Python进阶之decorator装饰器
decorator装饰器
.note-content {font-family: "Helvetica Neue",Arial,"Hiragino Sans GB","STHeiti","Microsoft YaHei","WenQuanYi Micro Hei",SimSun,Song,sans-serif;}
.note-content h2 {line-height: 1.6; color: #0AA89E;}
.note-content {background: #FFFFFF;}
.note-content h1 {color: #7AB3A7;}
.note-content h3 {color: #147A67;}
decorator装饰器
1. 什么是装饰器
假设我们定义了一个函数,想在运行时动态增加功能,但是又不想改动函数本身的代码。
举个例子,假如我们希望对下列函数调用增加log功能,打印出函数调用:
1.def f1(x):
2. return x*2
3.def f2(x):
4. return x*x
5.def f3():
6. return x*x*x
方法一,直接修改原函数:
1.def f1(x):
2. print 'call f1()'
3. return x*2
4.def f2(x):
5. print 'call f2()'
6. return x*x
7.def f3():
8. print 'call f3()'
9. return x*x*x
方法二,通过高阶函数返回新函数
1.def f1(x):
2. return x*2
3.def new_fn(f):#装饰器函数
4. def fn(x):
5. print 'call'+f.__name__+'()'
6. return f(x)
7. return fn
8.
9.#调用
10.g1=new_fn(f1)
11.print g1(5)
12.
13.f1=new_fn(f1)
14.print f1(5)
15.#f1的原始定义函数被彻底隐藏了
那么Python内置的@语法就是为了简化装饰器调用
1.@new_fn
2.def f1(x):
3. return x*2
它的作用就相当于
1.def f1(x):
2. return x*2
3.f1=new_fn(f1)
2. 装饰器的作用
- 可以极大地简化代码,避免每个函数编写重复性代码
打印日志:@log
检测性能:@performance
数据库事务:@transaction
URL路由:@post('/register' )
3. 编写无参数decorator
考察一个@log
的定义:
1.def log(f):
2. def fn(x):
3. print 'call ' + f.__name__ + '()...'
4. return f(x)
5. return fn
对于阶乘函数,@log
工作得很好:
1.@log
2.def factorial(n):
3. return reduce(lambda x,y:x*y,range(1,n+1))
4.print factorial(10)
输出结果:
1.call factorial()...
2.362880
但是,如果对于参数不是一个函数,调用将要报错:
1.@log
2.def add(x, y):
3. return x + y
4.print add(1, 2)
输出结果:
1.Traceback (most recent call last):
2. File "test.py", line 15, in <module>
3. print add(1,2)
4.TypeError: fn() takes exactly 1 argument (2 given)
因为 add()
函数需要传入两个参数,但是 @log
写死了只含一个参数的返回函数。
要让 @log
自适应任何参数定义的函数,可以利用Python的 *args
和 **kw
,保证任意个数的参数总是能正常调用:
1.def log(f):
2. def fn(*args, **kw):
3. print 'call ' + f.__name__ + '()...'
4. return f(*args, **kw)
5. return fn
现在,对于任意函数,@log
都能正常工作。
举个栗子,编写一个@performance,它可以打印出函数调用的时间。
1.import time
2.
3.def performance(f):
4. def fn(*args,**kw):
5. t1=time.time()
6. r=f(*args,**kw)
7. t2=time.time()
8. print 'call %s() in %fs' % (f.__name__,(t2-t1))
9. return r
10. return fn
11.
12.@performance
13.def factorial(n):
14. return reduce(lambda x,y: x*y, range(1, n+1))
15.
16.print factorial(10)
4. 编写带参数的decorator
如果有的函数非常重要,希望打印出’[INFO] call xxx()…’,有的函数不太重要,希望打印出’[DEBUG] call xxx()…’,这时,log函数本身就需要传入’INFO’或’DEBUG’这样的参数,类似这样:
1.@log('DEBUG')
2.def my_func():
3. pass
把上面的定义翻译成高阶函数的调用,就是:
1.my_func = log('DEBUG')(my_func)
再展开一下:
1.log_decorator = log('DEBUG')
2.my_func = log_decorator(my_func)
上面的语句又相当于:
1.log_decorator = log('DEBUG')
2.@log_decorator
3.def my_func():
4. pass
所以,带参数的log函数首先返回一个decorator函数,再让这个decorator函数接收my_func并返回新函数:
1.def log(prefix):
2. def log_decorator(f):
3. def wrapper(*args, **kw):
4. print '[%s] %s()...' % (prefix, f.__name__)
5. return f(*args, **kw)
6. return wrapper
7. return log_decorator
8.
9.@log('DEBUG')
10.def test():
11. pass
12.print test()
输出结果:
1.[DEBUG] test()...
2.None
对于这种3层嵌套的decorator定义,你可以先把它拆开:
1.# 标准decorator:
2.def log_decorator(f):
3. def wrapper(*args, **kw):
4. print '[%s] %s()...' % (prefix, f.__name__)
5. return f(*args, **kw)
6. return wrapper
7.return log_decorator
8.
9.# 返回decorator:
10.def log(prefix):
11. return log_decorator(f)
拆开以后会发现,调用会失败,因为在3层嵌套的decorator
定义中,最内层的wrapper
引用了最外层的参数prefix
,所以,把一个闭包拆成普通的函数调用会比较困难。不支持闭包的编程语言要实现同样的功能就需要更多的代码。
再举个栗子,
1.@performance('ms')
2.def factorial(n):
3. return reduce(lambda x,y: x*y, range(1, n+1))
上面的@performance只能打印秒,请给 @performace 增加一个参数,允许传入’s’或’ms’:
1.import time
2.
3.def performance(unit):
4. def perf_decorator(f):
5. def wrapper(*args,**kw):
6. t1=time.time()
7. r=f(*args,**kw)
8. t2=time.time()
9. t=(t2-t1)*1000 if unit=='ms' else (t2-t1)
10. print 'call %s() in %f %s' % (f.__name__,t,unit)
11. return r
12. return wrapper
13. return perf_decorator
14.
15.@performance('ms')
16.def factorial(n):
17. return reduce(lambda x,y: x*y, range(1, n+1))
18.
19.print factorial(10)
5. 完善decorator
在没有decorator的情况下,打印函数名:
1.def f1(x):
2. pass
3.print f1.__name__
输出:f1
有decorator的情况下,再打印函数名:
1.def log(f):
2. def wrapper(*args, **kw):
3. print 'call...'
4. return f(*args, **kw)
5. return wrapper
6.@log
7.def f2(x):
8. pass
9.print f2.__name__
输出: wrapper
可见,由于decorator
返回的新函数函数名已经不是'f2'
,而是@log
内部定义的'wrapper'
。这对于那些依赖函数名的代码就会失效。decorator
还改变了函数的__doc__
等其它属性。如果要让调用者看不出一个函数经过了@decorator
的“改造”,就需要把原函数的一些属性复制到新函数中:
1.def log(f):
2. def wrapper(*args, **kw):
3. print 'call...'
4. return f(*args, **kw)
5. wrapper.__name__ = f.__name__
6. wrapper.__doc__ = f.__doc__
7. return wrapper
这样写decorator
很不方便,因为我们也很难把原函数的所有必要属性都一个一个复制到新函数上,所以Python内置的functools
可以用来自动化完成这个“复制”的任务:
1.import functools
2.def log(f):
3. @functools.wraps(f)
4. def wrapper(*args, **kw):
5. print 'call...'
6. return f(*args, **kw)
7. return wrapper
最后需要指出,由于我们把原函数签名改成了(*args, **kw)
,因此,无法获得原函数的原始参数信息。即便我们采用固定参数来装饰只有一个参数的函数:
1.def log(f):
2. @functools.wraps(f)
3. def wrapper(x):
4. print 'call...'
5. return f(x)
6. return wrapper
也可能改变原函数的参数名,因为新函数的参数名始终是 ‘x
‘,原函数定义的参数名不一定叫 ‘x
‘。
再举个栗子,
1.def performance(unit):
2. def perf_decorator(f):
3. def wrapper(*args, **kw):
4. ???
5. return wrapper
6. return perf_decorator
带参数的@decorator,@functools.wraps应该放置在哪?
1.import time, functools
2.def performance(unit):
3. def perf_decorator(f):
4. @functools.wraps(f)
5. def wrapper(*args, **kw):
6. t1 = time.time()
7. r = f(*args, **kw)
8. t2 = time.time()
9. t = (t2 - t1) * 1000 if unit=='ms' else (t2 - t1)
10. print 'call %s() in %f %s' % (f.__name__, t, unit)
11. return r
12. return wrapper
13. return perf_decorator
14.
15.@performance('ms')
16.def factorial(n):
17. return reduce(lambda x,y: x*y, range(1, n+1))
18.print factorial.__name__
Python进阶之decorator装饰器的更多相关文章
- 谈谈Python中的decorator装饰器,如何更优雅的重用代码
众所周知,Python本身有很多优雅的语法,让你能用一行代码写出其他语言很多行代码才能做的事情,比如: 最常用的迭代(eg: for i in range(1,10)), 列表生成式(eg: [ x* ...
- python 进阶篇 函数装饰器和类装饰器
函数装饰器 简单装饰器 def my_decorator(func): def wrapper(): print('wrapper of decorator') func() return wrapp ...
- Python 进阶_闭包 & 装饰器
目录 目录 闭包 函数的实质和属性 闭包有什么好处 小结 装饰器 更加深入的看看装饰器的执行过程 带参数的装饰器 装饰器的叠加 小结 装饰器能解决什么问题 小结 闭包 Closure: 如果内层函数引 ...
- Python进阶-III 函数装饰器(Wrapper)
1.引入场景: 检查代码的运行时间 import time def func(): start = time.time() time.sleep(0.12) print('看看我运行了多长时间!') ...
- Python的程序结构[8] -> 装饰器/Decorator -> 装饰器浅析
装饰器 / Decorator 目录 关于闭包 装饰器的本质 语法糖 装饰器传入参数 1 关于闭包 / About Closure 装饰器其本质是一个闭包函数,为此首先理解闭包的含义. 闭包(Clos ...
- python函数与方法装饰器
之前用python简单写了一下斐波那契数列的递归实现(如下),发现运行速度很慢. def fib_direct(n): assert n > 0, 'invalid n' if n < 3 ...
- Python 入门之 Python三大器 之 装饰器
Python 入门之 Python三大器 之 装饰器 1.开放封闭原则: (1)代码扩展进行开放 任何一个程序,不可能在设计之初就已经想好了所有的功能并且未来不做任何更新和修改.所以我们必须允许代 ...
- python语法基础-函数-装饰器-长期维护
######################################################### # 装饰器 # 装饰器非常重要,面试Python的公司必问, # 原则:开放封闭原则 ...
- Python模块化编程与装饰器
Python的模块化编程 我们首先以一个例子来介绍模块化编程的应用场景,有这样一个名为requirements.py的python3文件,其中两个函数的作用是分别以不同的顺序来打印一个字符串: # r ...
随机推荐
- asp.net中的绝对路径和相对路径
一.关于相对路径和绝对路径相对路径转绝对路径一般,我们在ASP.NET网站中往往需要把一个相对路径转化为绝对路径.通常是用Server.MapPath()方法.比如网站根目录下有 个"Upl ...
- Android应用开发基本流程及测试运行
(1)Android App工程项目的创建 File—New—New Project 设置项目.程序包的名称 设置项目名称为MyDiary,程序包名为org.socrates.mydiary.acti ...
- JQuery(一)——初步总结
JQuery其实早就看过相关的视频了,但是由于当时查的资料太少,理解的不够深刻,所以没有进行总结,这次回过头来又学习了,心里感觉理解了很多,因为BS的其它知识基本学习完了,而且有了一定程度的理解.相互 ...
- Inno setup卸载前退出进程、删除文件夹
[Code]function InitializeUninstall(): Boolean; var MainRun: HWND; var MVRun:HWND; begin// FindWindow ...
- Oracle EBS-SQL (WIP-7):检查当月任务发放记录.sql
select WE.DESCRIPTION 任务说明, DECODE(WE.S ...
- hibernate的3种状态
hibernate的三种状态是瞬态.持久态.脱管态 瞬态:新new来的对象称为瞬态. 持久态:处于该状态的对象在数据库中有一条对应的记录,并拥有一个持久标识. 脱管态:当与某持久对象的session关 ...
- 跨平台的C++应用和UI开发库 QT
跨平台的C++应用和UI开发库 QT 运行环境: 授权方式:BSD 软件大小:M 下载量:3912 更新日期:2012-04-05 来源地址: 联系作者:Linux Qt是诺基亚开发的一个跨平 ...
- matlab中文论坛视频谷普教程MATLAB压缩包介绍
matlab中文论坛视频谷普教程MATLAB压缩包介绍 我也正在学习这个软件 ,看到这个教程就在这里分享了,希望大家喜欢!Matlab 初学者视频教学1. Matlab视频:Matlab中文论坛为新手 ...
- gitlab 安装报错:Could not find modernizr-2.6.2 in any of the sources
2014-04-30 15:27:44 标签:gitlab 原创作品,允许转载,转载时请务必以超链接形式标明文章 原始出处 .作者信息和本声明.否则将追究法律责任.http://davidbj.b ...
- wchar_t 、UTF-8、UTF-16的转换方法 - luketty的专栏 - 博客频道 - CSDN.NET
wchar_t .UTF-8.UTF-16的转换方法 - luketty的专栏 - 博客频道 - CSDN.NET wchar_t .UTF-8.UTF-16的转换方法