一篇夯实一个知识点系列--python装饰器
写在前面
本系列目的:希望可以通过一篇文章,不望鞭辟入里,但求在工程应用中得心应手。
- 装饰器模式是鼎鼎大名的23种设计模式之一。装饰器模式可以在不改变原有代码结构的情况下,扩展代码功能。
- Python将装饰器作为Python的一种特性,内置了对装饰器的支持,使得Python使用者在使用装饰器时更加方便,合理使用装饰器,可以使Python代码极具美感。
- 由于设计模式是一套被反复使用的代码设计经验,并不是编码必备的技能。所以在编码过程中,完全放弃使用装饰器。但是如果你不写出pythonic风格的,没有坏味道的代码,那么装饰器是这条路上绕不过的坎儿。
干货儿
包含八节内容:闭包(实现装饰器的基础),不带参数的函数装饰器,带参数的函数装饰器,不带参数的类装饰器,带参数的类装饰器,常用内建装饰器,装饰器总结(套路总结),装饰器经典实例(单例模式)。
闭包
装饰器是通过闭包实现的。闭包是一个比较复杂的话题,深了说可以讲到python对常量表和符号表的处理方式。这里只做简单介绍。个人认为只要记住以下三个特性,就明白了闭包的概念。
- 一个闭包是一个作用域。一个闭包只能访问作用域内的local变量和作用域外的nonlocal变量。
- 如果在作用域外有和作用域内同名的变量var,如果在作用域内先使用变量var,然后再定义变量var,那么会抛出a变量先使用后定义的错误。
- 闭包可以将作用域"封装"。那么我们可以在闭包之外,访问闭包内的局部变量。因为局部变量被"封装"在了闭包内。
不带参数函数装饰器
假设有一个需求,我们需要在每个函数运行时,打印当下时刻的时间戳。那么有以下两种写法:不使用装饰器
编写一个打印时间戳的工具函数,编写一个业务函数。传入业务函数对象到工具函数中,实现打印时间戳并执行业务函数的需求。代码如下:import time def f():
print("f is running!") def f1():
print("f1 is running!") def print_running_time(f):
print("running time:", time.time())
f() print_running_time(f)
print_running_time(f1) >>> ('running time:', 1588864281.154459)
f is running!
('running time:', 1588864281.154483)
f1 is running!
使用装饰器(函数装饰器)
编写一个打印时间戳的装饰器函数,编写一个业务函数。装饰器函数装饰业务函数,实现打印时间戳并执行业务函数的需求。代码如下:
import time def print_running_time(f):
def wrapper():
print("running time:", time.time())
f()
return wrapper @print_running_time
def f():
print("f is running!") @print_running_time
def f1():
print("f1 is running!") f()
f1() >>> ('running time:', 1588864281.154459)
f is running!
('running time:', 1588864281.154483)
f1 is running!
以上两种写法对比
通过对比以上两种写法,我们可以发现最明显的区别是代码在运行时,第一种写法执行的print_running_time函数,第二种写法执行的是f函数。那么明显第二种写法中抽象出的语义更加接近我们的业务需求。在同样需求增加的情况下,第一种写法需要写更多的工具函数,并且在执行业务函数时需要进行多层嵌套,极大地增加了代码的复杂度。第二种写法可以增加多个装饰函数装饰到业务函数上方,在多需求下依旧保持代码的可读性和层次感,功能的独立性和扩展性。初探装饰器原理
装饰器的代码运行分为两步,装饰器初始化(在运行至被装饰函数定义处)和执行被装饰函数(在运行至被装饰函数调用处)
以第二种写法装饰器的写法为例,装饰器的原理如下:在代码加载过程中,代码从上往下执行,那么在执行到#1代码时,相当于执行了#2代码。(#1和#2的代码是等价的。@docorator_func装饰f,就相当于执行decorator_func(f))。根据#2代码中print_running_time可知,执行print_running_time(f)的返回值是wrapper(注意返回的是函数对象wrapper,不是wrapper()).
# 1
@print_running_time
def f():
print("f is running!") # 2
print_running_time(f) # 3
def print_running_time(f): #3.1
def wrapper(): #3.2
print("running time:", time.time()) #3.3
f() #3.4
return wrapper # 4
f()那么源码中#1处的三行代码,返回值为wrapper,即相当于通过增加@装饰函数,f现在已经指向了wrapper对象。
根据之前提到闭包的特性:闭包可以访问作用之外的非局部变量,可以将作用域"封装",在闭包之外访问闭包内的变量。所以wrapper可以访问#3.1中到自己外层函数的参数f变量(被装饰器函数对象),并且可以封装wrapper作用域,保存f变量。
执行#4处的业务函数f(),即执行#3.2的wrapper()代码,即执行#3.3和#3.4代码。
整个过程中需要注意的是,在代码运行至#1时,f作为装饰器参数被#3.2wrapper闭包保留,在#1执行完之后,会存在两个f对象,#4的f对象指向wrapper,#3.4的f对象依旧是#1处的f对象。
执行流程为f()> wrapper()> 执行#7.1 #7.2代码==>打印当前时刻时间戳,顺利执行了原有的业务函数。
带参数的函数装饰器
现在有新的需求,根据调试和生产环境的不同,需要往复地开关打印时间戳的功能,那么这时就需要为装饰器函数增加参数,来作为是否打印时间戳的开关。如以下代码所示,f()会打印当前函数的执行时间,f1()则不会打印函数的执行时间
import time # 1
def print_running_time(*flag):
def outer_wrapper(f):
def inner_wrapper():
if flag:
print("running time:", time.time())
f()
return inner_wrapper
return outer_wrapper # 2
@print_running_time(1)
def f():
print("f is running!") # 3
@print_running_time()
def f1():
print("f1 is running!") f()
f1() >>> ('running time:', 1588860065.265516)
f is running!
f1 is running!
带参数装饰器原理
- 之前简单装饰器原理==>@decorator_func装饰业务函数f<=>decorator_func(f),那么#2处的代码<=>print_running_time(1)(f)<=>outer_wrapper(f)<=>inner_wrapper。需要注意的是inner_wrapper作为闭包,包含了外层两个变量flag和f的原始值。
- 接下来调用f(),执行inner_wrapper(),通过判断flag真假,选择是否打印当前时间戳,然后执行业务函数,实现需求。
不带参数类装饰器
准确来说,装饰器的本质是将一个可调用对象作为参数传入另一个可调用对象,然后通过闭包保存变量,在适当的时候执行。我们知道,python有两个特性
- Python中函数和类都是一等对象(这也是装饰器能作为python特性的原因之一)。
- python中若callable(obj)为真,那么这个对象就是可调用的。所以类,函数,方法,实现了__call__魔术方法的类实例,都是可调用对象。
根据装饰器的本质和以上Python两个特性可以得出以下结论:
- 函数和类都可以作为装饰器,也可以被装饰器装饰。
- 类装饰器和函数装饰器思路相同,__init__作为对象初始化的第一步,可以实现一层闭包的效果
将之前简单函数装饰器的例子换成类装饰器,代码如下(为了与之前代码保持一致,所以类名不符合Python命名规范):
import time class print_running_time:
def __init__(self, f): # 相当于闭包,通过实例属性保存变量f实现闭包中的变量封装
self.f = f def __call__(self): # 类实例可以被调用
print("running time:", time.time())
return self.f() @print_running_time
def f():
print("f is running!") @print_running_time
def f1():
print("f1 is running!") f()
f1() >>> 输出同简单函数装饰器
带参数的类装饰器
将之前简单函数装饰器的例子换成类装饰器,代码如下:
import time class print_running_time:
def __init__(self, *flag): # 相当于闭包,通过实例属性保存变量flag实现闭包中的变量封装
self.flag = flag def __call__(self, f): # 类实例可以被调用,传入业务函数f
def wrapper():
if self.flag:
print("running time:", time.time())
f()
return wrapper @print_running_time(1)
def f():
print("f is running!") @print_running_time()
def f1():
print("f1 is running!") f()
f1() >>> 输出同带参数的函数装饰器
常用内建装饰器
装饰器是Python最重要的特性之一,Python实现了很多对装饰器的支持
wraps
wraps可以保留被装饰函数的__doc__。如下代码所示,wraps装饰器的开关会导致打印f.__doc__出现两种结果- 如果注释掉#1.1的代码,打印结果为#1.3
- 如果加上#1.1的代码,打印结果为#2.1
import time
from functools import wraps # 1
def print_running_time(f):
@wraps(f) # 1.1
def wrapper():
'''the func wrapper''' # 1.3
print("running time:", time.time())
f()
return wrapper # 2
@print_running_time
def f():
'''the func f''' # 2.1
print("f is running!") print(f.__doc__) >>> the func f
property 、setter、 deleter
这三个是孪生兄弟,其中property用的最多,setter和deleter依附property。
- property:将函数调用转化为属性
- setter:设置属性
- deleter:删除属性
- 类似于JavaBean,可以将对属性的操作写入函数中,限制属性操作,保护
属性安全。代码如下:
class Student(object): @property
def name(self):
return self._name @name.setter
def name(self, name):
if len(name) < 2:
raise ValueError("无名大侠?")
self._name = name @name.deleter
def name(self):
del self._name stu = Student()
stu.name = "刘" # name.setter
print(stu.name) ## property
del stu.name # name.deleter
print(stu.name) # raise AttributeError
多装饰器叠加
多个装饰器叠加是python中很常见的骚操作,如Flask和Django中都会用到,举例如下:
import sys # 1
def f1(func):
print('f1 start')
def wrapper(): # 1.1
print('f1 ' + sys._getframe().f_code.co_name + ' start')
func() # 1.2
print('f1 ' + sys._getframe().f_code.co_name + ' end')
print('f1 end')
return wrapper # 2
def f2(func):
print('f2 start')
def wrapper(): # 2.1
print('f2 ' + sys._getframe().f_code.co_name + ' start')
func() # 2.2
print('f2 ' + sys._getframe().f_code.co_name + ' end')
print('f2 end')
return wrapper # 3
@f1
@f2
def func(): #3.1
print('the func') #4
func() #4.1 >>> f2 start
f2 end
f1 start
f1 end
f1wrapper start
f2wrapper start
the func
f2wrapper end
f1wrapper end
- 多装饰器执行过程分析
执行分为两步,装饰器初始化,被装饰函数执行。顺序如下:
- 装饰器初始化,根据装饰器原理,#3处的代码等价于f1(f2(func))
- 执行f2(func); >>> f2 start f2 end; return #2.1处的wrapper(#2.2处的func为#3.1处的func)
- 执行f1(f2(func))==> f1(#2.1处的wrapper); >>> f1 start f1 end; return #1.1处的wrapper(#1.2处的func为#2.1处的wrapper)
- 装饰器初始化结束, 以上两步的输出如下:
>>> f2 start
f2 end
f1 start
f1 end
- 被装饰函数执行:func() <=> #1.1处的wrapper,替换之后代码如下
print('f1 ' + sys._getframe().f_code.co_name + ' start')
func() # 1.2
print('f1 ' + sys._getframe().f_code.co_name + ' end')
#1.2处的func <=> # 2.1处的wrapper,替换之后代码如下
print('f1 ' + sys._getframe().f_code.co_name + ' start')
print('f2 ' + sys._getframe().f_code.co_name + ' start')
func() # 2.2
print('f2 ' + sys._getframe().f_code.co_name + ' end')
print('f1 ' + sys._getframe().f_code.co_name + ' end')
#2.2处的func即为#4.1处的func,执行以上代码,输出结果如下:
>>> f1wrapper start
f2wrapper start
the func
f2wrapper end
f1wrapper end
- 多装饰器执行过程分析
装饰器总结
- 装饰器原理:#1代码与#2代码等价
# 1
@decorator_func
def func():
pass # 2
decorator_func(func)
- 装饰器套路
不带参数的函数装饰器需要有两层函数:外层函数参数为被装饰函数对象
内层参数为被装饰函数的参数
带参数的函数装饰器需要有三层函数:
- 外层函数参数为装饰器函数参数(简直是废话,外层函数本来就是装饰器函数)
- 中层函数参数为被装饰函数对象
- 内层参数为被装饰函数的参数
类装饰器同理,最外层函数可以用__init_函数代替,中层(如果有和内层函数写在__call__中
- 多个装饰器叠加
根据业务函数和装饰器函数的距离,由近及远执行装饰器函数(外层函数),然后由远到近执行内层函数。
- 装饰器原理:#1代码与#2代码等价
装饰器经典实例:单例模式
以下均单进程可行,多线程需要加锁
单例模式
```python
# eg:1
class Singleton:
_singleton = None def __new__(cls):
if cls._singleton is None:
cls._singleton = super().__new__(cls)
return cls._singleton ins1 = Singleton()
ins2 = Singleton()
print(ins1 is ins2) # eg:2
def singleton(cls):
ins_pool = {} def inner():
if cls not in ins_pool:
ins_pool[cls] = cls()
return ins_pool[cls]
return inner @singleton
class Cls:
def __init__(self):
pass ins1 = Cls()
ins2 = Cls()
print(ins1 is ins2) # eg:3
class Singleton: def __init__(self, cls):
self.ins_pool = {}
self.cls = cls def __call__(self):
print(self.ins_pool)
if self.cls not in self.ins_pool:
self.ins_pool[self.cls] = self.cls()
return self.ins_pool[self.cls] @Singleton
class Cls:
def __init__(self):
pass ins1 = Cls()
ins2 = Cls()
print(ins1 is ins2)
```
写在最后
希望大家可以通过本文掌握装饰器这个杀手级特性。欢迎关注个人博客:药少敏的博客
一篇夯实一个知识点系列--python装饰器的更多相关文章
- 一篇夯实一个知识点系列--python生成
写在前面 本系列目的:一篇文章,不求鞭辟入里,但使得心应手. 迭代是数据处理的基石,在扫描内存无法装载的数据集时,我们需要一种惰性获取数据的能力(即一次获取一部分数据到内存).在Python中,具有这 ...
- 一篇夯实一个知识点系列--python实现十大排序算法
写在前面 排序是查找是算法中最重要的两个概念,我们大多数情况下都在进行查找和排序.科学家们穷尽努力,想使得排序和查找能够更加快速.本篇文章用Python实现十大排序算法. 干货儿 排序算法从不同维度可 ...
- 一篇关于Python装饰器的博文
这是一篇关于python装饰器的博文 在学习python的过程中处处受阻,之前的学习中Python的装饰器学习了好几遍也没能真正的弄懂.这一次抓住视频猛啃了一波,就连python大佬讲解装饰器起来也需 ...
- http://python.jobbole.com/85056/ 简单 12 步理解 Python 装饰器,https://www.cnblogs.com/deeper/p/7482958.html另一篇文章
好吧,我标题党了.作为 Python 教师,我发现理解装饰器是学生们从接触后就一直纠结的问题.那是因为装饰器确实难以理解!想弄明白装饰器,需要理解一些函数式编程概念,并且要对Python中函数定义和函 ...
- 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 ...
- Python系列之 - 装饰器
装饰器主要是用来对函数的操作,我们把定义的函数比作一个蛋糕的话,那么装饰器就是盒子,如果要吃蛋糕就先打开盒子.具体到程序中就是在函数外层又套了一层,套的那一层就是一个装饰器.这么说可能有点抽象,那么我 ...
- 理解 Python 装饰器看这一篇就够了
讲 Python 装饰器前,我想先举个例子,虽有点污,但跟装饰器这个话题很贴切. 每个人都有的内裤主要功能是用来遮羞,但是到了冬天它没法为我们防风御寒,咋办?我们想到的一个办法就是把内裤改造一下,让它 ...
- 一个关于python装饰器参数的问题
看到廖雪峰python教程上,python装饰器一章 https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3 ...
- 每日一个知识点系列:volatile的可见性原理
每日一个知识点系列的目的是针对某一个知识点进行概括性总结,可在一分钟内完成知识点的阅读理解,此处不涉及详细的原理性解读. img 看图说话 关键点1: 总线嗅探器(MESI 缓存一致性原理 ) 关键点 ...
随机推荐
- iostst
原文链接:https://blog.csdn.net/qq_20332637/article/details/82146753 iostat用于输出CPU和磁盘I/O相关的统计信息,iostat 也有 ...
- 带你学够浪:Go语言基础系列 - 8分钟学复合类型
★ 文章每周持续更新,原创不易,「三连」让更多人看到是对我最大的肯定.可以微信搜索公众号「 后端技术学堂 」第一时间阅读(一般比博客早更新一到两篇) " 对于一般的语言使用者来说 ,20% ...
- Dubbo——服务发布原理
引言 在使用Dubbo的时候你一定会好奇它是怎么实现RPC的,而要了解它的调用过程,必然需要先了解其服务发布/订阅的过程,本篇将详细讨论Dubbo的发布过程. 源码分析 发布服务 新学Dubbo大都会 ...
- 【JMeter_01】JMeter介绍与环境搭建
JMeter介绍 Apache JMeter™应用开源软件,100%纯Java应用程序,设计之初是用于负载功能测试和性能测试.但因它在实现对各种接口的调用方面比较成熟,因此,常被用做接口功能测试. J ...
- C++入门-控制台版的通讯录管理系统
通讯录管理系统 1.系统需求 通讯录是一个可以记录亲人.好友信息的工具. 本教程主要利用C++来实现一个通讯录管理系统 系统中需要实现的功能如下: 添加联系人:向通讯录中添加新人,信息包括(姓名.性别 ...
- async/await到底该怎么用?如何理解多线程与异步之间的关系?
前言 如标题所诉,本文主要是解决是什么,怎么用的问题,然后会说明为什么这么用.因为我发现很多萌新都会对之类的问题产生疑惑,包括我最初的我,网络上的博客大多知识零散,刚开始看相关博文的时候,就这样.然后 ...
- Accelerate Framework in Swift
介绍: 最近看到这篇文章有对Accelerate框架有一个介绍,自己也按照作者给的思路整理了一遍,也算是对这一框架的一个重新的回顾和学习,在以前研究AR先关只是的时候有接触到这个框架,赞具体里面的东西 ...
- LeetCode 79,这道走迷宫问题为什么不能用宽搜呢?
本文始发于个人公众号:TechFlow,原创不易,求个关注 今天是LeetCode专题第48篇文章,我们一起来看看LeetCode当中的第79题,搜索单词(Word Search). 这一题官方给的难 ...
- Spring中的JDBC API
1 JdbcTemplate的诞生 JDBC作为Java平台访问关系数据库的标准API,其成功是有目共睹的.为了避免在JDBC API在使用中的种种尴尬局面(几乎程式一样的代码,繁琐的异常处理),Sp ...
- 【漏洞一】检测到目标URL存在http host头攻击漏洞
[漏洞] 检测到目标URL存在http host头攻击漏洞 [原因] 在项目中使用了 request.getServerName 导致漏洞的出现 不要使用request中的serverName,也就是 ...