没看完这11 条,别说你精通 Python 装饰器
对于每一个学习 Python 的同学,想必对 @ 符号一定不陌生了,正如你所知, @ 符号是装饰器的语法糖,@符号后面的函数就是我们本文的主角:装饰器。
装饰器放在一个函数开始定义的地方,它就像一顶帽子一样戴在这个函数的头上。和这个函数绑定在一起。在我们调用这个函数的时候,第一件事并不是执行这个函数,而是将这个函数做为参数传入它头顶上这顶帽子,这顶帽子我们称之为 装饰器 。
曾经我在刚转行做程序员时的一次的面试中,被面试官问过这样的两个问题:
1、你都用过装饰器实现过什么样的功能?
2、如何写一个可以传参的装饰器?
对于当时实战经验非常有限的我,第一个问题只能回答一些非常简单的用法,而第二个问题却没能回答上来。
当时带着这两个问题,我就开始系统的学习装饰器的所有内容。这些一直整理在自己的博客中,今天对其进行了大量的补充和勘误,发表在这里分享给大家。希望对刚入门以及进阶的朋友可以提供一些参考。
01. Hello,装饰器
装饰器的使用方法很固定
先定义一个装饰器(帽子)
再定义你的业务函数或者类(人)
最后把这装饰器(帽子)扣在这个函数(人)头上
就像下面这样子
def decorator(func):def wrapper(*args, **kw):return func()return wrapper@decorator
def function():print("hello, decorator")
实际上,装饰器并不是编码必须性,意思就是说,你不使用装饰器完全可以,它的出现,应该是使我们的代码
更加优雅,代码结构更加清晰
将实现特定的功能代码封装成装饰器,提高代码复用率,增强代码可读性
接下来,我将以实例讲解,如何编写出各种简单及复杂的装饰器。
02. 入门:日志打印器
首先是日志打印器。
实现的功能:
在函数执行前,先打印一行日志告知一下主人,我要执行函数了。
在函数执行完,也不能拍拍屁股就走人了,咱可是有礼貌的代码,再打印一行日志告知下主人,我执行完啦。
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
# 这是装饰器函数,参数 func 是被装饰的函数
def logger(func):def wrapper(*args, **kw):print('主人,我准备开始执行:{} 函数了:'.format(func.__name__))# 真正执行的是这行。func(*args, **kw)print('主人,我执行完啦。')return wrapper
假如,我的业务函数是,计算两个数之和。写好后,直接给它带上帽子。
@logger
def add(x, y):print('{} + {} = {}'.format(x, y, x+y))
然后执行一下 add 函数。
add(200, 50)
来看看输出了什么?
主人,我准备开始执行:add 函数了:
200 + 50 = 250
主人,我执行完啦。
03. 入门:时间计时器
再来看看 时间计时器
实现功能:顾名思义,就是计算一个函数的执行时长。
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
# 这是装饰函数
def timer(func):def wrapper(*args, **kw):t1=time.time()# 这是函数真正执行的地方func(*args, **kw)t2=time.time()# 计算下时长cost_time = t2-t1 print("花费时间:{}秒".format(cost_time))return wrapper
假如,我们的函数是要睡眠10秒。这样也能更好的看出这个计算时长到底靠不靠谱。
import time@timer
def want_sleep(sleep_time):time.sleep(sleep_time)want_sleep(10)
来看看输出,如预期一样,输出10秒。
花费时间:10.0073800086975098秒
04. 进阶:带参数的函数装饰器
通过上面两个简单的入门示例,你应该能体会到装饰器的工作原理了。
不过,装饰器的用法还远不止如此,深究下去,还大有文章。今天就一起来把这个知识点学透。
回过头去看看上面的例子,装饰器是不能接收参数的。其用法,只能适用于一些简单的场景。不传参的装饰器,只能对被装饰函数,执行固定逻辑。
装饰器本身是一个函数,做为一个函数,如果不能传参,那这个函数的功能就会很受限,只能执行固定的逻辑。这意味着,如果装饰器的逻辑代码的执行需要根据不同场景进行调整,若不能传参的话,我们就要写两个装饰器,这显然是不合理的。
比如我们要实现一个可以定时发送邮件的任务(一分钟发送一封),定时进行时间同步的任务(一天同步一次),就可以自己实现一个 periodic_task (定时任务)的装饰器,这个装饰器可以接收一个时间间隔的参数,间隔多长时间执行一次任务。
可以这样像下面这样写,由于这个功能代码比较复杂,不利于学习,这里就不贴了。
@periodic_task(spacing=60)
def send_mail():pass@periodic_task(spacing=86400)
def ntp()pass
那我们来自己创造一个伪场景,可以在装饰器里传入一个参数,指明国籍,并在函数执行前,用自己国家的母语打一个招呼。
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
# 小明,中国人
@say_hello("china")
def xiaoming():pass# jack,美国人
@say_hello("america")
def jack():pass
那我们如果实现这个装饰器,让其可以实现 传参 呢?
会比较复杂,需要两层嵌套。
def say_hello(contry):def wrapper(func):def deco(*args, **kwargs):if contry == "china":print("你好!")elif contry == "america":print('hello.')else:return# 真正执行函数的地方func(*args, **kwargs)return decoreturn wrapper
来执行一下
xiaoming()
print("------------")
jack()
看看输出结果。
你好!
------------
hello.
05. 高阶:不带参数的类装饰器
以上都是基于函数实现的装饰器,在阅读别人代码时,还可以时常发现还有基于类实现的装饰器。
基于类装饰器的实现,必须实现 __ call__ 和 __init__两个内置函数。
__ init __ :接收被装饰函数
__ call __ :实现装饰逻辑。
还是以日志打印这个简单的例子为例
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
class logger(object):def __init__(self, func):self.func = funcdef __call__(self, *args, **kwargs):print("[INFO]: the function {func}() is running...".format(func=self.func.__name__))return self.func(*args, **kwargs)@logger
def say(something):print("say {}!".format(something))say("hello")
执行一下,看看输出
[INFO]: the function say() is running...
say hello!
06. 高阶:带参数的类装饰器
上面不带参数的例子,你发现没有,只能打印INFO级别的日志,正常情况下,我们还需要打印DEBUG WARNING等级别的日志。这就需要给类装饰器传入参数,给这个函数指定级别了。
带参数和不带参数的类装饰器有很大的不同。
__ init __ :不再接收被装饰函数,而是接收传入参数。
__ call __ :接收被装饰函数,实现装饰逻辑。
class logger(object):def __init__(self, level='INFO'):self.level = leveldef __call__(self, func): # 接受函数def wrapper(*args, **kwargs):print("[{level}]: the function {func}() is running...".format(level=self.level, func=func.__name__))func(*args, **kwargs)return wrapper #返回函数@logger(level='WARNING')
def say(something):print("say {}!".format(something))say("hello")
我们指定WARNING级别,运行一下,来看看输出。
[WARNING]: the function say() is running...
say hello!
07. 使用偏函数与类实现装饰器
绝大多数装饰器都是基于函数和闭包实现的,但这并非制造装饰器的唯一方式。
事实上,Python 对某个对象是否能通过装饰器( @decorator)形式使用只有一个要求:decorator 必须是一个“可被调用(callable)的对象。
对于这个 callable 对象,我们最熟悉的就是函数了。
除函数之外,类也可以是 callable 对象,只要实现了__ call__ 函数(上面几个例子已经接触过了)。
还有容易被人忽略的偏函数其实也是 callable 对象。
接下来就来说说,如何使用 类和偏函数结合实现一个与众不同的装饰器。
如下所示,DelayFunc 是一个实现了 __ call__ 的类,delay 返回一个偏函数,在这里 delay 就可以做为一个装饰器。(以下代码摘自 Python工匠:使用装饰器的小技巧)
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
import time
import functoolsclass DelayFunc:def __init__(self, duration, func):self.duration = durationself.func = funcdef __call__(self, *args, **kwargs):print(f'Wait for {self.duration} seconds...')time.sleep(self.duration)return self.func(*args, **kwargs)def eager_call(self, *args, **kwargs):print('Call without delay')return self.func(*args, **kwargs)def delay(duration):"""装饰器:推迟某个函数的执行。同时提供 .eager_call 方法立即执行"""# 此处为了避免定义额外函数,# 直接使用 functools.partial 帮助构造 DelayFunc 实例return functools.partial(DelayFunc, duration)
我们的业务函数很简单,就是相加@delay(duration=2)
def add(a, b):return a+b
来看一下执行过程
>>> add # 可见 add 变成了 Delay 的实例
<__main__.DelayFunc object at 0x107bd0be0>
>>>
>>> add(3,5) # 直接调用实例,进入 __call__
Wait for 2 seconds...
8
>>>
>>> add.func # 实现实例方法
<function add at 0x107bef1e0>
08. 如何写能装饰类的装饰器?
用 Python 写单例模式的时候,常用的有三种写法。其中一种,是用装饰器来实现的。
以下便是我自己写的装饰器版的单例写法。
instances = {}def singleton(cls):def get_instance(*args, **kw):cls_name = cls.__name__print('===== 1 ====')if not cls_name in instances:print('===== 2 ====')instance = cls(*args, **kw)instances[cls_name] = instancereturn instances[cls_name]return get_instance@singleton
class User:_instance = Nonedef __init__(self, name):print('===== 3 ====')self.name = name
可以看到我们用singleton 这个装饰函数来装饰 User 这个类。装饰器用在类上,并不是很常见,但只要熟悉装饰器的实现过程,就不难以实现对类的装饰。在上面这个例子中,装饰器就只是实现对类实例的生成的控制而已。
其实例化的过程,你可以参考我这里的调试过程,加以理解。
09. wraps 装饰器有啥用?
在 functools 标准库中有提供一个 wraps 装饰器,你应该也经常见过,那他有啥用呢?
先来看一个例子
def wrapper(func):def inner_function():passreturn inner_function@wrapper
def wrapped():passprint(wrapped.__name__)
#inner_function
为什么会这样子?不是应该返回 func 吗?
这也不难理解,因为上边执行func 和下边 decorator(func) 是等价的,所以上面 func.__ name__ 是等价于下面decorator(func).__ name__ 的,那当然名字是 inner_function
def wrapper(func):def inner_function():passreturn inner_functiondef wrapped():passprint(wrapper(wrapped).__name__)
#inner_function
那如何避免这种情况的产生?方法是使用 functools .wraps 装饰器,它的作用就是将 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。
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
from functools import wrapsdef wrapper(func):@wraps(func)def inner_function():passreturn inner_function@wrapper
def wrapped():passprint(wrapped.__name__)
# wrapped
准确点说,wraps 其实是一个偏函数对象(partial),源码如下
def wraps(wrapped,assigned = WRAPPER_ASSIGNMENTS,updated = WRAPPER_UPDATES):return partial(update_wrapper, wrapped=wrapped,assigned=assigned, updated=updated)
可以看到wraps其实就是调用了一个函数update_wrapper,知道原理后,我们改写上面的代码,在不使用 wraps的情况下,也可以让 wrapped.__ name__ 打印出 wrapped,代码如下:
from functools import update_wrapperWRAPPER_ASSIGNMENTS = ('__module__', '__name__', '__qualname__', '__doc__','__annotations__')def wrapper(func):def inner_function():passupdate_wrapper(inner_function, func, assigned=WRAPPER_ASSIGNMENTS)return inner_function@wrapper
def wrapped():passprint(wrapped.__name__)
10. 内置装饰器:property
以上,我们介绍的都是自定义的装饰器。
其实Python语言本身也有一些装饰器。比如property这个内建装饰器,我们再熟悉不过了。
它通常存在于类中,可以将一个函数定义成一个属性,属性的值就是该函数return的内容。
通常我们给实例绑定属性是这样的
class Student(object):def __init__(self, name, age=None):self.name = nameself.age = age# 实例化
xiaoming = Student("小明")# 添加属性
xiaoming.age=25# 查询属性
xiaoming.age# 删除属性
del xiaoming.age
但是稍有经验的开发人员,一下就可以看出,这样直接把属性暴露出去,虽然写起来很简单,但是并不能对属性的值做合法性限制。为了实现这个功能,我们可以这样写。
'''
遇到问题没人解答?小编创建了一个Python学习交流QQ群:857662006 寻找有志同道合的小伙伴,
互帮互助,群里还有不错的视频学习教程和PDF电子书!
'''
class Student(object):def __init__(self, name):self.name = nameself.name = Nonedef set_age(self, age):if not isinstance(age, int):raise ValueError('输入不合法:年龄必须为数值!')if not 0 < age < 100:raise ValueError('输入不合法:年龄范围必须0-100')self._age=agedef get_age(self):return self._agedef del_age(self):self._age = Nonexiaoming = Student("小明")# 添加属性
xiaoming.set_age(25)# 查询属性
xiaoming.get_age()# 删除属性
xiaoming.del_age()
上面的代码设计虽然可以变量的定义,但是可以发现不管是获取还是赋值(通过函数)都和我们平时见到的不一样。
按照我们思维习惯应该是这样的。
# 赋值
xiaoming.age = 25# 获取
xiaoming.age
那么这样的方式我们如何实现呢。请看下面的代码。
class Student(object):def __init__(self, name):self.name = nameself.name = None@propertydef age(self):return self._age@age.setterdef age(self, value):if not isinstance(value, int):raise ValueError('输入不合法:年龄必须为数值!')if not 0 < value < 100:raise ValueError('输入不合法:年龄范围必须0-100')self._age=value@age.deleterdef age(self):del self._agexiaoming = Student("小明")# 设置属性
xiaoming.age = 25# 查询属性
xiaoming.age# 删除属性
del xiaoming.age
用@property装饰过的函数,会将一个函数定义成一个属性,属性的值就是该函数return的内容。同时,会将这个函数变成另外一个装饰器。就像后面我们使用的@age.setter和@age.deleter。
- @age.setter 使得我们可以使用XiaoMing.age = 25这样的方式直接赋值。
- @age.deleter 使得我们可以使用del XiaoMing.age这样的方式来删除属性。
property 的底层实现机制是「描述符」,为此我还写过一篇文章。
这里也介绍一下吧,正好将这些看似零散的文章全部串起来。
如下,我写了一个类,里面使用了 property 将 math 变成了类实例的属性
class Student:def __init__(self, name):self.name = name@propertydef math(self):return self._math@math.setterdef math(self, value):if 0 <= value <= 100:self._math = valueelse:raise ValueError("Valid value must be in [0, 100]")
为什么说 property 底层是基于描述符协议的呢?通过 PyCharm 点击进入 property 的源码,很可惜,只是一份类似文档一样的伪源码,并没有其具体的实现逻辑。
不过,从这份伪源码的魔法函数结构组成,可以大体知道其实现逻辑。
这里我自己通过模仿其函数结构,结合「描述符协议」来自己实现类 property 特性。
代码如下:
class TestProperty(object):def __init__(self, fget=None, fset=None, fdel=None, doc=None):self.fget = fgetself.fset = fsetself.fdel = fdelself.__doc__ = docdef __get__(self, obj, objtype=None):print("in __get__")if obj is None:return selfif self.fget is None:raise AttributeErrorreturn self.fget(obj)def __set__(self, obj, value):print("in __set__")if self.fset is None:raise AttributeErrorself.fset(obj, value)def __delete__(self, obj):print("in __delete__")if self.fdel is None:raise AttributeErrorself.fdel(obj)def getter(self, fget):print("in getter")return type(self)(fget, self.fset, self.fdel, self.__doc__)def setter(self, fset):print("in setter")return type(self)(self.fget, fset, self.fdel, self.__doc__)def deleter(self, fdel):print("in deleter")return type(self)(self.fget, self.fset, fdel, self.__doc__)
然后 Student 类,我们也相应改成如下
class Student:def __init__(self, name):self.name = name# 其实只有这里改变@TestPropertydef math(self):return self._math@math.setterdef math(self, value):if 0 <= value <= 100:self._math = valueelse:raise ValueError("Valid value must be in [0, 100]")
为了尽量让你少产生一点疑惑,我这里做两点说明:
使用TestProperty装饰后,math 不再是一个函数,而是TestProperty类的一个实例。所以第二个math函数可以使用 math.setter 来装饰,本质是调用TestProperty.setter 来产生一个新的 TestProperty 实例赋值给第二个math。
第一个 math 和第二个 math 是两个不同 TestProperty 实例。但他们都属于同一个描述符类(TestProperty),当对 math 对于赋值时,就会进入 TestProperty.__ set__,当对math 进行取值里,就会进入 TestProperty.__ get__。仔细一看,其实最终访问的还是Student实例的 _math 属性。
说了这么多,还是运行一下,更加直观一点。
# 运行后,会直接打印这一行,这是在实例化 TestProperty 并赋值给第二个math
in setter
>>>
>>> s1.math = 90
in __set__
>>> s1.math
in __get__
90
如对上面代码的运行原理,有疑问的同学,请务必结合上面两点说明加以理解,那两点相当关键。
11. 其他装饰器:装饰器实战
读完并理解了上面的内容,你可以说是Python高手了。别怀疑,自信点,因为很多人都不知道装饰器有这么多用法呢。
在我看来,使用装饰器,可以达到如下目的:
使代码可读性更高,逼格更高;
代码结构更加清晰,代码冗余度更低;
刚好我在最近也有一个场景,可以用装饰器很好的实现,暂且放上来看看。
这是一个实现控制函数运行超时的装饰器。如果超时,则会抛出超时异常。
有兴趣的可以看看。
import signalclass TimeoutException(Exception):def __init__(self, error='Timeout waiting for response from Cloud'):Exception.__init__(self, error)def timeout_limit(timeout_time):def wraps(func):def handler(signum, frame):raise TimeoutException()def deco(*args, **kwargs):signal.signal(signal.SIGALRM, handler)signal.alarm(timeout_time)func(*args, **kwargs)signal.alarm(0)return decoreturn wraps
以上,便是我对装饰器的所有分享。
没看完这11 条,别说你精通 Python 装饰器相关推荐
- 收藏!最详细的Python全栈开发指南 看完这篇你还不会Python全栈开发 你来打我!!!
Python Web全栈开发入门实战教程教程 大家好,我叫亓官劼(qí guān jié ),这个<Python Web全栈开发入门实战教程教程>是一个零基础的实战教程,手把手带你开 ...
- python装饰器原理-看完这篇文章还不懂Python装饰器?
原标题:看完这篇文章还不懂Python装饰器? 1.必备 2.需求来了 初创公司有N个业务部门,1个基础平台部门,基础平台负责提供底层的功能,如:数据库操作.redis调用.监控API等功能.业务部门 ...
- python装饰器带参数函数二阶导数公式_一文搞定Python装饰器,看完面试不再慌
本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是Python专题的第12篇文章,我们来看看Python装饰器. 一段囧事 差不多五年前面试的时候,我就领教过它的重要性.那时候我Pyt ...
- 看完这篇文章,你的Python基础就差不多了(附571集精品教程)
学一门语言贵在坚持用它,不用就淡忘了,而记录下一篇文章也有助于日后快速回忆.全文分为两大部分,分别是Python基础语法和面向对象. 入门Python其实很容易,但是我们要去坚持学习,每一天坚持很困难 ...
- 同样是技术出身,深夜看完张一鸣200条微博,让我越想越后怕
来 源:仟语仟寻(ID:huoqian2014) 作 者:霍仟 这几天抽空把张一鸣的所有微博看了一遍,发现2010年的微博最好,就是他30岁左右的时候,那时候刚创业没多久,在微博上认真分享自己的思考 ...
- 程序员如何装逼看完最后一条我也是醉了
点击上面 免费订阅本账号! 本公众号主要推送javaweb开发相关技术,基础知识点,同时会深入剖析复杂的问题,分享一些优秀的框架,大型项目经验,当今最流行的Javaweb技术,热点科技新闻,招聘信息, ...
- python装饰器功能是冒泡排序怎么做_传说中Python最难理解的点|看这完篇就够了(装饰器)...
https://mp.weixin.qq.com/s/B6pEZLrayqzJfMtLqiAfpQ 1.什么是装饰器 网上有人是这么评价装饰器的,我觉得写的很有趣,比喻的很形象 每个人都有的内裤主要是 ...
- 人人都能看懂的 Python 装饰器入门教程!
大家好,我是菜鸟哥! 之前的文章中提到,很多人认为理解了装饰器 的概念和用法后,会觉得自己的 Python 水平有一个明显的提高. 但很多教程在一上来就会给出装饰器的定义以及基本用法,例如你一定会在很 ...
- 人人都能看懂的 Python 装饰器入门教程
大家好,我是萱萱! 之前的文章中提到,很多人认为理解了装饰器的概念和用法后,会觉得自己的 Python 水平有一个明显的提高. 但很多教程在一上来就会给出装饰器的定义以及基本用法,例如你一定会在很多文 ...
最新文章
- solr的安装配置与helloworld
- BugKuCTF 杂项 come_game
- 大数据WEB阶段Spring框架 AOP面向切面编程(一)
- composer安装thinkphp
- python测试脚本截图_Python+selenium实现截图图片并保存截取的图片
- Python的is和==区别
- java数据集合总结_java集合总结 - 雷开你的门的个人空间 - OSCHINA - 中文开源技术交流社区...
- (转)贝莱德,从0到6万亿
- 快速掌握粒子编辑器 —— onebyonedesign网页版
- 数学建模算法与应用 数理统计
- 简约商业计划书PPT模板
- 分享一个USB转杜邦线 5V取电的3D打印件,附3D打印文件
- tensorflow2.X tf.data.Dataset详解
- CODEVS 1069 关押罪犯
- I3D【Inflated 3D ConvNet】——膨胀卷积网络用于行为识别
- Linux - 一次性计划任务之at命令使用
- php 数字 字母组合,PHP生成数字字母组合或纯数字的唯一订单号
- 粒子系统(二):绘制精美几何图案
- 生活杂感: 理性与感性
- 董明珠的权力危机:半年两位元老出局,格力进入动荡时刻