Py学习  »  Python

Python Decorator 基础

Python开发者 • 6 年前 • 498 次点击  

(点击上方蓝字,快速关注我们)


来源:xybaby

www.cnblogs.com/xybaby/p/6274187.html

如有好文章投稿,请点击 → 这里了解详情


正文


一般来说,装饰器是一个函数,接受一个函数(或者类)作为参数,返回值也是也是一个函数(或者类)。首先来看一个简单的例子:


# -*- coding: utf-8 -*-

def log_cost_time(func):

    def wrapped(*args, **kwargs):

        import time

        begin = time.time()

        try:

            return func(*args, **kwargs)

        finally:

            print 'func %s cost %s' % (func.__name__, time .time() - begin)

    return wrapped

 

@log_cost_time

def complex_func(num):

    ret = 0

    for i in xrange(num):

         ret += i * i

    return ret

#complex_func = log_cost_time(complex_func)

 

if __name__ == '__main__':

    print complex_func(100000)

 

code snippet 0


代码中,函数log_cost_time就是一个装饰器,其作用也很简单,打印被装饰函数运行时间。


装饰器的语法如下:


@dec


def func():pass


本质上等同于: func = dec(func)。


在上面的代码(code snippet 0)中,把line12注释掉,然后把line18的注释去掉,是一样的效果。另外staticmethod和classmethod是两个我们经常在代码中用到的装饰器,如果对pyc反编译,得到的代码一般也都是 func = staticmthod(func)这种模式。当然,@符号的形式更受欢迎些,至少可以少拼写一次函数名。


装饰器是可以嵌套的,如


@dec0

@dec1

def func():pass


等将于 func = dec0(dec1(fun))。


装饰器也有“副作用“”,对于被log_cost_time装饰的complex_calc, 我们查看一下complex_func.__name__,输出是:”wrapped“”。额,这个是log_cost_time里面inner function(wrapped)的名字,调用者当然希望输出是”complex_func”,为了解决这个问题,python提供了两个函数。


  • functools.update_wrapper


原型: functools.update_wrapper(wrapper, wrapped[, assigned][, updated])


第三个参数,将wrapped的值直接复制给wrapper,默认为(__doc__, __name__, __module__)


第四个参数,update,默认为(__dict__)


  • unctools.wraps: update_wrapper的封装


This is a convenience function for invoking partial(update_wrapper,wrapped=wrapped,assigned=assigned,updated=updated) as a function decorator when defining a wrapper function.


简单改改代码:


import functools

def log_cost_time(func):

    @functools.wraps(func)

    def wrapped(*args, **kwargs):

        import  time

        begin = time.time()

        try:

            return func(*args, **kwargs)

        finally:

            print 'func %s cost %s' % (func.__name__,  time.time() - begin)

    return wrapped


再查看complex_func.__name__ 输出就是 “complex_func”


装饰器也是可以带参数的。我们将上面的代码略微修改一下:


def log_cost_time(stream):

    def inner_dec(func):

        def wrapped(*args,  **kwargs):

            import time

            begin = time.time()

            try:

                return func(*args, **kwargs)

            finally:

                stream.write ('func %s cost %s \n' % (func.__name__, time.time() - begin))

        return wrapped

    return inner_dec

 

import sys

@log_cost_time(sys.stdout)

def  complex_func(num):

    ret = 0

    for i in xrange(num):

        ret += i * i

    return ret

 

if __name__ == '__main__' :

    print complex_func(100000)

 

code snippet 1


log_cost_time函数也接受一个参数,该参数用来指定信息的输出流,对于带参数的decorator


@dec(dec_args)

def func(*args, **kwargs):pass


等价于 func = dec(dec_args)(*args, **kwargs)。


装饰器对类的修饰也是很简单的,只不过平时用得不是很多。举个例子,我们需要给修改类的__str__方法,代码很简单。


def Haha(clz):

    clz.__str__ = lambda s"Haha"

    return  clz

 

@Haha

class Widget(object):

    ''' class Widget '''

 

if __name__ == '__main__':

    w = Widget()

    print w


那什么场景下有必要使用decorator呢,设计模式中有一个模式也叫装饰器。我们先简单回顾一下设计模式中的装饰器模式,简单的一句话概述


动态地为某个对象增加额外的责任


由于装饰器模式仅从外部改变组件,因此组件无需对它的装饰有任何了解;也就是说,这些装饰对该组件是透明的。


下图来自《设计模式Java手册》或者GOF的《设计模式》



回到Python中来,用decorator语法实现装饰器模式是很自然的,比如文中的示例代码,在不改变被装饰对象的同时增加了记录函数执行时间的额外功能。当然,由于Python语言的灵活性,decorator是可以修改被装饰的对象的(比如装饰类的例子)。decorator在python中用途非常广泛,下面列举几个方面:


(1)修改被装饰对象的属性或者行为


(2)处理被函数对象执行的上下文,比如设置环境变量,加log之类


(3)处理重复的逻辑,比如有N个函数都可能跑出异常,但是我们不关心这些异常,只要不向调用者传递异常就行了,这个时候可以写一个catchall的decorator,作用于所用可能跑出异常的函数


def  catchall(func):

    @functools.wraps(func)

    def wrapped(*args, **kwargs):

        try:

            return func(*args, ** kwargs)

        except:

            pass

    return wrapped


(4)框架代码,如flask, bottle等等,让使用者很方便就能使用框架,本质上也避免了重复代码。


decorator的奇妙应用往往超出相应,经常在各种源码中看到各种神奇的用法,酷壳这篇文章举的例子也不错。


参考


  • pep 0318:https://www.python.org/dev/peps/pep-0318/#syntax-alternatives

  • PYTHON修饰器的函数式编程:http://coolshell.cn/articles/11265.html


看完本文有收获?请转发分享给更多人

关注「Python开发者」,提升Python技能


今天看啥 - 高品质阅读平台
本文地址:http://www.jintiankansha.me/t/tfZz8cDPjG
Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/2792
 
498 次点击