是什么？Python全局变量怎么使用？
Python全局变量是什么?Python全局变量怎么使用?通常可以将任何编程语言中的变量定义为用于以特定名称存储值的元素,并且该变量在存储器中用作存储单元中的标识对象.它可以有两种类型,全局变量和局部 ...
python pexpect模块详解_python Pexpect模块如何使用 python Pexpect模块使用代码示例
python Pexpect模块如何使用?本篇文章小编给大家分享一下python Pexpect模块使用代码示例,文章代码介绍的很详细,小编觉得挺不错的,现在分享给大家供大家参考,有需要的小伙伴们可以 ...
Python之基础详解（十）：用python的pyecharts模块绘制世界地图（疫情）
pyecharts可视化疫情确诊人数世界地图首先,我们需要进行环境的配置:python版本需要3.6.x ,pyecharts版本1.x 使用pip自动安装最新版本(这里的版本是1.7.1) 记得下 ...
python布局管理_Python基础=== Tkinter Grid布局管理器详解
本文转自:https://www.cnblogs.com/ruo-li-suo-yi/p/7425307.html @ 箬笠蓑衣 Grid(网格)布局管理器会将控件放置到一个二维的表 ...
python发邮件详解 -- smtplib和email模块
文章目录 python发邮件详解,-->smtplib和email模块 1.python发邮件所需要的基础包 2.smtplib的用法 3.email模块的详细理解和使用 A.MIMEText对 ...
python语言编程基础-Python语言入门详解！快速学成Python！
原标题:Python语言入门详解!快速学成Python! 很多技能是被职场所需要的,但很可惜... 这些技能在大学中并学习不到. 大学和职场现实存在的横沟对大部分同学来说难以跨越或碰得头破血流... ...
GC之7大垃圾收集器详解（下）
GC之7大垃圾收集器详解目录 GC之CMS收集器 GC之SerialOld收集器 GC之如何选择垃圾收集器 GC之G1收集器第一部分请参见: GC之7大垃圾收集器详解(上) 6. GC之CMS收集 ...

python装饰器详解-如何更通俗地讲解Python的装饰器？

python装饰器详解-如何更通俗地讲解Python的装饰器？相关推荐

最新文章

热门文章