Python装饰器
一、知识前提(函数进阶部分)
了解装饰器的三个前提。
1.1 作用域
参考Python 函数 第五部分 :点这里
1.2 函数即对象(函数的本质)
在python的世界里,函数和我们之前的[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)。
def foo():
print('i am the foo')
bar()
def bar():
print('i am the bar')
foo()
# def bar(): #如果放在后面则报错 NameError: name 'bar' is not defined
# print('i am the bar')
函数名本质上就是函数的内存地址:
函数对象的调用仅仅比其它对象多了一个()而已!foo,bar与a,b一样都是个变量名。
那上面的问题也就解决了,只有函数加载到内存才可以被调用。
既然函数是对象,那么自然满足下面两个条件:
1.2.1 其可以被赋给其他变量
def foo():
print('foo')
bar=foo
bar()
foo()
print(id(foo),id(bar)) #4321123592 4321123592
1.2.2 其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()
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!!!
另外,如果大家理解不了对象,那么就将函数理解成变量,因为函数对象总会由一个或多个变量引用,比如foo,bar。
1.3 函数的嵌套以及闭包(closure)
1.3.1 函数的嵌套
def foo():
print('foo')
def bar():
print('bar')
bar() # NameError: name 'bar' is not defined
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:
#想执行inner函数,几种方法 def outer(): x = 1 def inner(): print (x) # 1 # inner() # 2 return inner # inner() #报错原因:找不到这个引用变量 # outer()() #第一种 in_func=outer()#这里其实就是一个变量赋值,将inner的引用对象赋值给in_func,类似于a=5,b=a一样 #有同学会想直接赋值不行吗:in_func=inner? 哥,inner不还是找不到吗,对吧 in_func()
正常情况下,函数有自己的作用域
def outer():
x=1 #函数outer执行完毕即被销毁
print(x) # 找不到x
既然这样,i()执行的时候outer函数已经执行完了,为什么inner还可以调用outer里的变量x呢?
因为:outer里return的inner是一个闭包函数,有x这个环境变量。
1.3.2 闭包
定义:如果在一个内部函数里,对在外部作用域(encloing)(但不是在全局作用域(global))的变量进行引用,那么内部函数就被认为是闭包(closure).
如上实例,inner就是内部函数,inner里引用了外部作用域的变量x(x在外部作用域outer里面,不是全局作用域),
则这个内部函数inner就是一个闭包。
再稍微讲究一点的解释是,闭包=函数块+定义函数时的环境,inner就是函数块,x就是环境,当然这个环境可以有很多,不止一个简单的x。
# 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
-
a = [1,2]
def fun():
# global a
# a = [2,3]
a[0] = 2
a[1] = 4
fun()
print(a) # [2,3]或者[2,4]
-
# 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")
闭包函数判断(__closure__)
def outer():
a = 1
def inner():
print(a)
print(inner.__closure__)
outer()
print(outer.__closure__)
#(<cell at 0x00000000051D69A8: int object at 0x0000000004EF6548>,)
#None
二 装饰器概念
要解决的三件事:1、不同函数雷同功能。2、开闭原则。3、重复利用
装饰器本质上是一个函数,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。
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()
以上代码虽然实现了功能,但是需要更改代码,这直接违反了软件开发中的一个原则“开放-封闭”(开闭)原则,简单来说,它规定已经实现的功能代码不允许被修改,但可以被扩展,即:
- 封闭:已实现的功能代码块不应该被修改
- 开放:对现有功能的扩展开放
而且bar()、bar2()也有类似的需求,怎么做?再在bar函数里调用时间函数?这样不仅违反开闭原则,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,重新定义一个高阶函数,就是把一个函数当做一个参数传给另外一个函数: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。
三 装饰器思路
首先,以下两种写法是一样的
def plus(n):
return n+1
plus2 = lambda x:x+1 # 匿名函数
给函数赋值变量名就像def func_name 是一样的效果,如下面的plus(n)函数,你调用时可以用plus名,还可以再起个其它名字,如
calc = plus
calc(n) # 跟 plus()一样
那么,
show_time(foo) #需要添加日志就调用 show_time,把需要添加日志的函数当做一个参数传给 show_time
之所改变了调用方式,是因为用户每次调用时需要执行login(henan),类似的。其实稍一改就可以了
foo = show_time(foo)
这样当调用 foo 时,其实相当于调用了show_time(foo), 这样,功能就实现了。但是,问题在于,还不等调用 ,你的 foo = show_time(foo)就会先自己把foo执行了呀。(在show_time(foo)这一步执行,直接在show_time中传入foo执行了)。应该等调用foo的时候再执行。
最终,使用闭包,写一个简单装饰器。
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 foo = show_time(foo) 这一句了,直接调用 foo() 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。
@show_time帮我们做的事情就是当我们执行业务逻辑foo()时,执行的代码由粉框部分转到蓝框部分,仅此而已!
装饰器在Python使用如此方便都要归因于Python的函数能像普通的对象一样能作为参数传递给其他函数,可以被赋值给其他变量,可以作为返回值,可以被定义在另外一个函数内。
四 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)
下面的是返回原函数的return值,如果没有手动哦return,return一直为空
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))
4.1 不定长参数
为什么要不定长,因为一个装饰器会被多个函数使用,而每个函数的参数形式都不一样,所以必须得写成不定长形式
#***********************************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)
4.2 固定模式
def wrapper(f): # 装饰器函数,f是被装饰的函数
def inner(*args, **kwargs):
"""在被装饰函数之前要做的事"""
ret = f(*args, **kwargs) # 被装饰的函数
"""在被装饰函数之后要做的事"""
return ret
return inner
@wrapper # 语法糖 @装饰器函数名
def func(a, b): # 被装饰的函数
time.sleep(0.01)
print("新年好", a, b)
return "新年好"
五 带参数的装饰器
假如你有成千上万个函数使用了一个装饰器,现在你想把这些装饰器都取消掉,你要怎么做?
一个一个的取消掉? 没日没夜忙活3天。。。
过两天你领导想通了,再让你加上。。。
FLAG=True
def timmer_out(flag):
def timmer(func):
def inner(*args,**kwargs):
if flag:
start = time.time()
ret = func(*args,**kwargs)
end = time.time()
print(end-start)
return ret
else:
ret = func(*args,**kwargs)
return ret
return inner
return timmer
@timmer_out(FLAG)
def wahaha():
time.sleep(0.1)
print('wahahahahaha')
FLAG = Flase(或者直接改最上面的FLAG值)
wahaha()
@timmer_out(FLAG) timmer = timmer_out(FLAG)
第一步,timmer_out(FLAG),返回timmer
第二步,@timmer,等于@timmer等于 wahaha=timmer(wahaha)
上面的timmer_out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@timmer_out(FLAG)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。
六 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:
七 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
八 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
# -*- coding:utf-8 -*-
from functools import wraps
from datetime import datetime
#类的装饰器写法,日志
class log(object):
def __init__(self, logfile='c:\out.log'):
self.logfile = logfile
def __call__(self, func):
@wraps(func)
def wrapped_func(*args, **kwargs):
self.writeLog(*args, **kwargs) # 先调用 写入日志
return func(*args, **kwargs) # 正式调用主要处理函数
return wrapped_func
#写入日志
def writeLog(self, *args, **kwargs):
time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
log_str = time+' 操作人:{0[0]} 进行了【{0[1]}】操作'.format(args)
with open(self.logfile, 'a',encoding='utf8') as file:
file.write(log_str + '\n')
@log()
def myfunc(name,age):
print('姓名:{0},年龄:{1}'.format(name,age))
if __name__ == '__main__':
myfunc('小白', '查询')
myfunc('root', '添加人员')
myfunc('小小', '修改数据')
九 内置装饰器
@staticmathod
@classmethod
@property
学习类的时候我们详细介绍的...
十 补充
##----------------------------------------foo函数先加载到内存,然后foo变量指向新的引用,所以递归里的foo是wrapper函数对象
# def show_time(func):
#
# def wrapper(n):
# ret=func(n)
# print("hello,world")
# return ret
# return wrapper
#
# @show_time# foo=show_time(foo)
# def foo(n):
# if n==1:
# return 1
# return n*foo(n-1)
# print(foo(6))
########################
def show_time(func):
def wrapper(n):
ret=func(n)
print("hello,world")
return ret
return wrapper
@show_time# foo=show_time(foo)
def foo(n):
def _foo(n):
if n==1:
return 1
return n*_foo(n-1)
return _foo(n)
print(foo(6))