python3 装饰器
在Python这个国家里,装饰器以及后面讲到的迭代器,生成器都是十二分重要的高级函数。
如果将装饰器比作取经路上的一个大boss,那么想干掉它必须拿到三件法宝
法宝一(作用域):
法宝二(函数即对象):
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)。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def foo(): print('i am the foo') bar() def bar(): print('i am the bar') foo() # def bar(): #报错 # print('i am the bar')
带着这个问题,我们聊一聊函数在内存的存储情况:
图1
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. 其可以被赋给其他变量
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def foo(): print('foo') bar=foo bar() foo() print(id(foo),id(bar)) #4321123592 4321123592
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。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#*******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。
法宝三(函数的嵌套以及闭包):
抛一个小问题:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def foo(): print('foo') def bar(): print('bar') # bar() bar()
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:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
#想执行inner函数,两种方法 def outer(): x = 1 def inner(): print (x) # 1 # inner() # 2 return inner # outer() in_func=outer() in_func()
在这里,你有没有什么疑问?如果没有,那我问你:
1 两种调用方式有区别吗,不都是在外面调用inner吗?
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
in_func=outer() in_func() ########### inner()(已经加载到内存啦)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def outer(): x = 1 def inner(): b=6 print (x) return inner #inner()#报错原因:找不到这个引用变量 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()
2
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
def outer(): x=1 #函数outer执行完毕即被销毁 print(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?
哈,这就涉及到我们叫讲的闭包啦!
因为:outer里return的inner是一个闭包函数,有x这个环境变量。
OK,那么什么是闭包呢?
闭包(closure)是函数式编程的重要的语法结构。
定义:如果在一个内部函数里,对在外部作用域(但不是在全局作用域)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。
print(in_func.__closure__[0].cell_contents)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
# 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")
装饰器概念
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:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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()
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,重新定义一个函数:专门设定时间:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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。
简单装饰器
if foo()==show_time(foo) :问题解决!
所以,我们需要show_time(foo)返回一个函数对象,而这个函数对象内则是核心业务函数:执行func()与装饰函数时间计算,修改如下:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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bar = show_time(bar)这一句了,直接调用bar()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。
key:
@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。
带参数的被装饰函数
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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)
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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))
不定长参数
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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)
带参数的装饰器
装饰器还有更大的灵活性,例如带参数的装饰器:在上面的装饰器调用中,比如@show_time,该装饰器唯一的参数就是执行业务的函数。装饰器的语法允许我们在调用时,提供其它参数,比如@decorator(a)。这样,就为装饰器的编写和使用提供了更大的灵活性。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
import time def time_logger(flag=0): 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)) if flag: print('将这个操作的时间记录到日志中') return wrapper return show_time @time_logger(3) def add(*args,**kwargs): time.sleep(1) sum=0 for i in args: sum+=i print(sum) add(2,7,5)
@time_logger(3) 做了两件事:
(1)time_logger(3):得到闭包函数show_time,里面保存环境变量flag
(2)@show_time :add=show_time(add)
上面的time_logger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@time_logger(3)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。
多层装饰器
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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:
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。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
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:
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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。
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
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
内置装饰器
@staticmathod
@classmethod
@property
补充
![](https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif)
##----------------------------------------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)) 迭代函数被装饰