聊聊Python中的闭包和装饰器
1. 闭包
首先我们明确一下函数的引用，如下所示：
def test1(): print("--- in test1 func----") # 调用函数 test1() # 引用函数 ret = test1 print(id(ret)) print(id(test1)) #通过引用调用函数 ret()
运行结果：
--- in test1 func---- 140212571149040 140212571149040 --- in test1 func----
以y=kx+b为例，请计算一条线上的某个点，即给x值计算出y值。下面以这个例子引出闭包的概念。
方法1
# 第1种 k = 1 b = 2 y = k*x+b # 缺点：如果需要多次计算，那么就的写多次y = k*x+b这样的式子
方法2
# 第2种 def line_2(k, b, x): print(k*x+b) line_2(1, 2, 0) line_2(1, 2, 1) line_2(1, 2, 2) # 缺点：如果想要计算多次这条线上的y值，那么每次都需要传递k，b的值，麻烦
方法3
# 第3种: 全局变量 k = 1 b = 2 def line_3(x): print(k*x+b) line_3(0) line_3(1) line_3(2) k = 11 b = 22 line_3(0) line_3(1) line_3(2) # 缺点：如果要计算多条线上的y值，那么需要每次对全局变量进行修改，代码会增多，麻烦
这里引申一下，关于全局变量，要是直接读取，不修改的话，是不用加global的。
而且所谓的修改，指的是地址变了，假如我指向的是一个列表，指向没变，列表中的内容改变了，也不用加global的。
我们看一下下面的例子：
a = 100 b = 'chenchi' c = [1, 2, 3] def func(): print('a的值：{}，a的地址：{}'.format(a, id(a))) print('b的值：{}，b的地址：{}'.format(b, id(b))) print('c的值：{}，c的地址：{}'.format(c, id(c))) def func2(): global a global b a += 1 b += 'ccc' # 这里c不用声明global，c的地址没有发生变化 c.append(4) if __name__ == '__main__': func() func2() func()
运行结果：
列表的地址没变，不用加global。
方法4
# 第4种：缺省参数 def line_4(x, k=1, b=2): print(k*x+b) line_4(0) line_4(1) line_4(2) line_4(0, k=11, b=22) line_4(1, k=11, b=22) line_4(2, k=11, b=22) # 优点：比全局变量的方式好在：k, b是函数line_4的一部分 而不是全局变量，因为全局变量可以任意的被其他函数所修改 # 缺点：如果要计算多条线上的y值，那么需要在调用的时候进行传递参数，麻烦
方法5
# 第5种：实例对象 class Line5(object): def __init__(self, k, b): self.k = k self.b = b def __call__(self, x): print(self.k * x + self.b) line_5_1 = Line5(1, 2) # 对象.方法() # 对象() line_5_1(0) line_5_1(1) line_5_1(2) line_5_2 = Line5(11, 22) line_5_2(0) line_5_2(1) line_5_2(2) # 缺点：为了计算多条线上的y值，所以需要保存多个k, b的值，因此用了很多个实例对象， 浪费资源
关于__call__()的用法：
方法6
采用闭包的方式，什么是闭包呢？
在函数内部再定义一个函数，并且这个函数用到了外边函数的变量，那么将这个函数以及用到的一些变量称之为闭包。
如下所示：
# 第6种：闭包 def line_6(k, b): def create_y(x): print(k*x+b) return create_y line_6_1 = line_6(1, 2) line_6_1(0) line_6_1(1) line_6_1(2) line_6_2 = line_6(11, 22) line_6_2(0) line_6_2(1) line_6_2(2)
闭包，红色部分return的不能加()，不加()是函数引用，否则就应该是函数的返回值。
在上面的例子中，函数line_6与变量k，b构成闭包，闭包具有提高代码可复用性的作用。
由于闭包引用了外部函数的局部变量，则外部函数的局部变量没有及时释放，消耗内存，但是相对于实例对象来说，已经好多了。
思考：函数、匿名函数、闭包、对象 当做实参时 有什么区别？
1. 匿名函数能够完成基本的简单功能，传递是这个函数的引用 只有功能。
2. 普通函数能够完成较为复杂的功能，传递是这个函数的引用 只有功能。
3. 闭包能够将较为复杂的功能，传递是这个闭包中的函数以及数据，因此传递是功能+数据。
4. 对象能够完成最为复杂的功能，传递是很多数据+很多功能，因此传递是功能+数据。
修改外部函数中的变量
x = 300 def outer(): x = 200 def inner(): nonlocal x # global x print('---1---x=%d' % x) x = 100 print('---1---x=%d' % x) return inner t1 = outer() t1()
注意，这是python3，输出结果如下：
如果把nonlocal改成global，第一个x就变成300了。
2. 装饰器
在聊Python中的装饰器之前，我们明确一个概念：Python中的装饰器就是实现了设计模式中的装饰器模式，只不过不像Java用的实现接口的方式，而是采用闭包的方式。
装饰器模式可以参考我的博客：
https://www.cnblogs.com/DarrenChan/p/10343885.html
我们从一个简单的例子入手：
def set_func(func): def call_func(): print("---这是权限验证1----") print("---这是权限验证2----") func() return call_func # 下面就相当于test1 = set_func(test1) @set_func def test1(): print("-----test1----") test1()
运行结果：
这里就相当于是实现了一个代理，我们重新执行的test1()实际上是代理。
我们所营造出来的一种效果就是，test1()加不加@set_func，方法执行的方式是不变的。
@set_func的含义是：
set_func(test1)
我们可以用任何一个方式来接收，比如：
ret = set_func(test1)
ret()
这样执行结果没有变化，但是感觉不协调，所以我们用test1来接收，即
test1 = set_func(test1)
test1()
就是把test1重新指向了call_func()函数。
我们可以看到，set_func函数里面就是闭包。
一个装饰器可以对多个函数进行装饰
def set_func(func): def call_func(a): print("---这是权限验证1----") print("---这是权限验证2----") func(a) return call_func @set_func # 相当于 test1 = set_func(test1) def test1(num): print("-----test1----%d" % num) @set_func # 相当于 test2 = set_func(test2) def test2(num): print("-----test2----%d" % num) test1(100) test2(200)
运行结果：
装饰器在没有调用函数之前已经装饰了
def set_func(func): print("---开始进行装饰") def call_func(a): print("---这是权限验证1----") print("---这是权限验证2----") func(a) return call_func @set_func # 相当于 test1 = set_func(test1) def test1(num): print("-----test1----%d" % num) @set_func # 相当于 test2 = set_func(test2) def test2(num): print("-----test2----%d" % num) # 装饰器在调用函数之前，已经被python解释器执行了，所以要牢记 当调用函数之前 其实已经装饰好了，尽管调用就可以了 # test1(100) # test2(200)
运行结果：
对不定长参数的函数进行装饰
def set_func(func): print("---开始进行装饰") def call_func(*args, **kwargs): # 这里是形参，相当于定义，前面接收元组多个，后面接收字典多个 print("---这是权限验证1----") print("---这是权限验证2----") # func(args, kwargs) # 不行，相当于传递了2个参数 ：1个元组，1个字典 func(*args, **kwargs) # 这里是实参，拆包，对应拆元组和拆字典 return call_func @set_func # 相当于 test1 = set_func(test1) def test1(num, *args, **kwargs): print("-----test1----%d" % num) print("-----test1----" , args) print("-----test1----" , kwargs) test1(100) test1(100, 200) test1(100, 200, 300, mm=100)
运行结果：
代码中的红色部分，传值的问题，可以参考：
https://www.cnblogs.com/DarrenChan/p/7931735.html
对带有返回值的函数进行装饰（装饰模板）
def set_func(func): print("---开始进行装饰") def call_func(*args, **kwargs): print("---这是权限验证1----") print("---这是权限验证2----") # func(args, kwargs) # 不行，相当于传递了2个参数 ：1个元组，1个字典 return func(*args, **kwargs) # 拆包 return call_func @set_func # 相当于 test1 = set_func(test1) def test1(num, *args, **kwargs): print("-----test1----%d" % num) print("-----test1----" , args) print("-----test1----" , kwargs) return "ok" @set_func def test2(): pass ret = test1(100) print(ret) ret = test2() print(ret)
运行结果：
你可能会问，如果被修饰的函数没有返回值，那么红色部分是否会报错？
在Python中不会的，返回None而已。
这也是我们的一个模板写法。
多个装饰器对同一个函数进行装饰
def add_qx(func): print("---开始进行装饰权限1的功能---") def call_func(*args, **kwargs): print("---这是权限验证1----") return func(*args, **kwargs) return call_func def add_xx(func): print("---开始进行装饰xxx的功能---") def call_func(*args, **kwargs): print("---这是xxx的功能----") return func(*args, **kwargs) return call_func @add_qx @add_xx def test1(): print("------test1------") test1()
运行结果：
这就跟包裹一样，红色部分越上面的越先执行。至于开始装饰为什么先执行的xx，是因为@add_qx找下面，发现不是函数，而@add_xx下面才是函数，所以开始进行装饰的顺序反过来了。
举例：
def set_func_1(func): def call_func(): # "<h1>haha</h1>" return "<h1>" + func() + "</h1>" return call_func def set_func_2(func): def call_func(): return "<td>" + func() + "</td>" return call_func @set_func_1 @set_func_2 def get_str(): return "haha" print(get_str())
结果：
<h1><td>haha</td></h1>
使用类当做装饰器
class Test(object): def __init__(self, func): self.func = func def __call__(self): print("这里是装饰器添加的功能.....") return self.func() @Test # 相当于get_str = Test(get_str) def get_str(): return "haha" print(get_str())
运行结果：
装饰器带参数
这种情况需要在原有的外面，再次嵌套一层，作为外部变量传参。
运行结果：
