python修饰器_python设计模式之修饰器模式

python设计模式之修饰器模式

无论何时我们想对一个对象添加额外的功能，都有下面这些不同的可选方法。

[ ] 如果合理，可以直接将功能添加到对象所属的类（例如，添加一个新的方法）

[ ] 使用组合

[ ] 使用继承

设计模式为我们提供第四种可选方法，以支持动态地（运行时）扩展一个对象的功能，这种方法就是修饰器。修饰器（ Decorator）模式能够以透明的方式（不会影响其他对象）动态地将功能添加到一个对象中。

在许多编程语言中，使用子类化（继承）来实现修饰器模式。在Python中，我们可以（并且应该）使用内置的修饰器特性。一个Python修饰器就是对Python语法的一个特定改变，用于扩展一个类、方法或函数的行为，而无需使用继承。从实现的角度来说，Python修饰器是一个可调用对象（函数、方法、类），接受一个函数对象fin作为输入，并返回另一个函数对象 fout。这意味着可以将任何具有这些属性的可调用对象当作一个修饰器。

修饰器模式和Python修饰器之间并不是一对一的等价关系。 Python修饰器能做的实际上比修饰器模式多得多，其中之一就是实现修饰器模式。

1. 现实生活中的例子

该模式虽名为修饰器，但这并不意味着它应该只用于让产品看起来更漂亮。修饰器模式通常用于扩展一个对象的功能。这类扩展的实际例子有，给枪加一个消音器、使用不同的照相机镜头等。

2. 软件的例子

Django框架大量地使用修饰器，其中一个例子是视图修饰器。

3. 应用案例

使用修饰器模式的一个常见例子是图形用户界面（ Graphical User Interface， GUI）工具集。在一个GUI工具集中，我们希望能够将一些特性，比如边框、阴影、颜色以及滚屏，添加到单个组件/部件。

4. 实现（建议先看看我之前写的《关于python装饰器结合递归的理解》一篇随笔便于理解）

实现一个memoization修饰器。所有递归函数都能因memoization而提速，那么来试试常用的斐波那契数列例子。使用递归算法实现斐波那契数列，直接了当，但性能问题较大，即使对于很小的数值也是如此。首先来看看朴素的实现方法（文件fibonacci_naive.py）。

def fibonacci(n):

assert(n >= 0), 'n must be >= 0'

return n if n in (0, 1) else fibonacci(n-1) + fibonacci(n-2)

if __name__ == '__main__':

from timeit import Timer

t = Timer('fibonacci(8)', 'from __main__ import fibonacci')

print(t.timeit())

执行一下这个例子就知道这种实现的速度有多慢了。计算第8个斐波那契数要花费17秒。运行的样例输出如下所示。

16.669270177000726

使用memoization方法看看能否改善。在下面的代码中，我们使用一个dict来缓存斐波那契数列中已经计算好的数值，同时也修改传给fabonacci()函数的参数，计算第100个斐波那契数，而不是第8个。

known = {0:0, 1:1}

def fibonacci(n):

assert(n >= 0), 'n must be >= 0'

if n in known:

return known[n]

res = fibonacci(n-1) + fibonacci(n-2)

known[n] = res

return res

if __name__ == '__main__':

from timeit import Timer

t = Timer('fibonacci(100)', 'from __main__ import fibonacci')

print(t.timeit())

执行基于memoization的代码实现，可以看到性能得到了极大的提升，甚至对于计算大的数值性能也是可接受的。运行的样例输出如下所示。

0.31532211999729043

但这种方法有一些问题。虽然性能不再是一个问题，但代码也没有不使用memoization时那样简洁。如果我们决定扩展代码，加入更多的数学函数，并将其转变成一个模块，那又会是什么样的呢？假设决定加入的下一个函数是nsum()，该函数返回前n个数字的和。注意这个函数已存在于math模块中，名为fsum()，但我们也能很容易就能想到标准库中还没有、但是对我们模块有用的其他函数（例如，帕斯卡三角形、埃拉托斯特尼筛法等）。所以暂且不必在意示例函数是否已存在。使用memoization实现nsum()函数的代码如下所示。

known_sum = {0:0}

def nsum(n):

assert(n >= 0), 'n must be >= 0'

if n in known_sum:

return known_sum[n]

res = n + nsum(n-1)

known_sum[n] = res

return res

你有没有注意到其中的问题？多了一个名为known_sum的新字典，为nsum提供缓存作用，并且函数本身也比不使用memoization时的更复杂。这个模块逐步变得不必要地复杂。保持递归函数与朴素版本的一样简单，但在性能上又能与使用memoization的函数相近，这可能吗？幸运的是，确实可能，解决方案就是使用修饰器模式。

首先创建一个如下面的例子所示的memoize()函数。这个修饰器接受一个需要使用memoization的函数fn作为输入，使用一个名为known的dict作为缓存。函数functools.wraps()是一个为创建修饰器提供便利的函数；虽不强制，但推荐使用，因为它能保留被修饰函数的文档和签名。这种情况要求参数列表args，因为被修饰的函数可能有输入参数。如果fibonacci()和nsum()不需要任何参数，那么使用args确实是多余的，但它们是需要参数n的。

import functools

def memoize(fn):

known = dict()

@functools.wraps(fn)

def memoizer(*args):

if args not in known:

known[args] = fn(*args)

return known[args]

return memoizer

现在，对朴素版本的函数应用memoize()修饰器。这样既能保持代码的可读性又不影响性能。我们通过修饰（或修饰行）来应用一个修饰器。修饰使用@name语法，其中name是指我们想要使用的修饰器的名称。这其实只不过是一个简化修饰器使用的语法糖。来看看下面的例子中如何对我们的递归函数使用memoize()修饰器。

@memoize

def nsum(n):

'''返回前n个数字的和'''

assert(n >= 0), 'n must be <= 0'

return 0 if n == 0 else n + nsum(n-1)

@memoize

def fibonacci(n):

'''返回斐波那契数列的第n个数'''

assert(n >= 0), 'n must be >= 0'

return n if n in (0, 1) else fibonacci(n-1) + fibonacci(n-2)

代码的最后一部分展示如何使用被修饰的函数，并测量其性能。 measure是一个字典列表，用于避免代码重复。注意__name__和__doc__分别是如何展示正确的函数名称和文档字符串值的。尝试memoize()中删除@functools.wraps(fn)修饰，看看是否仍旧如此。

if __name__ == '__main__':

from timeit import Timer

measure = [ {'exec':'fibonacci(100)', 'import':'fibonacci',

'func':fibonacci},{'exec':'nsum(200)', 'import':'nsum',

'func':nsum} ]

for m in measure:

t = Timer('{}'.format(m['exec']), 'from __main__ import{}'.format(m['import']))

print('name: {}, doc: {}, executing: {}, time{}'.format(m['func'].__name__, m['func'].__doc__,m['exec'], t.timeit()))

完整代码及输出：

import functools

def memoize(fn):

known = dict()

@functools.wraps(fn)

def memoizer(*args):

if args not in known:

known[args] = fn(*args)

return known[args]

return memoizer

@memoize

def nsum(n):

'''返回前n个数字的和'''

assert(n >= 0), 'n must be >= 0'

return 0 if n == 0 else n + nsum(n-1)

@memoize

def fibonacci(n):

'''返回斐波那契数列的第n个数'''

assert(n >= 0), 'n must be >= 0'

return n if n in (0, 1) else fibonacci(n-1) + fibonacci(n-2)

if __name__ == '__main__':

from timeit import Timer

measure = [ {'exec':'fibonacci(100)', 'import':'fibonacci','func':fibonacci},{'exec':'nsum(200)', 'import':'nsum','func':nsum} ]

for m in measure:

t = Timer('{}'.format(m['exec']), 'from __main__ import{}'.format(m['import']))

print('name: {}, doc: {}, executing: {}, time{}'.format(m['func'].__name__, m['func'].__doc__,m['exec'], t.timeit()))

输出：

name: fibonacci, doc: Returns the nth number of the Fibonacci

sequence, executing: fibonacci(100), time: 0.4169441329995607

name: nsum, doc: Returns the sum of the first n numbers,

executing: nsum(200),

5. 小结

我们使用修饰器模式来扩展一个对象的行为，无需使用继承，非常方便。 Python进一步扩展了修饰器的概念，允许我们无需使用继承或组合就能扩展任意可调用对象（函数、方法或类）的行为。我们可以使用Python内置的修饰器特性。

python修饰器_python设计模式之修饰器模式相关推荐

python 装饰器继承_Python设计模式之装饰器模式
装饰器模式无论何时我们想对一个对象添加额外的功能,都有下面这些不同的可选方法. 如果合理,可以直接将功能添加到对象所属的类(例如,添加一个新的方法) 使用组合使用继承注意,本文中的Decorat ...
python中的装饰器、装饰器模式_python 设计模式之装饰器模式 Decorator Pattern
#写在前面已经有一个礼拜多没写博客了,因为沉醉在了<妙味>这部小说里,里面讲的是一个厨师苏秒的故事.现实中大部分人不会有她的天分.我喜欢她的性格:总是想着去解决问题,好像从来没有怨天尤人 ...
python高级语法装饰器_Python高级编程——装饰器Decorator超详细讲解上
Python高级编程--装饰器Decorator超详细讲解(上篇) 送你小心心记得关注我哦!! 进入正文全文摘要装饰器decorator,是python语言的重要特性,我们平时都会遇到,无论是面向 ...
python核心装饰_Python核心编程 | 装饰器
装饰器是程序开发的基础知识,用好装饰器,在程序开发中能够提高效率它可以在不需要修改每个函数内部代码的情况下,为多个函数添加附加功能,如权限验证,log日志等涉及点: 1.先梳理一下 >> ...
python的网页解析器_python 之网页解析器
一.什么是网页解析器 1.网页解析器名词解释首先让我们来了解下,什么是网页解析器,简单的说就是用来解析html网页的工具,准确的说:它是一个HTML网页信息提取工具,就是从html网页中解析提取出& ...
python自带网页解析器_python 之网页解析器
一.什么是网页解析器 1.网页解析器名词解释首先让我们来了解下,什么是网页解析器,简单的说就是用来解析html网页的工具,准确的说:它是一个HTML网页信息提取工具,就是从html网页中解析提取出& ...
python什么是装饰器_python学习之装饰器是什么？
学完python函数,接下来我们跟着猿人学python一起来看看什么是装饰器. 大家应该多多少少在其它地方有看过或是听过"装饰器"这个词.装饰器,顾名思义,就是用来装饰的,它装饰的 ...
python类是实例的工厂_Python设计模式之工厂方法模式实例详解
本文实例讲述了Python设计模式之工厂方法模式.分享给大家供大家参考,具体如下: 工厂方法模式(Factory Method Pattern):定义一个用于创建对象的接口,让子类决定实例化哪一个类, ...
python抽象工厂模式_Python设计模式之抽象工厂模式
Python设计模式之抽象工厂模式这篇文章主要为大家详细介绍了Python设计模式之抽象工厂模式,感兴趣的小伙伴们可以参考一下 python面向对象编程入门,我们需要不断学习进步 "&qu ...

python修饰器_python设计模式之修饰器模式

python修饰器_python设计模式之修饰器模式相关推荐

最新文章

热门文章