1、装饰器基础介绍
1.1 何为Python中的装饰器？
Python中装饰器的定义以及用途：
装饰器是一种特殊的函数，它可以接受一个函数作为参数，并返回一个新的函数。装饰器可以用来修改或增强函数的行为，而不需要修改函数本身的代码。在Python中，装饰器通常用于实现AOP（面向切面编程），例如日志记录、性能分析、缓存等。装饰器的语法使用@符号，将装饰器函数放在被装饰函数的定义之前
学过设计模式的朋友都知道，设计模式的结构型模式中也有一个叫装饰器模式，那这个和Python中的装饰器有什么不同呢？
设计模式中的装饰器的定义以及用途：
设计模式中的装饰器是一种结构型模式，它可以在不改变原对象的情况下，为对象添加额外的功能。装饰器模式通常用于在运行时动态地为对象添加功能，而不是在编译时静态地为对象添加功能。装饰器模式通常涉及到多个对象之间的协作，而不是单个函数或对象。
因此，Python中的装饰器和设计模式中的装饰器虽然名称相同，但是它们的实现方式和应用场景有很大的不同。
1.2 闭包
那Python种的装饰器是怎么实现的呢？先不用着急，我们先来一起学习学习Python中的闭包。
那什么叫做闭包呢？
闭包是指一个函数和它所在的环境变量的组合，即在函数内部定义的函数可以访问外部函数的变量和参数，即使外部函数已经返回。闭包可以用来实现函数式编程中的柯里化、惰性求值、函数组合等高级特性。
看着上面的文字，是不是感觉有点抽象。我说一说我对闭包的理解
闭包是由外部函数和内部函数，内部函数引用到了外部函数定义的变量，外部函数的返回值是内部函数的函数名。对于这样的函数，我们就称为闭包。
好像也有点抽象，我们来看一断代码，就能够理解上面的话了。
def my_decorator(): # my_decorator 这个就叫做外部函数
a = 1
def inner(): # inner 这个叫做内部函数
print(a) # 内部函数引用到了外部函数中定义的变量
return inner # 外部函数的返回值是内部函数名
2、函数装饰器的实现
上面讲解了装饰器的定义、用途，还有闭包，那怎么去实现一个装饰器呢？不急，接下来我们一起来学习如何实现装饰器。
装饰器不是说可以不改变一个函数源代码的基础上，给这个函数添加额外的功能吗？那怎么做呢？
接下来，我们就一起实现一个装饰器，来计算函数的执行时间。Let‘s go!
2.1 不使用@实现装饰器
首先，使用闭包定义一个统计函数执行时间的功能。
def process_time(func):
def inner(*args, **kwargs):
start_time = time.time()
ret = func(*args, **kwargs)
end_time = time.time()
print("函数的执行时间为:%d" % (end_time-start_time))
return ret
return inner
接下来定义一个函数，使用比较来计算函数的执行时间。
import time
def process_time(func):
def inner(*args, **kwargs):
start_time = time.time()
ret = func(*args, **kwargs)
end_time = time.time()
print("函数的执行时间为:%d" % (end_time-start_time))
return ret
return inner
def test(sleep_time):
time.sleep(sleep_time)
t1 = process_time(test)
t1(1)
print("------------")
t1(2)
执行结果：
函数的执行时间为:1
------------
函数的执行时间为:2
通过上面的代码，我们观察到，我们并没有修改test函数的源代码，依旧给test函数添加上了统计函数执行时间的功能。
Python中实现上述功能，有更加优雅的方式。下面，我们就一起来看看如何实现的。
2.2 Python中使用语法糖的装饰器(推荐使用)
import time
def process_time(func):
def inner(*args, **kwargs):
start_time = time.time()
ret = func(*args, **kwargs)
end_time = time.time()
print("函数的执行时间为:%d" % (end_time-start_time))
return ret
return inner
@process_time
def test(sleep_time):
time.sleep(sleep_time)
test(1)
print("------------")
test(2)
执行结果：
函数的执行时间为:1
------------
函数的执行时间为:2
观察上面的代码变动，发现只有很少的部分修改了。
1、test函数上面添加了一行@process_time。
2、test函数的调用方式发生了改变。
其他的并没有发生变化，整个代码看起来也更加清爽了。
提示：
当使用@装饰器时，会自动执行 闭包中的外部函数内容。这个可以自行验证。
当使用@装饰器时，Python解释器为我们做了什么？
当使用@装饰器时，Python解释器会将被装饰的函数作为参数传递给装饰器函数，并将其返回值作为新的函数对象替换原来的函数对象。这样，每次调用被装饰的函数时，实际上是调用了装饰器函数返回的新函数对象。
Python 装饰器 @ 实际上是一种语法糖，它可以让我们在不改变原函数代码的情况下，对函数进行扩展或修改。当我们使用 @ 装饰器时，实际上是将被装饰函数作为参数传递给装饰器函数，然后将装饰器函数的返回值赋值给原函数名。因此，@ 装饰器并不会进行内存拷贝。
通过下面的函数，可以得知，inner和test函数指向的是同一个内存地址。
import time
def process_time(func):
print("func id --->", id(func))
def inner(*args, **kwargs):
start_time = time.time()
ret = func(*args, **kwargs)
end_time = time.time()
print("函数的执行时间为:%d" % (end_time - start_time))
return ret
print("inner id --->", id(inner))
return inner
@process_time
def test(sleep_time):
print("test func id --->", id(test))
time.sleep(sleep_time)
print("test id --->", id(test))
执行结果：
func id ---> 4312377952
inner id ---> 4313983008
test id ---> 4313983008
使用语法糖时，Python解释器底层为我们做了这样的处理。
2.3 多个装饰器的执行顺序
上面的两个例子，都只有一个装饰器，是不是Python只能写一个装饰器呢。其实不是的。主要是为了讲解简单。接下来，我们一起来看看，多个装饰器的执行顺序。
def outer_1(func):
print("coming outer_1")
def inner_1():
print("coming inner_1")
func()
return inner_1
def outer_2(func):
print("coming outer_2")
def inner_2():
print("coming inner_2")
func()
return inner_2
def outer_3(func):
print("coming outer_3")
def inner_3():
print("coming inner_3")
func()
return inner_3
@outer_1
@outer_2
@outer_3
def test():
print("coming test")
test()
执行结果：
coming outer_3
coming outer_2
coming outer_1
coming inner_1
coming inner_2
coming inner_3
coming test
outer_3 -> outer_2 -> outer_1 -> inner_1 -> inner_2 -> inner_3 -> 被装饰函数
从上面的执行结果，可以得出如下结论：
使用多个装饰器装饰函数时，
外部函数的执行顺序是从下到上的。
内部函数的执行顺序是从下往上的。
多个装饰器装饰函数时，Python解释器底层做了啥
通过下面这段代码验证
def outer_1(func):
print("coming outer_1, func id -->", id(func))
def inner_1():
print("coming inner_1")
func()
print("inner_1 id -->", id(inner_1))
return inner_1
def outer_2(func):
print("coming outer_2, func id -->", id(func))
def inner_2():
print("coming inner_2")
func()
print("inner_2 id -->", id(inner_2))
return inner_2
def outer_3(func):
print("coming outer_3, func id -->", id(func))
def inner_3():
print("coming inner_3")
func()
print("inner_3 id -->", id(inner_3))
return inner_3
@outer_1
@outer_2
@outer_3
def test():
print("coming test")
test()
执行结果：
coming outer_3, func id --> 4389102784
inner_3 id --> 4389102928
coming outer_2, func id --> 4389102928
inner_2 id --> 4389103072
coming outer_1, func id --> 4389103072
inner_1 id --> 4389103216
coming inner_1
coming inner_2
coming inner_3
coming test
2.4 带参数的装饰器
该如何实现带参数的装饰器呢，其实原理一样的，我们再定义一个外层函数，外层函数的返回值是内存函数的名称，即引用。
下面我们来看一个例子：
def is_process(flag):
def outer_1(func):
print("coming outer_1, func id -->", id(func))
def inner_1():
print("coming inner_1")
if flag:
func()
print("inner_1 id -->", id(inner_1))
return inner_1
return outer_1
@is_process(True)
def test():
print("coming test")
test()
注意：
- 我们装饰函数时，装饰器的写法不同了，变成了
@is_process(True)，这里是调用了is_process这个函数
3、函数装饰器的注意点(wraps函数)
猜一猜下面函数会输出什么？
def outer_1(func):
def inner_1():
print("inner_1, func __name__", func.__name__)
print("inner_1, func __doc__", func.__doc__)
func()
return inner_1
@outer_1
def test():
"""this is test"""
print("outer_1, func __name__", test.__name__)
print("outer_1, func __doc__", test.__doc__)
test()
函数执行结果：
inner_1, func __name__ test
inner_1, func __doc__ this is test
test, test __name__ inner_1
test, test __doc__ None
注意到没，在test函数体内打印函数的 __name__、__doc__ 属性，居然变成内部函数的了。
这个是为什么呢？
Python装饰器在装饰函数时，会将原函数的函数名、文档字符串、参数列表等属性复制到装饰器函数中，但是装饰器函数并不会复制原函数的所有属性。例如，原函数的name属性、doc属性、module属性等都不会被复制到装饰器函数中。
为了避免这种情况，可以使用functools库中的wraps装饰器来保留原来函数对象的属性。wraps装饰器可以将原来函数对象的属性复制到新的函数对象中，从而避免属性丢失的问题。
from functools import wraps
def outer_1(func):
@wraps(func)
def inner_1():
print("inner_1, func __name__", func.__name__)
print("inner_1, func __doc__", func.__doc__)
func()
return inner_1
@outer_1
def test():
"""this is test"""
print("test, test __name__", test.__name__)
print("test, test __doc__", test.__doc__)
test()
执行结果：
inner_1, func __name__ test
inner_1, func __doc__ this is test
test, test __name__ test
test, test __doc__ this is test
4、类装饰器
上面我们都是使用的函数来实现装饰器的功能，那可不可以用类来实现装饰器的功能呢？我们知道函数实现装饰器的原理是外部函数的参数是被装饰的函数，外部函数返回内部函数的名称。内部函数中去执行被装饰的函数。
那么其实类也是可以用来实现装饰器的，因为当我们为 类 定义了 __call__方法时，这个类就成了可调用对象，实例化后可直接调用。
class ProcessTime:
def __call__(self, *args, **kwargs):
print("call")
p = ProcessTime()
p()
4.1 类装饰器的实现
import time
class ProcessTime:
def __init__(self, func):
print("coming ProcessTime __init__")
self.func = func
def __call__(self, *args, **kwargs):
start_time = time.time()
print("coming ProcessTime __call__, id(self.func) -->", id(self.func))
ret = self.func(*args, **kwargs)
end_time = time.time()
print("ProcessTime 函数的执行时间为:%d" % (end_time - start_time))
return ret
@ProcessTime
def test(sleep_time):
time.sleep(sleep_time)
return "tet"
test(1)
执行结果：
coming ProcessTime __init__
coming ProcessTime __call__, id(self.func) --> 4488922160
ProcessTime 函数的执行时间为:1
通过上面的执行结果，我们可以得到，@ProcessTime的作用是 test = ProcessTime(test)。又因为 ProcessTime定义了__call__方法，是可调用对象，所以可以像函数那样直接调用实例化ProcessTime后的对象。
这里可以验证，通过注释掉装饰器，手动初始化ProcessTime类。得到的结果是一样的。
# @ProcessTime
def test(sleep_time):
time.sleep(sleep_time)
return "tet"
test = ProcessTime(test)
test(1)
4.2 多个类装饰器的执行顺序
多个类装饰器的执行顺序是怎么样的呢，这里我们也通过代码来进行验证。
import time
class ProcessTime:
def __init__(self, func):
print("coming ProcessTime __init__", id(self))
self.func = func
def __call__(self, *args, **kwargs):
start_time = time.time()
print("coming ProcessTime __call__, id(self.func) -->", id(self.func))
ret = self.func(*args, **kwargs)
end_time = time.time()
print("ProcessTime 函数的执行时间为:%d" % (end_time - start_time))
return ret
class ProcessTime2:
def __init__(self, func):
print("coming ProcessTime2 __init__", id(self))
self.func = func
def __call__(self, *args, **kwargs):
start_time = time.time()
print("coming ProcessTime2 __call__, id(self.func) -->", id(self.func))
ret = self.func(*args, **kwargs)
end_time = time.time()
print("ProcessTime2 函数的执行时间为:%d" % (end_time - start_time))
return ret
@ProcessTime
@ProcessTime2
def test(sleep_time):
time.sleep(sleep_time)
return "tet"
# test = ProcessTime2(test)
# test = ProcessTime(test)
t = test(1)
执行结果：
coming ProcessTime2 __init__ 4472235104
coming ProcessTime __init__ 4473162672
coming ProcessTime __call__, id(self.func) --> 4472235104
coming ProcessTime2 __call__, id(self.func) --> 4471735344
ProcessTime2 函数的执行时间为:1
ProcessTime 函数的执行时间为:1
从上面的结果，我们得到，执行顺序是：
ProcessTime2 中的__init__ -> ProcessTime 中的__init__ -> ProcessTime 中的__call__ -> ProcessTime2 中的__call__
特别注意：
ProcessTime 中的__call__中的代码并不会执行完后再去执行ProcessTime2 中的__call__，而是在调用ret = self.func(*args, **kwargs)方法后，就回去执行ProcessTime2 中的__call__的代码。
4.3 类装饰器存在的问题
其实，类装饰器也存在和函数装饰器一样的问题。它会覆盖原函数的元数据信息，例如函数名、文档字符串、参数列表等。这可能会导致一些问题，例如调试时无法正确显示函数名、文档生成工具无法正确生成文档等。
import time
from functools import wraps
class ProcessTime:
def __init__(self, func):
print("coming ProcessTime __init__", id(self))
self.func = func
def __call__(self, *args, **kwargs):
start_time = time.time()
print("coming ProcessTime __call__, id(self.func) -->", id(self.func))
ret = self.func(*args, **kwargs)
end_time = time.time()
print("ProcessTime 函数的执行时间为:%d" % (end_time - start_time))
return ret
@ProcessTime
def test(sleep_time):
"tets"
print("test.__doc__", test.__doc__)
# print(test.__name__) --> 报错，AttributeError: 'ProcessTime' object has no attribute '__name__'
time.sleep(sleep_time)
return "tet"
t = test(1)
那类装饰器该如何解决呢？
我现在还不知道该如何处理，如果有知道的朋友，请不吝赐教，十分感谢！！
5、多个装饰器的执行顺序总结
其实，我觉得不用特别的去记多个装饰器的执行顺序是如何的，我们最重要的是理解到装饰器的执行逻辑是如何的。函数装饰器和类装饰器的初始化顺序都是一样的：从靠近被装饰的函数开始执行初始化操作。把这个核心原理理解到后，多个装饰器的执行顺序在使用的时候，就很容易得到了。
