python 装饰器 一篇就能讲清楚

　　装饰器一直是我们学习python难以理解并且纠结的问题，想要弄明白装饰器，必须理解一下函数式编程概念，并且对python中函数调用语法中的特性有所了解，使用装饰器非常简单，但是写装饰器却很复杂。为了讲清楚装饰器，我们讲一个生动的例子如下（由于后文装饰器的代码例子，全程和这个形象生动的说明很一致，所以务必看懂这个例子）：

　　举个简单的例子：假设很久之前你写过一个函数，现在你突然有了个想法就是你想看看，以前那个函数在你数据集上的运行时间是多少，这时候你可以修改之前代码为它加上计时的功能，但是这样的话是不是还要大体读读你之前的这个的代码，稍微搞清楚一点它的逻辑，才敢给它添加新的东西。这样是不是很繁琐，要是你之前写的代码足够乱足够长，再去读它是不是很抓狂...。实际工作中，我们常常会遇到这样的场景，可能你的需求还不只是这么简单。那么有没有一种可以不对源码做任何修改，并且可以很好的实现你所有需求的手段呢？答案当然是有，这就是要介绍的python装饰器。有了装饰器，你除了不用担心前面提到的问题，并且还可以很好的处理接下来要做的事：那就是现在你又有了一个新的需求，比如为另一个函数添加计时功能，这时就非常简单了，把要装饰的函数丢给装饰器就好了，它会自动给你添加完功能并返回给你。

　　所以说：装饰器本质上就是一个函数，它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（函数的指针）

　　那么要想理清楚装饰器，我们必须先了解下面几样东西哦，如果对这些全部了解的话，那么装饰器就很简单了。

1，函数

　　函数是什么呢？

　　在python中，使用关键字def和一个函数名以及一个可选的参数列表来定义函数，函数使用return关键字来返回值，我们一般说的函数是指函数名，比如foo，而foo()已经执行函数了，foo()是什么类型取决于return的内容是什么类型！！！

　　函数的作用是什么？

减少重复代码

使程序变得可扩展

使程序变得易维护

　　

2，函数作用域

　　在python函数中会创建一个新的作用域，python高手也会称函数有自己的命名空间，也就是说，当函数体中遇到变量时候，python首先会在该函数的命名空间中寻找变量名，python中有几个函数用来查看命名空间。

3，函数即对象

　　在python的世界里，函数和[1,2,3],'abc',8等一样都是对象，而且函数是最高级的对象（对象是类的实例化，可以调用相应的方法，函数是包含变量对象的对象）。

　　函数对象的调用仅仅比其他对象多了一个（）而已，foo，bar和a,b一样都是个变量名，为什么函数只有加载到内存里面才可以被调用？

　　注意：这里说的函数都是指函数名，比如foo；而foo()已经执行函数了，foo()是什么类型取决于return的内容是什么类型！！！

既然函数是对象，那么自然满足下面两个条件：

　　1，可以被赋值于其他变量

def foo():
    print('foo')
bar=foo
bar()
foo()
print(id(foo),id(bar))  #4321123592 4321123592

　　2，可以被定义在另外一个函数内（作为参数&作为返回值），类似于整形，字符串等对象

#*******函数名作为参数**********
def foo(func):
    print('foo')
    func()

def bar():
    print('bar')

foo(bar)

#*******函数名作为返回值*********

def foo():
    print('foo')
    return bar

def bar():
    print('bar')

b=foo()
b()

　　

4，函数的嵌套以及闭包

　　抛一个小问题：bar()是什么？

def foo():
    print('foo')
    def bar():
        print('bar')
    # bar()
bar()

　　

　　是的，bar就是一个变量名，有自己的作用域的。

　　Python允许创建嵌套函数。通过在函数内部def的关键字再声明一个函数即为嵌套：

闭包：如果在一个内部函数里，对在外部作用域（但不是全局作用域）的变量进行引用，那么内部函数就认为是闭包。

闭包的意义：返回的函数对象，不仅仅是一个函数对象，在该函数外还包裹了一层作用域，这使得，该函数无论在何处调用，优先使用自己外层包裹的作用域

def ounter():
    name = 'duart'

    def inner():     #闭包条件一 inner就是内部函数
        print("在inner里打印外层函数的变量",name)       #闭包条件二，外部环境的一个变量

    return inner                                #结论，内部函数inner就是一个闭包

f = ounter()
print(f())

# 结果：
# 在inner里打印外层函数的变量 duart
# None

　　看一个例子：

def make_adder(addend):
    def adder(augend):
        return augend+addend
    return adder

res1 = make_adder(12)
res2 = make_adder(13)
print(res1(100))
print(res2(100))

# 运行结果：
# 112
# 113

分析一下:
    我们发现,make_adder是一个函数,包括一个参数addend,
比较特殊的地方是这个函数里面又定义了一个新函数,
这个新函数里面的一个变量正好是外部make_adder的参数.
也就是说,外部传递过来的addend参数已经和adder函数绑定到一起了,
形成了一个新函数,我们可以把addend看做新函数的一个配置信息,
配置信息不同,函数的功能就不一样了,也就是能得到定制之后的函数.
    再看看运行结果,我们发现,虽然p和q都是make_adder生成的,
但是因为配置参数不同,后面再执行相同参数的函数后得到了不同的结果.这就是闭包.

　　

再说一个例子：

def hellocounter(name):
    count = [0]
    def counter():
        count[0] += 1
        print("hello ",name , ',',str(count[0])+'access!')
    return counter

hello = hellocounter('make_program')
hello()
hello()
hello()
print(hello())

# 结果：
# hello  make_program , 1access!
# hello  make_program , 2access!
# hello  make_program , 3access!
# hello  make_program , 4access!
# None

　　

程序分析：
    这个程序比较有趣,我们可以把这个程序看做统计一个函数调用次数的函数.
count[0]可以看做一个计数器,没执行一次hello函数,count[0]的值就加1。
也许你会有疑问:为什么不直接写count而用一个列表?这是python2的一个bug,
如果不用列表的话,会报这样一个错误:
UnboundLocalError: local variable 'count' referenced before assignment.
    什么意思?就是说conut这个变量你没有定义就直接引用了,我不知道这是个什么东西,
程序就崩溃了.于是,再python3里面,引入了一个关键字:nonlocal,这个关键字是干什么的?
就是告诉python程序,我的这个count变量是再外部定义的,你去外面找吧.
然后python就去外层函数找,然后就找到了count=0这个定义和赋值,程序就能正常执行了

　最后再来一个例子

def makebold(n):
    def wrapped():
        return n()
    return wrapped

def makeitalic(n):
    def wrapped():
        return n()
    return wrapped

@makebold
@makeitalic

def hello():
    return 'hello word'

print(hello())
# hello word

　　

怎么样?这个程序熟悉吗?这不是传说的的装饰器吗?对,这就是装饰器,
其实,装饰器就是一种闭包,我们再回想一下装饰器的概念:对函数(参数,返回值等)
进行加工处理,生成一个功能增强版的一个函数。再看看闭包的概念,这个增强版的
函数不就是我们配置之后的函数吗?区别在于,装饰器的参数是一个函数或类,
专门对类或函数进行加工处理。
python里面的好多高级功能，比如装饰器，生成器，列表推到，闭包，匿名函数等，
开发中用一下，可能会达到事半功倍的效果！

　　

inner()  局部变量，全局无法调用，所以关于闭包，就是一个内部函数 + 外部环境

闭包的用途：

一：

# 用途1：当闭包执行完后，仍然能够保持住当前的运行环境。
# 比如说，如果你希望函数的每次执行结果，都是基于这个函数上次的运行结果。我以一个类似棋盘游戏的例子
# 来说明。假设棋盘大小为50*50，左上角为坐标系原点(0,0)，我需要一个函数，接收2个参数，分别为方向
# (direction)，步长(step)，该函数控制棋子的运动。棋子运动的新的坐标除了依赖于方向和步长以外，
# 当然还要根据原来所处的坐标点，用闭包就可以保持住这个棋子原来所处的坐标。

origin = [0, 0] # 坐标系统原点
legal_x = [0, 50] # x轴方向的合法坐标
legal_y = [0, 50] # y轴方向的合法坐标
def create(pos=origin):
 def player(direction,step):
  # 这里应该首先判断参数direction,step的合法性，比如direction不能斜着走，step不能为负等
  # 然后还要对新生成的x，y坐标的合法性进行判断处理，这里主要是想介绍闭包，就不详细写了。
  new_x = pos[0] + direction[0]*step
  new_y = pos[1] + direction[1]*step
  pos[0] = new_x
  pos[1] = new_y
  #注意！此处不能写成 pos = [new_x, new_y]，原因在上文有说过
  return pos
 return player

player = create() # 创建棋子player，起点为原点
print (player([1,0],10)) # 向x轴正方向移动10步
print (player([0,1],20)) # 向y轴正方向移动20步
print (player([-1,0],10)) # 向x轴负方向移动10步

　　

二：

# 用途2：闭包可以根据外部作用域的局部变量来得到不同的结果，这有点像一种类似配置功能的作用，我们可以
# 修改外部的变量，闭包根据这个变量展现出不同的功能。比如有时我们需要对某些文件的特殊行进行分析，先
# 要提取出这些特殊行。

def make_filter(keep):
 def the_filter(file_name):
  file = open(file_name)
  lines = file.readlines()
  file.close()
  filter_doc = [i for i in lines if keep in i]
  return filter_doc
 return the_filter

# 如果我们需要取得文件"result.txt"中含有"pass"关键字的行，则可以这样使用例子程序
filter = make_filter("pass")
filter_result = filter("result.txt")

　　

下面就进入正题了：装饰器　

一：简单装饰器

　　装饰器其实就是一个以函数作为参数并返回一个替换函数的可执行函数。本质上就是一个函数，该函数用来处理其他函数，它可以让其他函数在不需要修改代码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，它经常用于有切面需求的场景，比如：插入日志、性能测试、事务处理、缓存、权限校验等应用场景。装饰器是解决这类问题的绝佳设计，有了装饰器，我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。

　　概括的讲，装饰器的作用就是为已经存在的对象添加额外的功能。

从一个例子说起：

业务生产中大量调用的函数：：

def foo():
    print('hello foo')
foo()

　　现在有一个新的需求，希望可以记录下函数的执行时间，于是在代码中添加日志代码：

import time
def foo():
    start_time=time.time()
    print('hello foo')
    time.sleep(3)
    end_time=time.time()
    print('spend %s'%(end_time-start_time))

foo()

　　bar()、bar2()也有类似的需求，怎么做？再在bar函数里调用时间函数？这样就造成大量雷同的代码，为了减少重复写代码，我们可以这样做，重新定义一个函数：专门设定时间:

import time
def show_time(func):
    start_time=time.time()
    func()
    end_time=time.time()
    print('spend %s'%(end_time-start_time))

def foo():
    print('hello foo')
    time.sleep(3)

show_time(foo)

　　逻辑上不难理解，而且运行正常。 但是这样的话,你基础平台的函数修改了名字，容易被业务线的人投诉的，因为我们每次都要将一个函数作为参数传递给show_time函数。而且这种方式已经破坏了原有的代码逻辑结构，之前执行业务逻辑时，执行运行foo()，但是现在不得不改成show_time(foo)。那么有没有更好的方式的呢？当然有，答案就是装饰器。

　　if  foo()==show_time(foo) :问题解决!

所以，我们需要show_time(foo)返回一个函数对象，而这个函数对象内则是核心业务函数:执行func()与装饰函数时间计算，修改如下：

import time

def show_time(func):
    def wrapper():
        start_time=time.time()
        func()
        end_time=time.time()
        print('spend %s'%(end_time-start_time))

    return wrapper

def foo():
    print('hello foo')
    time.sleep(3)

foo=show_time(foo)
foo()

　　

函数show_time就是装饰器，它把真正的业务方法func包裹在函数里面，看起来像foo被上下时间函数装饰了。在这个例子中，函数进入和退出时 ，被称为一个横切面(Aspect)，这种编程方式被称为面向切面的编程(Aspect-Oriented Programming)。　

@符号是装饰器的语法糖，在定义函数的时候使用，避免再一次赋值操作

import time

def show_time(func):
    def wrapper():
        start_time=time.time()
        func()
        end_time=time.time()
        print('spend %s'%(end_time-start_time))

    return wrapper

@show_time   #foo=show_time(foo)
def foo():
    print('hello foo')
    time.sleep(3)

@show_time  #bar=show_time(bar)
def bar():
    print('in the bar')
    time.sleep(2)

foo()
print('***********')
bar()

　　

　　如上所示，这样我们就可以省去bar = show_time(bar)这一句了，直接调用bar()即可得到想要的结果。如果我们有其他的类似函数，我们可以继续调用装饰器来修饰函数，而不用重复修改函数或者增加新的封装。这样，我们就提高了程序的可重复利用性，并增加了程序的可读性。

这里需要注意的问题：  foo=show_time(foo)其实是把wrapper引用的对象引用给了foo，而wrapper里的变量func之所以可以用，就是因为wrapper是一个闭包函数。

二，带参数的被装饰函数

import time

def show_time(func):

    def wrapper(a,b):
        start_time=time.time()
        func(a,b)
        end_time=time.time()
        print('spend %s'%(end_time-start_time))

    return wrapper

@show_time   #add=show_time(add)
def add(a,b):

    time.sleep(1)
    print(a+b)

add(2,4)

　　

import time

def show_time(func):

    def wrapper(a,b):
        start_time=time.time()
        ret=func(a,b)
        end_time=time.time()
        print('spend %s'%(end_time-start_time))
        return ret

    return wrapper

@show_time   #add=show_time(add)
def add(a,b):

    time.sleep(1)
    return a+b

print(add(2,5))

　　

不定长参数

#***********************************不定长参数
import time

def show_time(func):

    def wrapper(*args,**kwargs):
        start_time=time.time()
        func(*args,**kwargs)
        end_time=time.time()
        print('spend %s'%(end_time-start_time))

    return wrapper

@show_time   #add=show_time(add)
def add(*args,**kwargs):

    time.sleep(1)
    sum=0
    for i in args:
        sum+=i
    print(sum)

add(2,4,8,9)

　　

三，带参数的装饰器

　　装饰器还有更大的灵活性，例如带参数的装饰器：在上面的装饰器调用中，比如@show_time，该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时，提供其它参数，比如@decorator(a)。这样，就为装饰器的编写和使用提供了更大的灵活性。

import time

def time_logger(flag=0):

    def show_time(func):

            def wrapper(*args,**kwargs):
                start_time=time.time()
                func(*args,**kwargs)
                end_time=time.time()
                print('spend %s'%(end_time-start_time))

                if flag:
                    print('将这个操作的时间记录到日志中')

            return wrapper

    return show_time

@time_logger(3)
def add(*args,**kwargs):
    time.sleep(1)
    sum=0
    for i in args:
        sum+=i
    print(sum)

add(2,7,5)

　　

@time_logger(3) 做了两件事：

（1）time_logger(3)：得到闭包函数show_time，里面保存环境变量flag

（2）@show_time   ：add＝show_time(add)

上面的time_logger是允许带参数的装饰器。它实际上是对原有装饰器的一个函数封装，并返回一个装饰器(一个含有参数的闭包函数)。当我 们使用@time_logger(3)调用的时候，Python能够发现这一层的封装，并把参数传递到装饰器的环境中。

四，多层装饰器

def makebold(fn):
    def wrapper():
        return "<b>" + fn() + "</b>"
    return wrapper

def makeitalic(fn):
    def wrapper():
        return "<i>" + fn() + "</i>"
    return wrapper

@makebold
@makeitalic
def hello():
    return "hello alvin"

hello()

　　

过程：

五，类装饰器

　　再来看看类装饰器，相比函数装饰器，类装饰器具有灵活度大、高内聚、封装性等优点。使用类装饰器还可以依靠类内部的__call__方法，当使用 @ 形式将装饰器附加到函数上时，就会调用此方法。

import time

class Foo(object):
    def __init__(self, func):
        self._func = func

    def __call__(self):
        start_time=time.time()
        self._func()
        end_time=time.time()
        print('spend %s'%(end_time-start_time))

@Foo  #bar=Foo(bar)

def bar():

    print ('bar')
    time.sleep(2)

bar()    #bar=Foo(bar)()>>>>>>>没有嵌套关系了,直接active Foo的 __call__方法

　　

六，functools.wraps

　　使用装饰器极大地复用了代码，但是他有一个缺点就是原函数的元信息不见了，比如函数的docstring、__name__、参数列表，先看例子：

def foo():
    print("hello foo")

print(foo.__name__)
#####################

def logged(func):
    def wrapper(*args, **kwargs):

        print (func.__name__ + " was called")
        return func(*args, **kwargs)

    return wrapper

@logged
def cal(x):
   return x + x * x

print(cal.__name__)

########
# foo
# wrapper

　　

解释：

@logged
def f(x):
   return x + x * x

等价于：

def f(x):
    return x + x * x
f = logged(f)

　　

不难发现，函数f被wrapper取代了，当然它的docstring，__name__就是变成了wrapper函数的信息了。

print f.__name__    # prints 'wrapper'
print f.__doc__     # prints None

　　

这个问题就比较严重的，好在我们有functools.wraps，wraps本身也是一个装饰器，它能把原函数的元信息拷贝到装饰器函数中，这使得装饰器函数也有和原函数一样的元信息了。

from functools import wraps

def logged(func):

    @wraps(func)

    def wrapper(*args, **kwargs):
        print (func.__name__ + " was called")
        return func(*args, **kwargs)
    return wrapper

@logged
def cal(x):
   return x + x * x

print(cal.__name__)  #cal

　　

练习题：

一：编写3个函数，每个函数执行的时间是不一样的，

提示：可以使用time.sleep(2)，让程序sleep 2s或更多，

二：编写装饰器，为每个函数加上统计运行时间的功能

提示：在函数开始执行时加上start=time.time()就可纪录当前执行的时间戳，函数执行结束后在time.time() - start就可以拿到执行所用时间

三：编写装饰器，为函数加上认证的功能，即要求认证成功后才能执行函数

四：编写装饰器，为多个函数加上认证的功能（用户的账号密码来源于文件），要求登录成功一次，后续的函数都无需再输入用户名和密码

提示：从文件中读出字符串形式的字典，可以用eval('{"name":"egon","password":"123"}')转成字典格式