python中的类装饰器应用场景_这是我见过最全面的Python装饰器教程了！

装饰器(Decorators)是 Python 的一个重要部分。简单地说:他们是修改其他函数的功能的函数。他们有助于让我们的代码更简短,也更Pythonic(Python范儿)。在程序开发中经常使用到的功能，合理使用装饰器，能让我们的程序如虎添翼。

1. 函数名应用

函数名是什么？函数名是函数的名字，本质：变量，特殊的变量。

1 ）函数名就是函数的内存地址，直接打印函数名，就是打印内存地址

def func1():

print(123)

print(func1) 　　　　　　　　#

2 ）函数名可以作为变量

def func1():

print(111)

f = func1

f() 　　　　　　　　　　# f() 就是func1()

3 ）函数名可以作为函数的参数

def func1():

print(111)

def func2(x):

x()

func2(func1) 　　　　　　　　#func1作为func2的参数

4 ）函数名可以作为函数的返回值

def wrapper():

def inner():

print('inner')

return inner

f = wrapper()

f()

5 ）函数名可以作为容器类类型的元素

使用for循环批量执行函数

def func1():

print('func1')

def func2():

print('func2')

def func3():

print('func3')

l1 = [func1,func2,func3]

for i in l1:

i()

像上面函数名这种，叫做第一类对象。

第一类对象( first-class object)指：

1.可在运行期创建

2.可用作函数参数或返回值

3.可存入变量的实体

*不明白？那就记住一句话，就当普通变量用

2. 闭包

1、闭包函数：内部函数包含对外部作用域而非全局作用域变量的引用，该内部函数称为闭包函数

2、闭包的作用：爬虫、装饰器

当程序执行遇到函数执行时，会在内存空间开辟局部命名空间，当函数执行完毕，该命名空间会被销毁。但是如果这个函数内部形成闭包，则该内存空间不会随着函数执行完而消失。

3、如何判断是否是闭包：print(函数名.__closure__) 结果是 cell 说明是闭包，结果是 None 说明不是闭包。

闭包举例

def wrapper():

name = 'summer'

def inner():

print(name)

inner()

wrapper() # summer

如何判断它是否是一个闭包函数呢？内层函数名.__closure__ cell 就是=闭包

例 1.

def wrapper():

name = 'summer'

def inner():

print(name)

inner()

print(inner.__closure__)

wrapper()

执行输出：

summer

(,)

例 2.

name = 'summer'

def wrapper():

def inner():

print(name)

inner()

print(inner.__closure__)

wrapper()

结果输出：

summer

None

返回值为None 表示它不是闭包，因为name是一个全局变量，如果函数调用了外层变量而非全局变量，那么它就是闭包。

例 3.

name = 'summer'

def wrapper2():

name1 = 'spring'

def inner():

print(name)

print(name1)

inner()

print(inner.__closure__)

wrapper2()

结果输出：

summer

spring

(,)

只要引用了外层变量至少一次，非全局的，它就是闭包

例 4：判断下面的函数，是一个闭包吗？ ******

name = 'summer'

def wraaper2(n):　　　　　　　　#相当于n = 'summer'

def inner():

print(n)

inner()

print(inner.__closure__)

wraaper2(name)

结果输出：

summer

(,)

它也是一个闭包. 虽然wraaper2传了一个全局变量，但是在函数wraaper2内部，inner引用了外层变量，相当于在函数inner外层定义了 n = 'summer'，所以inner是一个闭包函数

闭包的好处：当函数开始执行时，如果遇到了闭包，他有一个机制，他会永远开辟一个内存空间，将闭包中的变量等值放入其中，不会随着函数的执行完毕而消失。

举一个例子：爬3次，内存开了3次，很占用内存

from urllib.request import urlopen

content1 = urlopen('https://www.cnblogs.com/').read().decode('utf-8')

content2 = urlopen('https://www.cnblogs.com/').read().decode('utf-8')

content3 = urlopen('https://www.cnblogs.com/').read().decode('utf-8')

把它封装成闭包

from urllib.request import urlopen

def index():

url = "https://www.cnblogs.com/"

def get():

return urlopen(url).read()

return get　　　　　　　　#return的是get，就是一个函数名

cnblog = index()

print(cnblog) # .get at 0x02F46978>

content = cnblog()

print(content) # 页面源码

这个例子，只有第一遍，是从网站抓取的。之后的执行，直接从内存中加载，节省内存空间

3.装饰器

3.1 装饰器初识

装饰器本质：就是一个python函数，他可以让其他函数在不需要做任何代码变动的前提下，增加额外的功能，装饰器的返回值也是一个函数对象。

装饰器的应用场景：比如插入日志，性能测试，事务处理，缓存等等场景。

import time

def timmer(f):

def inner():

start_time = time.time()

f()

end_time = time.time()

print('此函数的执行时间为{}'.format(end_time - start_time))

return inner

def func1():

print('in func1')

time.sleep(1)

func1 = timmer(func1)

print(func1)

func1() 　　　　　　　　　　# 这里的func1是全新的func1，就是上面的赋值，此时相当于执行 inner函数

输出结果：

.inner at 0x03822DF8>

in func1

此函数的执行时间为1.0003533363342285

代码从上至下执行

语法糖：想测试谁，前面加@装饰器函数，即可。写装饰器，约定俗成，函数名为wrapper

def wrapper(func):

def inner(*args,**kwargs):

'''被装饰函数之前'''

ret = func(*args,**kwargs)

'''被装饰函数之后'''

return ret

return inner

@wrapper

def func(*args,**kwargs):

print(args,kwargs)

return 666

print(func())

输出结果：

() {}

666

装饰器利用return制造了一个假象，func()执行，其实是执行inner() ， func()把原来的func()给覆盖了

3.2 装饰器传参

例 1：上面装饰器的例子，func1，要传2个参数a,b

import time

def timmer(f):

def inner(a,b):

start_time = time.time()

f(a,b)

end_time = time.time()

print('此函数的执行时间为{}'.format(end_time - start_time))

return inner

@timmer

def func1(a,b):

print('in func1 {}{}'.format(a,b))

time.sleep(1) # 模拟程序逻辑

func1(1,2)

执行输出：

in func1 12

此函数的执行时间为1.0006024837493896

例 2：如果有多个参数呢？改成动态参数

import time

def timmer(f):

def inner(*args,**kwargs):

start_time = time.time()

f(*args,**kwargs)

end_time = time.time()

print('此函数的执行时间为{}'.format(end_time - start_time))

return inner

@timmer

def func1(*args,**kwargs):

print('in func1 {}{}'.format(args,kwargs))

time.sleep(1) # 模拟程序逻辑

func1(1,2,a='3',b=4)

执行输出：

in func1 (1, 2){'b': 4, 'a': '3'}

此函数的执行时间为1.000101089477539

函数的执行时，*打散 ;

函数的定义时，*聚合。

from functools import wraps

def wrapper(f): # f = func1

def inner(*args,**kwargs): 　　　　　　#聚合，args （1,2,3）

'''执行函数之前的相关操作'''

ret = f(*args,**kwargs) 　　　　 # 打散 1,2,3

'''执行函数之后的相关操作'''

return ret

return inner

@wrapper # func1 = wrapper(func1) func1 = inner

def func1(*args): 　　　　　　#args (1,2,3) 聚合

print(666)

return args

print(func1(*[1,2,3]))

执行输出：

666

(1, 2, 3)

例 3 *****

import time #1.加载模块

def timmer(*args,**kwargs): #2.加载变量 5.接收参数True,2,3

def wrapper(f): #6.加载变量 8.f = func1

print(args, kwargs) #9.接收timmer函数的值True,2,3

def inner(*args,**kwargs): #10.加载变量. 13.执行函数inner

if flag: #14 flag = True

start_time = time.time() #15 获取当前时间

ret = f(*args,**kwargs) #16 执行func1

time.sleep(0.3) #19 等待0.3秒

end_time = time.time() #20 获取当前时间

print('此函数的执行效率%f' % (end_time-start_time)) #21 打印差值

else:

ret = f(*args, **kwargs)

return ret #22 返回给函数调用者func1()

return inner #11 返回给函数调用者wrapper

return wrapper #7.返回给函数调用timmer(flag,2,3)

flag = True #3 加载变量

@timmer(flag,2,3) # 4.执行函数timmer(flag,2,3) 17.执行函数func1 两步：1，timmer(flag,2,3) 相当于执行wrapper 2.@wrapper 装饰器 func1 = wrapper(func1)

def func1(*args,**kwargs):

return 666 #18 返回给函数调用者f(*args,**kwargs)

print(func1()) #12 执行函数

写装饰器，一般嵌套3层就可以了

3.3 多个装饰器，装饰一个函数

def wrapper1(func): # func == f函数名

def inner1():

print('wrapper1 ,before func') # 2

func()

print('wrapper1 ,after func') # 4

return inner1

def wrapper2(func): # func == inner1

def inner2():

print('wrapper2 ,before func') # 1

func()

print('wrapper2 ,after func') # 5

return inner2

@wrapper2 # f = wrapper2(f) 里面的f==inner1 外面的f == inner2

@wrapper1 # f = wrapper1(f) 里面的f==函数名f 外面的f == inner1

def f(): # 3

print('in f')

f() # inner2()

执行输出：

wrapper2 ,before func

wrapper1 ,before func

in f

wrapper1 ,after func

wrapper2 ,after func

哪个离函数近，哪个先计算。最底下的先执行

执行顺序如下图：

多个装饰器，都是按照上图的顺序来的

4. 装饰器的 __name__ 和 __doc___

__name__：函数名

__doc___：函数的解释

普通函数

def func1():

"""

此函数是完成登陆的功能，参数分别是...作用。

return: 返回值是登陆成功与否（True，False）

"""

print(666)

func1()

print(func1.__name__) #获取函数名

print(func1.__doc__) #获取函数名注释说明

执行输出：

666

func1

此函数是完成登陆的功能，参数分别是...作用。

return: 返回值是登陆成功与否（True，False）

这个有什么用呢？比如日志功能，需要打印出谁在什么时间，调用了什么函数，函数是干啥的，花费了多次时间，这个时候，就需要获取函数的有用信息了

带装饰器的函数

def wrapper(f): # f = func1

def inner(*args,**kwargs): #聚合, args （1,2,3）

'''执行函数之前的相关操作'''

ret = f(*args,**kwargs) # 打散 1,2,3

'''执行函数之后的相关操作'''

return ret

return inner

@wrapper

def func1():

"""

此函数是完成登陆的功能，参数分别是...作用。

return: 返回值是登陆成功与否（True，False）

"""

print(666)

return True

func1()

print(func1.__name__)

print(func1.__doc__)

执行输出：

666

inner

执行函数之前的相关操作

函数装饰之后，相当于执行了inner函数，所以输出inner

为了解决这个问题，需要调用一个模块wraps

wraps将被修饰的函数(wrapped) 的一些属性值赋值给修饰器函数(wrapper) ，最终让属性的显示更符合我们的直觉

from functools import wraps

def wrapper(f): # f = func1

@wraps(f) #f是被装饰的函数

def inner(*args,**kwargs): #聚合args （1,2,3）

'''执行函数之前的相关操作'''

ret = f(*args,**kwargs) # 打散 1,2,3

'''执行函数之后的相关操作'''

return ret

return inner

@wrapper

def func1():

"""

此函数是完成登陆的功能，参数分别是...作用。

return: 返回值是登陆成功与否（True，False）

"""

print(666)

return True

func1()

print(func1.__name__)

print(func1.__doc__)

执行输出：

666

func1

此函数是完成登陆的功能，参数分别是...作用。

return: 返回值是登陆成功与否（True，False）

python中的类装饰器应用场景_这是我见过最全面的Python装饰器教程了！相关推荐

python装饰器作用和功能_这是我见过最全面的Python装饰器详解！没有学不会这种说法！...
今天的任务比较繁重,因为我们要一起来学习Python中比较重要比较牛逼比较难的装饰器. 我将会和大家一起通过代码的形式来迷你银行存款取款的功能,然后通过引入装饰器来一步一步优化代码. 废话不多说梦开始 ...
这是我见过最全面的Python装饰器详解！没有学不会这种说法
python装饰器刚刚接触python的装饰器,简直懵逼了,直接不懂什么意思啊有木有,自己都忘了走了多少遍Debug,查了多少遍资料,才有点点开始明白了. 学习python中有什么不懂的地方,小编这 ...
这是我见过最全面的Python装饰器详解没有学不会这种说法
python装饰器刚刚接触python的装饰器,简直懵逼了,直接不懂什么意思啊有木有,自己都忘了走了多少遍Debug,查了多少遍资料,才有点点开始明白了. 待会我将会和大家一起通过代码的形式来迷你银 ...
python装饰器详解-这是我见过最全面的Python装饰器详解！没有学不会这种说法！...
今天的任务比较繁重,因为我们要一起来学习Python中比较重要比较牛逼比较难的装饰器. 我将会和大家一起通过代码的形式来迷你银行存款取款的功能,然后通过引入装饰器来一步一步优化代码. 废话不多说梦开始 ...
python十大重点_你见过的最全面的 Python 重点
由于总结了太多的东西,所以篇幅有点长,这也是我'缝缝补补'总结了好久的东西. Py2 VS Py3print成为了函数,python2是关键字不再有unicode对象,默认str就是unicode ...
python双除号_你见过的最全面的 Python 重点
来源:二十一链接: https://segmentfault.com/a/1190000018737045 由于总结了太多的东西,所以篇幅有点长,这也是我'缝缝补补'总结了好久的东西. Py2 ...
python壁纸超清全面屏_你见过的最全面的python重点
首先和大家说个对不起,由于总结了太多的东西,所以篇幅有点长,这也是我"缝缝补补"总结了好久的东西,对于Nginx的东西我没总结在这里,大家可以Python聚焦看,点击直达专栏哦. ...
超实用，这是我见过最全面的python入门教程，高中生不要错过
Python 是一门开源免费.通用型的脚本编程语言,它上手简单,功能强大,坚持「极简主义」. Python 类库(模块)极其丰富,这使得 Python 几乎无所不能,不管是传统的 Web 开发.PC ...
Python中的类、实例以及方法，MRO继承解析顺序以及Mixin类
Contents 1. 什么是类和实例 2. 类的实例方法.类方法和静态方法 3. MRO是什么,描述其查找顺序 4. Mixin是什么,描述其应用场景 5. References 1. 什么是类和实 ...

python中的类装饰器应用场景_这是我见过最全面的Python装饰器教程了！

python中的类装饰器应用场景_这是我见过最全面的Python装饰器教程了！相关推荐

最新文章

热门文章